会话存储设计：Redis、Postgres 与对象存储怎么选（AI/Agent 场景）

先把会话数据拆开：你存的不是“聊天”，是“运行系统”

在 Agent 产品里，“会话”包含至少三类东西：

1. 交互层数据

• 用户消息、助手最终回复

2. 执行层数据

• run 状态、步骤进度、工具调用回执摘要、重试决策

3. 审计与运营数据

• 事件日志、错误分类、成本（token/工具调用）

把它们混在一起存，会让：

• 查询很难写
• 热点很难控制
• 成本很难预测

所以第一步是：按粒度与生命周期分层。

一、决策维度：四个问题决定存哪

对每一类数据，问这四个问题：

1. 访问模式：高频读写还是低频查询？
2. 一致性：需要强一致吗？允许最终一致吗？
3. 生命周期：分钟/小时/天/年？需要 TTL 吗？
4. 查询方式：需要复杂过滤/聚合/索引吗？还是只要按 key 取？

四问答完，通常答案就出来了。

二、三种存储的“正确定位”

1）Redis：短期状态与控制面（热）

适合存：

• run 状态（running/succeeded/failed）
• 流式输出缓冲（短期）
• 幂等键与去重记录（短期）
• 分布式锁（resource lock）
• 速率限制计数器

不适合存：

• 需要审计的长期日志
• 需要复杂查询的历史数据

一句话：Redis 是“控制面”，不是“事实仓库”。

2）Postgres：事实、审计与查询面（温）

适合存：

• 会话线程（thread）与消息（message）
• 事件日志（event log）
• 工具调用摘要与回执索引
• 关键指标的聚合表（日报/看板）

优势：

• 强一致
• 可索引、可查询
• 审计与权限好做

3）对象存储：大对象与归档（冷）

适合存：

• 大段原始文本归档
• 附件（pdf、图片、音频）
• 导出的报告文件
• 大规模评测与离线分析产物

配套建议：

• 在 Postgres 里存对象元数据与 URL
• 对象本体放对象存储

三、推荐的分层架构：热/温/冷

把数据按温度分三层，会让系统可扩展且成本可控。

热层（Redis）

• TTL：分钟~小时
• 内容：运行时状态、锁、幂等、流式缓冲

温层（Postgres）

• TTL：天~年（按合规）
• 内容：消息、事件日志、回执摘要、指标

冷层（对象存储）

• TTL：按业务与合规
• 内容：大对象、归档、离线产物

迁移策略：

• 热 → 温：run 完成后把关键状态落库
• 温 → 冷：历史归档、压缩存储

四、事件日志表怎么设计：最小可用 schema

你不需要一开始就做复杂的数据湖，但建议至少有一张事件表：

• event_id
• thread_id
• run_id
• seq
• event_type
• payload_summary（可检索摘要）
• payload_ref（指向对象存储的原始 payload，可选）
• created_at

关键点：

• seq 支持重放
• payload_summary 支持排障与运营分析
• 原始大 payload 放对象存储，避免数据库膨胀

五、成本模型：为什么“只用 Postgres”也会很贵

很多团队会说：

Postgres 很强，那就全放 Postgres。

问题在于：

• 事件日志增长极快（每次工具调用、每次 delta 都是事件）
• 大 payload（长文本/回执）会导致表膨胀
• 索引维护成本高

所以建议：

• delta 级别事件不要全落数据库（可聚合/抽样）
• 只落关键里程碑事件（step/tool/done/error）
• 大对象走对象存储

六、上线 Checklist（会话存储分层）

• 数据分层：热（Redis）/温（Postgres）/冷（对象存储）职责明确
• 运行状态：run 状态可重入（断线重连/后台继续）
• 事件日志：至少存 step/tool/error/done 里程碑事件
• 幂等与锁：写操作幂等键、资源锁存 Redis
• 归档策略：历史数据压缩/迁移/TTL 清理
• 审计与权限：按 tenant/user 隔离查询，敏感字段脱敏

常见问题

我需要把流式 token delta 存起来吗？

通常不需要全量存。建议存：

• 最终答案
• 关键里程碑事件
• 必要的调试摘要

全量 delta 既贵又难查。

会话历史要支持“重放”，数据应该怎么存？

重放依赖的是事件序列（seq），而不是消息字符串。你可以存“可重放事件”并在前端用 reducer 还原 UI 状态（见前端篇：/articles/chat-frontend-state-from-messages-to-tool-events）。

想看更多工程化文章见 /articles，也可以在 /apps/new 体验 Agent 能力。