核心论点：LLM 的上下文窗口是硬上限，而多节点部署下"对话状态在哪"直接决定请求打到哪台机器；用 Redis 按会话 ID 分片存储 + 截断策略，把有限窗口变成可跨节点复用的共享状态。
问题定义：上下文窗口有限 + 多节点不一致
LLM 一次能"看到"的 token（模型处理文本的基本单位）数有上限（视模型从几 K 到上百 K 不等）。但客服对话可能持续 50 轮，累计远超窗口。更棘手的是分布式：用户上一轮打在节点 A，这一轮被负载均衡到节点 B——如果上下文只存在 A 的内存里，B 就是"失忆"的。所以上下文不能绑在进程内存，必须外置成共享存储。
这就引出三个独立问题：存哪（选型）、怎么同步（一致性）、请求打给谁（路由）。
分布式上下文存储选型
- Redis：毫秒级读写，原生 TTL 过期，最适合"当前对话的近期消息"。代价是无结构化查询，长文本检索弱。
- MongoDB：文档模型存完整对话，适合需要回查历史的审计/复盘场景，但延迟高于 Redis。
- 向量数据库（如 Milvus）：把历史转 embedding（把文本转成一串数字向量，语义相近的向量距离也近）做语义召回，适合"从长对话里捞相关片段"，但每次写入都要额外算一遍向量、成本高。
Shop-Agent 选Redis 作为主存储：对话历史按会话 ID 分片存储，每条消息落库前截断到 4096 字符防撑爆 Redis，整体 24 小时过期（当前为固定值，尚未提为配置项）。这是"近期上下文高频访问"特征下的最优选。
这三者并非严格互斥——Redis 自身也支持向量相似度搜索，"近期存储"与"语义召回"可以落在同一套基础设施上。上面的决策图是按主导访问特征划分，不是排他选型。
这里的存储选型针对对话历史（低延迟 + 可过期 + 窗口连续），与 RAG 检索的知识文档选型是两件事——前者保"聊到哪了"，后者保"知识召回"，虽都可用向量库，但问题不同，勿混为一谈。
跨节点上下文同步
选型定了，同步要解决"多节点看到同一份"。Redis 本身是中心节点，所有节点读写同一份，天然规避了"内存副本漂移"。但仍有两点必须处理：
- 写入版本/时序：并发写同一对话（如用户连发两条）需靠 Redis 原子操作或单写者模型，避免后写覆盖先写。
- 增量更新 vs 全量覆盖：只追加新消息而非每次重写整个历史，减少跨节点带宽与冲突面。落地上用一次流水线里的两个原子操作：尾部追加新消息 + 头部裁剪只保留最近 N 条，而非全量覆盖。
- 事件驱动（演进方向）：上下文变更可经发布/订阅广播，触发压缩、摘要等下游动作；当前 Shop-Agent 主要靠共享存储 + 取用时裁剪保证一致，事件驱动留作扩展。
上下文路由：把请求打到"有状态"的节点
选型定了、同步也兜底了，还剩第三个问题：请求到底打给哪台节点。如果状态在共享 Redis，其实任意节点都能接——这是 Shop-Agent 的做法，靠外部存储解耦，不需要"粘滞会话（sticky session）"。负载均衡可用任意无状态策略（如轮询），因为节点间无状态差异。但代价是每次请求都要从 Redis 拉历史。
拉取时再做一次窗口裁剪：prompt 构建阶段从 Redis 取历史，按配置的最大历史轮数保留，单条按可配置上限截断（单条长度、默认值等具体窗口策略见《上下文压缩与窗口管理》）。这把"无限历史"压成"窗口内的有效上下文"，既控 token 又保业务连贯。
三个问题各自的答案已经清楚，把它们拼到一张图上看整体形态。
实战：Shop-Agent 的对话历史存储架构
要点：状态外置到 Redis，节点无状态可任意接管；每条消息落库前截断 4096 字符、整体 24 小时（当前为固定值，尚未提为配置项）过期；取用时再按轮数 + 单条可配置上限裁剪进窗口。
核心要点
- 存储选型不是排他三选一：Redis 自身也支持向量检索，近期存储与语义召回可共用一套设施，决策图按主导访问特征划分。
- 上下文不能绑进程内存，否则多节点部署必失忆；必须外置为共享存储。
- 共享 Redis 让任意节点可接管，免去 sticky session，但每次需拉历史并裁剪窗口。
- Shop-Agent：按会话 ID 分片、单条截断 4096 字、24 小时固定过期，取用时再限轮数 + 单条按可配置上限裁剪；写入用增量追加而非全量覆盖。
- 路由与同步解耦后，上下文一致性问题退化为"Redis 可用 + 裁剪策略正确"。