StateAwareToolCallback 继承自 Spring AI ToolCallback 接口，没有声明任何方法，是一个标记接口，用于标记标识工具需要 Agent 状态注入，让工具能读取 Agent 当前状态、运行配置、修改 Agent 状态等操作。

在 Spring AI Alibaba 的 Agent 开发中，原生的执行流程往往无法满足生产级场景的监控、安全、限流、容错等需求。所以，提供了 Hook 与 Interceptor 机制，执行流程的精细化控制，打造高可用、高安全、可观测的生产级 Agent 应用。

ToolCallback 工具对象在调用时，会进行异常捕获和转换，方法型、函数型工具内部抛出的异常，都会被包装为 ToolExecutionException 。

Checkpoint（检查点） 是一种通用的系统机制，广泛应用于数据库恢复、分布式计算领域。在 Spring AI Alibaba 中，检查点是 Agent 在执行过程中某一时刻的状态快照。

上一篇我们解析了 ReactAgent 的同步与流式执行方法，在所有执行方法（call/invoke/stream）中，都存在一个可选参数 RunnableConfig。作为 Spring AI Alibaba 中 Agent 执行的核心配置类，RunnableConfig 负责管理线程、 checkpoint、元数据、上下文等关键执行参数，直接决定了 Agent 的运行行为，如状态持久化、流式模

大模型的 “记忆” 本质是把历史信息塞进本次请求的上下文，而非模型真的记住了内容。实现多轮对话的核心是维护一个 messages 数组。每一轮对话都需要将用户的最新提问和模型的回复追加到此数组中，并将其作为下一次请求的输入。

大模型的 “记忆” 本质是把历史信息塞进本次请求的上下文，而非模型真的记住了内容。实现多轮对话的核心是维护一个 messages 数组。每一轮对话都需要将用户的最新提问和模型的回复追加到此数组中，并将其作为下一次请求的输入。

大模型的底层是 Transformer 架构，在设计上是‌无状态（Stateless）‌的，每次推理仅基于当前输入生成响应，不保留历史对话或用户上下文。

大模型的底层是 Transformer 架构，在设计上是‌无状态（Stateless）‌的，每次推理仅基于当前输入生成响应，不保留历史对话或用户上下文。

Spring AI Alibaba Extensions 扩展了 Spring AI 的 Models 功能，提供了阿里云大模型服务百炼平台上的模型支持，包括通义千问系列、Deepseek 系列模型。