2026年8月1日 · llama.cpp
b10219
llama.cpp 发布 b10219 版本，修复 llama-cli 在聊天历史中持久化 reasoning_content 的问题。此前 llama-cli 从流中收集推理内容用于显示，但仅将 assistant 内容存入消息，导致 --reasoning-preserve 无法在后续轮次重新注入先前的思考。
EVENT STORY
发展脉络
- 首次出现b10219llama.cpp
- 当前判断推理内容的持久化是推理模型（如 o1 类）在应用层落地的关键细节。llama.cpp 作为广泛使用的推理引擎，其修复可能推动更多应用支持推理过程的可追溯性，但需注意隐私和成本问题。Agent Pulse · 分析
llama.cpp 发布 b10219 版本，修复了 llama-cli 在聊天历史中持久化 reasoning_content 的问题。此前，llama-cli 从流中收集推理内容用于显示，但仅将 assistant 内容存入消息，导致 --reasoning-preserve 无法在后续轮次重新注入先前的思考。该修复确保推理内容被正确保存，使得多轮对话中能够保留并重新使用先前的推理过程。
该修复表明推理内容（reasoning_content）与最终回答在数据流中分离，但存储时未统一处理。持久化推理内容对多轮对话的上下文一致性至关重要，尤其当模型依赖先前推理时。未来可关注推理内容是否参与上下文窗口计算，以及是否影响 token 计数和成本。
推理内容的持久化是推理模型（如 o1 类）在应用层落地的关键细节。llama.cpp 作为广泛使用的推理引擎，其修复可能推动更多应用支持推理过程的可追溯性，但需注意隐私和成本问题。
对于使用 llama.cpp 构建应用的开发者，该修复提升了多轮对话的连贯性，可能改善用户体验，但需评估存储和传输推理内容的额外开销。
后续可观察其他推理引擎（如 vLLM、TGI）是否跟进类似功能，以及推理内容持久化是否成为标准特性。