{"title":"รูปแบบการเริ่ม Session","slug":"session-start-pattern","category":"llm-cookbook","summary":"ลำดับการเริ่ม session แบบ canonical ที่ LLM agent ทุกตัวควรทำตาม","audience":["llm"],"tags":["cookbook","session","pattern","startup"],"difficulty":"beginner","updated":"2026-06-27","word_count":167,"read_minutes":1,"llm_context":"ALWAYS at session start: 1) GET /memory/recall, 2) GET /chat/poll, 3) GET /mind/tasks?status=in_progress\nBuild system prompt from recall output.\nProcess unread chat messages before doing new work.\nResume any in_progress tasks before starting new ones.\nStore new learnings as they happen — don't wait until session end.\n","lang":"th","translated":true,"requested_lang":"th","content_markdown":"\n# รูปแบบการเริ่ม Session\n\nทุก LLM agent session ควรทำตามลำดับ startup แบบ canonical นี้ การข้ามขั้นตอนนำไปสู่ context สูญหาย, ข้อความที่พลาด และ task ที่ลืม\n\n## รูปแบบ\n\n```\n1. Recall memory ทั้งหมด\n2. Poll ข้อความแช็ตที่ยังไม่ได้อ่าน\n3. ตรวจ task ที่กำลังดำเนินการ\n4. สร้าง context จากผลลัพธ์\n5. ประมวลผลรายการที่ค้างก่อนงานใหม่\n```\n\n## การ implement\n\n### ขั้นตอนที่ 1: Recall Memory ทั้งหมด\n\n> [!CRITICAL]\n> นี่เป็นการเรียกที่สำคัญที่สุด หากไม่มี คุณไม่มี memory ของ session ที่ผ่านมา\n\n```bash\ncurl -H \"Authorization: Bearer YOUR_MIND_KEY\" \\\n     https://synapse.schaefer.zone/memory/recall\n```\n\nส่งกลับสรุปแบบ plain-text ของ memory ทั้งหมด เรียงตาม priority\n\n### ขั้นตอนที่ 2: Poll ข้อความแช็ตที่ยังไม่ได้อ่าน\n\n```bash\ncurl -H \"Authorization: Bearer YOUR_MIND_KEY\" \\\n     https://synapse.schaefer.zone/chat/poll\n```\n\nส่งกลับข้อความที่ยังไม่ได้อ่านจาก human **ทำเครื่องหมายว่าอ่านแล้วโดยอัตโนมัติ**\n\n### ขั้นตอนที่ 3: ตรวจ Task ที่กำลังดำเนินการ\n\n```bash\ncurl -H \"Authorization: Bearer YOUR_MIND_KEY\" \\\n     \"https://synapse.schaefer.zone/mind/tasks?status=in_progress\"\n```\n\nส่งกลับ task ที่คุณทำอยู่ session ที่แล้ว\n\n### ขั้นตอนที่ 4: สร้าง Context\n\nรวม response ทั้งสามเข้าใน system prompt ของคุณ:\n\n```python\ndef build_context(memories, messages, tasks):\n    context = f\"\"\"# SESSION CONTEXT\n\n## Memories (from previous sessions)\n{memories}\n\n## Unread Messages from Human\n{format_messages(messages)}\n\n## Active Tasks\n{format_tasks(tasks)}\n\n## Instructions\n- Address unread messages first\n- Resume active tasks before starting new work\n- Store new learnings as they happen (POST /memory)\n- Poll for new messages every 30-60 seconds\n\"\"\"\n    return context\n```\n\n### ขั้นตอนที่ 5: ประมวลผลรายการที่ค้าง\n\n```\nFor each unread message:\n  - Acknowledge receipt (POST /chat/reply)\n  - Address the message content\n  - Store any new commitments as memories\n\nFor each in-progress task:\n  - Recall why you were working on it\n  - Continue from where you left off\n  - Update task status as you progress\n```\n\n## ตัวอย่างสมบูรณ์\n\n```python\nimport os\nimport requests\n\nURL = \"https://synapse.schaefer.zone\"\nKEY = os.environ[\"SYNAPSE_MIND_KEY\"]\n\ndef session_start():\n    \"\"\"Canonical session start sequence.\"\"\"\n    headers = {\"Authorization\": f\"Bearer {KEY}\"}\n    \n    # 1. Recall memories\n    r = requests.get(f\"{URL}/memory/recall\", headers=headers)\n    memories = r.text\n    \n    # 2. Poll chat\n    r = requests.get(f\"{URL}/chat/poll\", headers=headers)\n    messages = r.json().get(\"messages\", [])\n    \n    # 3. Check tasks\n    r = requests.get(f\"{URL}/mind/tasks?status=in_progress\", headers=headers)\n    tasks = r.json().get(\"tasks\", [])\n    \n    # 4. Build context\n    context = f\"\"\"You are a Synapse-enabled AI assistant.\n\nMEMORIES FROM PREVIOUS SESSIONS:\n{memories}\n\nUNREAD MESSAGES FROM HUMAN:\n{chr(10).join(f'- {m[\"content\"]}' for m in messages) or 'None'}\n\nACTIVE TASKS:\n{chr(10).join(f'- [{t[\"id\"]}] {t[\"title\"]}: {t.get(\"description\", \"\")}' for t in tasks) or 'None'}\n\nINSTRUCTIONS:\n1. Acknowledge each unread message\n2. Resume active tasks\n3. Store new learnings via POST /memory\n4. Poll /chat/poll every 30-60 seconds\n\"\"\"\n    return context\n\n# At session start\nsystem_prompt = session_start()\n# Pass to LLM...\n```\n\n## ความผิดพลาดทั่วไป\n\n> [!WARNING]\n> - **ข้าม recall** — คุณเริ่มโดยไม่มี context, ทำ mistake ซ้ำ\n> - **ลืม poll แช็ต** — ข้อความของ human ไม่ได้รับการตอบ\n> - **ละเลย task active** — งานถูกลืมกลางการปฏิบัติ\n> - **ไม่เก็บอะไร** — session ไม่สร้างค่าถาวร\n\n## รูปแบบแปรผัน\n\n### รูปแบบ minimal (LLM context ต่ำ)\n\nสำหรับ LLM ที่มี context window เล็ก ข้าม full recall:\n\n```bash\n# Just get stats, not full content\ncurl -H \"Authorization: Bearer $KEY\" .../memory/stats\n```\n\nจากนั้นค้นหาหัวข้อเฉพาะตามต้องการ:\n\n```bash\ncurl -H \"Authorization: Bearer $KEY\" \".../memory/search?q=current+project\"\n```\n\n### รูปแบบ aggressive (agent รันนาน)\n\nสำหรับ agent ที่รันเป็นชั่วโมง เพิ่ม re-recall เป็นคาบ:\n\n```python\nwhile working:\n    if time.time() - last_recall > 3600:  # every hour\n        memories = recall()\n        last_recall = time.time()\n    # ... do work ...\n```\n\n## ขั้นตอนถัดไป\n\n- [Memory Tagging Strategy](/docs/llm-cookbook/memory-tagging-strategy)\n- [Task-Driven Workflow](/docs/llm-cookbook/task-driven-workflow)\n- [Chat Polling Pattern](/docs/llm-cookbook/chat-polling-pattern)\n","content_html":"<h1>รูปแบบการเริ่ม Session</h1>\n<p>ทุก LLM agent session ควรทำตามลำดับ startup แบบ canonical นี้ การข้ามขั้นตอนนำไปสู่ context สูญหาย, ข้อความที่พลาด และ task ที่ลืม</p>\n<h2>รูปแบบ</h2>\n<pre><code class=\"hljs language-plaintext\">1. Recall memory ทั้งหมด\n2. Poll ข้อความแช็ตที่ยังไม่ได้อ่าน\n3. ตรวจ task ที่กำลังดำเนินการ\n4. สร้าง context จากผลลัพธ์\n5. ประมวลผลรายการที่ค้างก่อนงานใหม่</code></pre><h2>การ implement</h2>\n<h3>ขั้นตอนที่ 1: Recall Memory ทั้งหมด</h3>\n<div class=\"callout callout-critical\">นี่เป็นการเรียกที่สำคัญที่สุด หากไม่มี คุณไม่มี memory ของ session ที่ผ่านมา</div><pre><code class=\"hljs language-bash\">curl -H <span class=\"hljs-string\">&quot;Authorization: Bearer YOUR_MIND_KEY&quot;</span> \\\n     https://synapse.schaefer.zone/memory/recall</code></pre><p>ส่งกลับสรุปแบบ plain-text ของ memory ทั้งหมด เรียงตาม priority</p>\n<h3>ขั้นตอนที่ 2: Poll ข้อความแช็ตที่ยังไม่ได้อ่าน</h3>\n<pre><code class=\"hljs language-bash\">curl -H <span class=\"hljs-string\">&quot;Authorization: Bearer YOUR_MIND_KEY&quot;</span> \\\n     https://synapse.schaefer.zone/chat/poll</code></pre><p>ส่งกลับข้อความที่ยังไม่ได้อ่านจาก human <strong>ทำเครื่องหมายว่าอ่านแล้วโดยอัตโนมัติ</strong></p>\n<h3>ขั้นตอนที่ 3: ตรวจ Task ที่กำลังดำเนินการ</h3>\n<pre><code class=\"hljs language-bash\">curl -H <span class=\"hljs-string\">&quot;Authorization: Bearer YOUR_MIND_KEY&quot;</span> \\\n     <span class=\"hljs-string\">&quot;https://synapse.schaefer.zone/mind/tasks?status=in_progress&quot;</span></code></pre><p>ส่งกลับ task ที่คุณทำอยู่ session ที่แล้ว</p>\n<h3>ขั้นตอนที่ 4: สร้าง Context</h3>\n<p>รวม response ทั้งสามเข้าใน system prompt ของคุณ:</p>\n<pre><code class=\"hljs language-python\"><span class=\"hljs-keyword\">def</span> <span class=\"hljs-title function_\">build_context</span>(<span class=\"hljs-params\">memories, messages, tasks</span>):\n    context = <span class=\"hljs-string\">f&quot;&quot;&quot;# SESSION CONTEXT\n\n## Memories (from previous sessions)\n<span class=\"hljs-subst\">{memories}</span>\n\n## Unread Messages from Human\n<span class=\"hljs-subst\">{format_messages(messages)}</span>\n\n## Active Tasks\n<span class=\"hljs-subst\">{format_tasks(tasks)}</span>\n\n## Instructions\n- Address unread messages first\n- Resume active tasks before starting new work\n- Store new learnings as they happen (POST /memory)\n- Poll for new messages every 30-60 seconds\n&quot;&quot;&quot;</span>\n    <span class=\"hljs-keyword\">return</span> context</code></pre><h3>ขั้นตอนที่ 5: ประมวลผลรายการที่ค้าง</h3>\n<pre><code class=\"hljs language-plaintext\">For each unread message:\n  - Acknowledge receipt (POST /chat/reply)\n  - Address the message content\n  - Store any new commitments as memories\n\nFor each in-progress task:\n  - Recall why you were working on it\n  - Continue from where you left off\n  - Update task status as you progress</code></pre><h2>ตัวอย่างสมบูรณ์</h2>\n<pre><code class=\"hljs language-python\"><span class=\"hljs-keyword\">import</span> os\n<span class=\"hljs-keyword\">import</span> requests\n\nURL = <span class=\"hljs-string\">&quot;https://synapse.schaefer.zone&quot;</span>\nKEY = os.environ[<span class=\"hljs-string\">&quot;SYNAPSE_MIND_KEY&quot;</span>]\n\n<span class=\"hljs-keyword\">def</span> <span class=\"hljs-title function_\">session_start</span>():\n    <span class=\"hljs-string\">&quot;&quot;&quot;Canonical session start sequence.&quot;&quot;&quot;</span>\n    headers = {<span class=\"hljs-string\">&quot;Authorization&quot;</span>: <span class=\"hljs-string\">f&quot;Bearer <span class=\"hljs-subst\">{KEY}</span>&quot;</span>}\n    \n    <span class=\"hljs-comment\"># 1. Recall memories</span>\n    r = requests.get(<span class=\"hljs-string\">f&quot;<span class=\"hljs-subst\">{URL}</span>/memory/recall&quot;</span>, headers=headers)\n    memories = r.text\n    \n    <span class=\"hljs-comment\"># 2. Poll chat</span>\n    r = requests.get(<span class=\"hljs-string\">f&quot;<span class=\"hljs-subst\">{URL}</span>/chat/poll&quot;</span>, headers=headers)\n    messages = r.json().get(<span class=\"hljs-string\">&quot;messages&quot;</span>, [])\n    \n    <span class=\"hljs-comment\"># 3. Check tasks</span>\n    r = requests.get(<span class=\"hljs-string\">f&quot;<span class=\"hljs-subst\">{URL}</span>/mind/tasks?status=in_progress&quot;</span>, headers=headers)\n    tasks = r.json().get(<span class=\"hljs-string\">&quot;tasks&quot;</span>, [])\n    \n    <span class=\"hljs-comment\"># 4. Build context</span>\n    context = <span class=\"hljs-string\">f&quot;&quot;&quot;You are a Synapse-enabled AI assistant.\n\nMEMORIES FROM PREVIOUS SESSIONS:\n<span class=\"hljs-subst\">{memories}</span>\n\nUNREAD MESSAGES FROM HUMAN:\n<span class=\"hljs-subst\">{<span class=\"hljs-built_in\">chr</span>(<span class=\"hljs-number\">10</span>).join(<span class=\"hljs-string\">f&#x27;- <span class=\"hljs-subst\">{m[<span class=\"hljs-string\">&quot;content&quot;</span>]}</span>&#x27;</span> <span class=\"hljs-keyword\">for</span> m <span class=\"hljs-keyword\">in</span> messages) <span class=\"hljs-keyword\">or</span> <span class=\"hljs-string\">&#x27;None&#x27;</span>}</span>\n\nACTIVE TASKS:\n<span class=\"hljs-subst\">{<span class=\"hljs-built_in\">chr</span>(<span class=\"hljs-number\">10</span>).join(<span class=\"hljs-string\">f&#x27;- [<span class=\"hljs-subst\">{t[<span class=\"hljs-string\">&quot;id&quot;</span>]}</span>] <span class=\"hljs-subst\">{t[<span class=\"hljs-string\">&quot;title&quot;</span>]}</span>: <span class=\"hljs-subst\">{t.get(<span class=\"hljs-string\">&quot;description&quot;</span>, <span class=\"hljs-string\">&quot;&quot;</span>)}</span>&#x27;</span> <span class=\"hljs-keyword\">for</span> t <span class=\"hljs-keyword\">in</span> tasks) <span class=\"hljs-keyword\">or</span> <span class=\"hljs-string\">&#x27;None&#x27;</span>}</span>\n\nINSTRUCTIONS:\n1. Acknowledge each unread message\n2. Resume active tasks\n3. Store new learnings via POST /memory\n4. Poll /chat/poll every 30-60 seconds\n&quot;&quot;&quot;</span>\n    <span class=\"hljs-keyword\">return</span> context\n\n<span class=\"hljs-comment\"># At session start</span>\nsystem_prompt = session_start()\n<span class=\"hljs-comment\"># Pass to LLM...</span></code></pre><h2>ความผิดพลาดทั่วไป</h2>\n<div class=\"callout callout-warn\"></div><h2>รูปแบบแปรผัน</h2>\n<h3>รูปแบบ minimal (LLM context ต่ำ)</h3>\n<p>สำหรับ LLM ที่มี context window เล็ก ข้าม full recall:</p>\n<pre><code class=\"hljs language-bash\"><span class=\"hljs-comment\"># Just get stats, not full content</span>\ncurl -H <span class=\"hljs-string\">&quot;Authorization: Bearer <span class=\"hljs-variable\">$KEY</span>&quot;</span> .../memory/stats</code></pre><p>จากนั้นค้นหาหัวข้อเฉพาะตามต้องการ:</p>\n<pre><code class=\"hljs language-bash\">curl -H <span class=\"hljs-string\">&quot;Authorization: Bearer <span class=\"hljs-variable\">$KEY</span>&quot;</span> <span class=\"hljs-string\">&quot;.../memory/search?q=current+project&quot;</span></code></pre><h3>รูปแบบ aggressive (agent รันนาน)</h3>\n<p>สำหรับ agent ที่รันเป็นชั่วโมง เพิ่ม re-recall เป็นคาบ:</p>\n<pre><code class=\"hljs language-python\"><span class=\"hljs-keyword\">while</span> working:\n    <span class=\"hljs-keyword\">if</span> time.time() - last_recall &gt; <span class=\"hljs-number\">3600</span>:  <span class=\"hljs-comment\"># every hour</span>\n        memories = recall()\n        last_recall = time.time()\n    <span class=\"hljs-comment\"># ... do work ...</span></code></pre><h2>ขั้นตอนถัดไป</h2>\n<ul>\n<li><a href=\"/docs/llm-cookbook/memory-tagging-strategy\">Memory Tagging Strategy</a></li>\n<li><a href=\"/docs/llm-cookbook/task-driven-workflow\">Task-Driven Workflow</a></li>\n<li><a href=\"/docs/llm-cookbook/chat-polling-pattern\">Chat Polling Pattern</a></li>\n</ul>\n","urls":{"html":"/docs/llm-cookbook/session-start-pattern","text":"/docs/llm-cookbook/session-start-pattern?format=text","json":"/docs/llm-cookbook/session-start-pattern?format=json","llm":"/docs/llm-cookbook/session-start-pattern?format=llm"},"translations_available":["en","zh","hi","es","fr","ar","pt","ru","ja","de","it","ko","nl","pl","tr","sv","vi","th","id","uk"]}