添加内存

原文：Add Memory

一句话

LangGraph 支持两种内存类型：短期内存（thread-level persistence）用于多轮对话，长期内存用于跨会话存储用户特定或应用级数据。

什么时候翻这页

当你需要实现 Agent 的记忆功能，使其能够记住之前的对话内容或用户信息时。

核心概念

短期内存：作为 Agent 状态的一部分，用于多轮对话的上下文保持
长期内存：用于存储用户特定或应用级数据，可在不同会话间保持
Checkpoint：检查点机制，用于保存和恢复 Agent 的状态
StateGraph：LangGraph 中的核心图结构，用于构建 Agent 工作流
Store：长期存储接口，用于持久化数据

怎么做

添加短期内存

短期内存通过在编译 StateGraph 时提供 checkpointer 实现：

from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import StateGraph

checkpointer = InMemorySaver()
builder = StateGraph(...)
graph = builder.compile(checkpointer=checkpointer)

graph.invoke(
    {"messages": [{"role": "user", "content": "hi! i am Bob"}]},
    {"configurable": {"thread_id": "1"}},
)

生产环境中的短期内存

在生产环境中，使用数据库支持的 checkpointer：

from langgraph.checkpoint.postgres import PostgresSaver

DB_URI = "postgresql://postgres:postgres@localhost:5432/postgres?sslmode=disable"
with PostgresSaver.from_conn_string(DB_URI) as checkpointer:
    builder = StateGraph(...)
    graph = builder.compile(checkpointer=checkpointer)

添加长期内存

长期内存通过在编译 StateGraph 时提供 store 实现：

from langgraph.store.memory import InMemoryStore
from langgraph.graph import StateGraph

store = InMemoryStore()
builder = StateGraph(...)
graph = builder.compile(store=store)

在节点中访问 Store

一旦编译了带有 store 的图，LangGraph 会自动将 store 注入到节点函数中：

from dataclasses import dataclass
from langgraph.runtime import Runtime
from langgraph.graph import StateGraph, MessagesState, START
import uuid

@dataclass
class Context:
    user_id: str

async def call_model(state: MessagesState, runtime: Runtime[Context]):
    user_id = runtime.context.user_id
    namespace = (user_id, "memories")
    
    # 搜索相关记忆
    memories = await runtime.store.asearch(
        namespace, query=state["messages"][-1].content, limit=3
    )
    info = "\n".join([d.value["data"] for d in memories])
    
    # 在模型调用中使用记忆
    
    # 存储新记忆
    await runtime.store.aput(
        namespace, str(uuid.uuid4()), {"data": "User prefers dark mode"}
    )

builder = StateGraph(MessagesState, context_schema=Context)
builder.add_node(call_model)
builder.add_edge(START, "call_model")
graph = builder.compile(store=store)

管理检查点

可以查看和删除 checkpointer 存储的信息：

# 查看线程状态
config = {
    "configurable": {
        "thread_id": "1",
        # 可选提供特定检查点的 ID
        # "checkpoint_id": "1f029ca3-1f5b-6704-8004-820c16b69a5a"
    }
}
graph.get_state(config)

# 查看线程历史
list(graph.get_state_history(config))

# 删除线程的所有检查点
checkpointer.delete_thread("1")

命令 / API 速查

短期内存相关

InMemorySaver(): 内存中的检查点保存器
PostgresSaver.from_conn_string(DB_URI): 从连接字符串创建 PostgreSQL 检查点保存器
MongoDBSaver.from_conn_string(MONGODB_URI): 从连接字符串创建 MongoDB 检查点保存器
RedisSaver.from_conn_string(DB_URI): 从连接字符串创建 Redis 检查点保存器
OracleSaver.from_conn_string(DB_URI): 从连接字符串创建 Oracle 检查点保存器
graph.compile(checkpointer=checkpointer): 编译图时指定检查点保存器
graph.invoke(..., {"configurable": {"thread_id": "1"}}): 调用图时指定线程 ID

长期内存相关

InMemoryStore(): 内存中的存储
PostgresStore.from_conn_string(DB_URI): 从连接字符串创建 PostgreSQL 存储
builder.compile(store=store): 编译图时指定存储
runtime.store.asearch(namespace, query, limit): 异步搜索存储中的数据
runtime.store.aput(namespace, key, value): 异步存储数据
graph.invoke(..., context=Context(user_id="1")): 调用图时传递上下文

检查点管理

graph.get_state(config): 获取当前状态
graph.get_state_history(config): 获取状态历史
checkpointer.delete_thread(thread_id): 删除线程的所有检查点

与 Hello-Agents / Claude Code 的联系

在 Hello-Agents 中，我们介绍了 LangGraph 的基本概念和简单工作流。本章节扩展了这些概念，添加了内存功能，使 Agent 能够记住之前的交互。这与 Claude Code 中的持久化概念类似，但提供了更细粒度的控制和更丰富的功能。

初学者易错点

忘记在调用图时提供 thread_id，导致无法正确恢复对话状态
混淆短期内存和长期内存的用途，错误地使用其中一种来实现另一种功能
在使用数据库支持的 checkpointer 或 store 时忘记调用 setup() 方法
在节点函数中错误地访问 store，没有通过 Runtime 对象
忽略了异步操作的需要，特别是在使用数据库存储时

语义检索