垦荒学园
  • 中文

      • 记忆与检查点

      LangGraph 的 State 与 Checkpointer 让 Agent 具备跨轮次记忆与人机中断恢复能力。

      State 与 messages

      create_agent 的默认 State 包含 messages 序列（对话历史）。每次 invoke 传入新用户消息，Checkpointer 会把历史合并进 State。

      from langchain.agents import create_agent
from langgraph.checkpoint.memory import InMemorySaver

agent = create_agent(
    "openai:gpt-4.1-mini",
    tools=[],
    checkpointer=InMemorySaver(),
)

      无 checkpointer 时，每次 invoke 独立，无跨轮记忆。

      thread_id

      config = {"configurable": {"thread_id": "user-42-session-1"}}

agent.invoke({"messages": [{"role": "user", "content": "Hi"}]}, config=config)
agent.invoke({"messages": [{"role": "user", "content": "Continue."}]}, config=config)

      同一 thread_id 共享 checkpoint；不同用户/会话应使用不同 id。

      Checkpointer 后端

      后端场景
      InMemorySaver本地开发、测试
      SqliteSaver单机持久化
      Postgres / Redis 等生产多实例
      from langgraph.checkpoint.sqlite import SqliteSaver

with SqliteSaver.from_conn_string("checkpoints.db") as checkpointer:
    agent = create_agent(..., checkpointer=checkpointer)

      生产环境需考虑 并发写入 与 checkpoint 清理策略。

      自定义 State 字段

      通过 state_schema 或 Middleware 扩展 State（如 user_id、retrieved_docs）：

      from typing_extensions import TypedDict, Annotated
from langgraph.graph.message import add_messages

class CustomState(TypedDict):
    messages: Annotated[list, add_messages]
    user_id: str

# 见官方 Memory 文档：create_agent(..., state_schema=CustomState)

      add_messages reducer 负责消息列表的追加合并。

      短期 vs 长期记忆

      类型实现
      短期messages + checkpointer（同 thread）
      长期Middleware 启动时从向量库/DB 加载用户画像写入 prompt
      摘要Summarization Middleware 压缩旧 messages

      LangChain 1.0 将「记忆」视为 Harness 责任，而非单一 Memory 类。

      人机中断与恢复

      LangGraph 支持 interrupt：工具执行前暂停，用户批准后 invoke 恢复。HITL Middleware 封装常见模式，checkpoint 保存中断点。

      上下文窗口管理

      messages 无限增长会撑爆 context。策略：

      1. Summarization Middleware — 旧对话压成摘要
      2. 滑动窗口 — 只保留最近 N 条
      3. RAG — 历史存外部，按需检索

      下一步