持久化记忆SQLite

要把数据真正"落盘"（Persist to Disk），我们需要将 Checkpointer 从内存替换为真正的数据库。

对于本地轻量级落盘，SQLite 是最完美的首选方案。而在真实的生产环境中，如果面临高并发诉求，这套 Checkpointer 机制也可以直接桥接至 MySQL 进行持久化，或是利用 Redis 作为高速状态缓存。

我们先来看最快落地的 SQLite 落盘方案，只需要简单修改几行代码即可完成！

🛠️ 实现数据落盘（持久化到 SQLite）

LangGraph 官方提供了一个专门用于 SQLite 持久化的独立扩展包。

步骤一：安装依赖

打开你的终端，在虚拟环境中安装 SQLite 的 Checkpoint 包：

复制代码

pip install langgraph-checkpoint-sqlite

步骤二：修改后端的图编译逻辑 (`test6.py`)

打开你的 test6.py，拉到最底部构建图的地方。我们需要用 SqliteSaver 替换掉 MemorySaver。

1. 修改头部的导入：

复制代码

# 删掉这行：from langgraph.checkpoint.memory import MemorySaver

# 替换为：
import sqlite3
from langgraph.checkpoint.sqlite import SqliteSaver

2. 修改图编译逻辑：

复制代码

# ==========================================
# 之前的旧代码：
# memory = MemorySaver()
# graph = builder.compile(checkpointer=memory, interrupt_before=["tester"])
# ==========================================

# 现在的落盘新代码：
# 建立与本地 SQLite 数据库文件的连接（如果文件不存在会自动创建）
# check_same_thread=False 是为了兼容 Streamlit 的多线程渲染机制
db_conn = sqlite3.connect("skills_creator_state.db", check_same_thread=False)
memory = SqliteSaver(db_conn)

graph = builder.compile(
    checkpointer=memory,
    interrupt_before=["tester"]
)
print(">>> Skills Creator 智能体引擎启动完毕！(状态已持久化至 SQLite)\n")

🧠 架构升级后的神奇效果

仅仅改动这几行代码，你的系统就发生了质的飞跃：

多端状态同步 ：当你在本地项目文件夹里运行程序后，会多出一个名为 skills_creator_state.db****的文件。这就是你所有的图状态数据。
"断电重启"级别的恢复 ：你可以试着在 Streamlit 页面上发起一个任务，当它走到"等待人工审核"挂起时，你直接在终端里把服务关掉（Kill 进程）。然后你重新启动 streamlit run app.py。你会发现，只要你的 thread_id 没有变，页面依然会停留在等待你审核的那个瞬间，生成的代码一行都没有丢！
历史记录的永久化 ：你前端写的那个"历史任务"侧边栏，原本刷新后历史就清空了。现在，只要你利用 LangGraph 的 graph.get_state_history(config) 方法去查询底层的 SQLite，你可以随时把一个月前 AI 帮你写的代码完完整整地捞出来。

持久化记忆SQLite

🛠️ 实现数据落盘（持久化到 SQLite）

步骤一：安装依赖

步骤二：修改后端的图编译逻辑 (`test6.py`)

🧠 架构升级后的神奇效果

相关问题解答：

❓ 疑问一：没有设计字段和类型，数据是怎么存进去的？

❓ 疑问二：只有一个 `.db` 文件，所有人的数据是不是全混在一起了？

持久化记忆SQLite

🛠️ 实现数据落盘（持久化到 SQLite）

步骤一：安装依赖

步骤二：修改后端的图编译逻辑 (test6.py)

🧠 架构升级后的神奇效果

相关问题解答：

❓ 疑问一：没有设计字段和类型，数据是怎么存进去的？

❓ 疑问二：只有一个 .db 文件，所有人的数据是不是全混在一起了？

步骤二：修改后端的图编译逻辑 (`test6.py`)

❓ 疑问二：只有一个 `.db` 文件，所有人的数据是不是全混在一起了？