LangGraph 入门实战(7)

LangGraph 记忆功能:使用 MemorySaver 保存对话

LangGraph 的节点默认只处理当前输入。要让工作流记住之前的对话,可以在编译时加入 checkpointer,并在每次调用时传入同一个 thread_id。

1. 安装与配置

bash 复制代码
python -m pip install -U langgraph langchain-deepseek
export DEEPSEEK_API_KEY="你的 DeepSeek API Key"

2. 完整示例

python 复制代码
import os

from langchain_core.messages import HumanMessage
from langchain_core.runnables.config import RunnableConfig
from langchain_deepseek import ChatDeepSeek
from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import START, MessagesState, StateGraph
from pydantic import SecretStr

# 大模型实例
deepseek = ChatDeepSeek(
    model="deepseek-v4-flash",
    temperature=0,
    base_url="https://api.deepseek.com",
    api_key=SecretStr(os.environ["DEEPSEEK_API_KEY"]),
)

# 定义节点
def call_model(state: MessagesState):
    return {"messages": deepseek.invoke(state["messages"])}


builder = StateGraph(MessagesState)
builder.add_node("call_model", call_model)
builder.add_edge(START, "call_model")

# MemorySaver 将检查点保存在内存中,适合学习和测试。
graph = builder.compile(checkpointer=MemorySaver())

# 使用记忆功能时,该配置不可缺少
run_config = RunnableConfig(configurable={"thread_id": "1"})

for chunk in graph.stream(
    {"messages": [HumanMessage(content="你好?我是北斗星")]},
    config=run_config,
    stream_mode="values",
):
    chunk["messages"][-1].pretty_print()

for chunk in graph.stream(
    {"messages": [HumanMessage(content="你还记得我叫什么吗?")]},
    config=run_config,
    stream_mode="values",
):
    chunk["messages"][-1].pretty_print()

关键点是 run_config。第一次调用保存消息,第二次调用使用相同的 thread_id,LangGraph 就能恢复这条会话的历史消息。换成其他 thread_id 会创建一条新的会话。

3. 运行输出

模型输出会因版本和提示词略有不同,典型结果如下:

text 复制代码
================================ Human Message =================================
你好?我是北斗星
================================== Ai Message ==================================
你好,北斗星!很高兴认识你。
================================ Human Message =================================
你还记得我叫什么吗?
================================== Ai Message ==================================
当然记得,你叫北斗星。

4. 持久化提示

MemorySaver 只在当前进程内保存数据,程序重启后记忆会消失。生产环境可将 checkpointer 换成 SQLite 或 PostgreSQL 实现,并继续使用稳定的 thread_id 管理用户会话。

相关推荐
前端精髓39 分钟前
结构化输出with_structured_output(抽卡)
python·langchain
深蓝AI1 小时前
Python 3.13 的 Queue.shutdown:异步消费者终于能正常收工了
后端
武子康2 小时前
MultiNet6 空闲崩溃:`EXCVADDR=0x8` 后又出现 `CORRUPT HEAP`
人工智能·后端·agent
武子康3 小时前
MultiNet7 每轮都 clean,ESP32-P4 内存为什么还在掉?
人工智能·后端·agent
超级架构师3 小时前
PRAXO-CORE 2.5.0:用 conformance 和显式边界构建 Go Agent 框架
开发语言·人工智能·后端·golang·ai编程·智能体框架·praxo-core
陈随易4 小时前
AI 运维服务器,安全又可靠的方法
前端·后端·程序员
LMT流氓兔5 小时前
第五单元——第十六课:给书店助手加上网页界面
java·开发语言·jvm·人工智能·oracle·langchain·1024程序员节
小许学java5 小时前
AI通识与基础
人工智能·langchain
IT_陈寒5 小时前
JavaScript的this坑人实录,这次我真的记下来了
前端·人工智能·后端
starzy19906 小时前
Scala类和对象:从构造器到样例类的完整指南
开发语言·后端·scala