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
码事漫谈1 小时前
多人共用一个 key,缓存命中率会不会因此降低?
后端
考虑考虑2 小时前
docker compose环境变量替换
运维·后端·自动化运维
武雄(小星Ai)3 小时前
飞书API上传26MB文件偶发失败:错误码9499与空响应体排坑实录
后端·api·排坑实录
徐小夕3 小时前
JitWord 4.0 万字分享:从协同工具到AI Word操作系统,聊聊3年产品创业史
前端·vue.js·后端
geovindu5 小时前
CSharp: Observer Pattern
开发语言·后端·观察者模式·设计模式·c#·.netcore·行为模式
Flynt5 小时前
把公司项目迁到 Spring Boot 4.0:编译通过只是开始
java·spring boot·后端
IT_陈寒5 小时前
Redis误用keys命令把生产环境搞崩了,血的教训
前端·人工智能·后端
她的男孩6 小时前
多租户和数据权限怎么共存?扒完拦截器注册链路,我找到 4 个隐蔽的坑
java·后端·架构
用户8356290780516 小时前
使用 Python 设置 Excel 页眉和页脚
后端·python
步行cgn6 小时前
IoC 控制反转:从概念到 Spring 的实现
后端