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
uzong1 小时前
业务新老系统数据迁移-负责人经验总结和复盘
后端
dogstarhuang2 小时前
大模型 API 停服怎么办:用 API 网关实现多模型统一接入与可切换架构
人工智能·后端·架构·大模型·api·数字化转型·ai应用
程序猿DD2 小时前
OctaFuse Gateway 2.5.0:接入 Responses 端点、更易理解的路由配置
后端·agent
nnerddboy4 小时前
Rust教程04:引用、借用与切片
开发语言·后端·rust
Rain的Java大神之路4 小时前
线上接口负载满了如何解决
java·数据库·redis·后端·缓存·面试·架构
过期的秋刀鱼!5 小时前
LangChain -访问模型,创建智能体访问模型
langchain
weixin_431600445 小时前
NestJS 入门(7):生命周期钩子——构造函数和 `OnModuleInit` 差在哪?
前端·后端·学习·node.js·nest.js
小强库计算机毕业设计5 小时前
基于 Spring Boot + Vue3 的校园管理系统
java·spring boot·后端·项目实战·管理系统·技术分享·校园管理系统实战