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
python -m pip install -U langgraph langchain-deepseek
export DEEPSEEK_API_KEY="你的 DeepSeek API Key"
2. 完整示例
python
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
================================ 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。