篇四：记忆 —— 让 Agent 记住之前说过什么

前三篇我们解决了 Agent 的三个核心问题：第一篇搞清楚了 Agent 是什么（大模型 + 工具调用能力），第二篇手写了"模型决策 + 代码执行"的循环，第三篇把循环交给了 LangGraph 框架。这一篇我们要解决最后一个问题：怎么让 Agent 记住之前说过什么、做过什么。

先放结论：LangChain 的记忆机制已经发生了根本性变化------旧版 ConversationBufferMemory 已被淘汰，新版记忆是 LangGraph 图状态的一部分，天然支持持久化、断点续跑、多会话隔离。

为什么大模型天生"失忆"

做个实验就能验证：

arduino 复制代码

// 第一次调用
await model.invoke('你好，我叫张三');
// 第二次调用
await model.invoke('我叫什么名字？');

第二次调用时，模型完全不知道"张三"是谁。原因很简单：大模型本身是无状态的，每次调用都是一次全新的请求，它不记得上一轮对话说了什么。

我们平时用的 ChatGPT、通义千问这些产品之所以能"记住"，是因为应用程序在模型外面建了一套记忆系统------把每一轮对话存下来，下一次调用时把历史消息一起发给模型。

LangChain 的记忆模块，做的就是这件事。

旧版记忆：ConversationBufferMemory（已淘汰）

早期的 LangChain 用 ConversationBufferMemory 来管理记忆：

javascript 复制代码

// 旧版写法，已废弃
import { ConversationBufferMemory } from 'langchain/memory';
import { ConversationChain } from 'langchain/chains';

const memory = new ConversationBufferMemory();
const chain = new ConversationChain({ llm, memory });
await chain.invoke({ input: '你好，我叫张三' });
await chain.invoke({ input: '我叫什么名字？' }); // 能记住

它的问题很明显：

只能存内存：程序一重启，全部丢失
附加在 Chain 上：和 Agent/Graph 体系割裂，多轮工具调用时记忆容易乱
没有会话隔离：多用户场景下记忆会串
不支持断点恢复：程序崩溃后无法从中间状态继续

所以新版 LangChain 已经把它淘汰了。

新版记忆：LangGraph Checkpoint

新版记忆的核心思路是：把记忆变成图状态的一部分，而不是外挂的组件。

第三篇我们定义的 AgentState 里，messages 字段就是记忆：

javascript 复制代码

const AgentState = {
    messages: {
        value: (x, y) => x.concat(y), // Reducer：追加，不覆盖
        default: () => [],
    },
};

所有节点读写同一个中央状态，多轮对话历史天然就存在 messages 数组里。但这还不够------默认情况下状态只存在于内存，程序重启就丢。要让它持久化，需要加一个 Checkpointer。

从内存到数据库：三种存储后端

1. 内存存储（测试用）

ini 复制代码

import { InMemorySaver } from '@langgraph/checkpoint-memory';

const checkpointer = new InMemorySaver();
const app = workflow.compile({ checkpointer });

// 调用时传入 thread_id 区分会话
const config = { configurable: { thread_id: 'session_1' } };
await app.invoke({ messages: [...] }, config);

InMemorySaver 把状态存在内存里，同一个 thread_id 的多次调用能共享历史。但程序重启后数据丢失，只适合测试。

2. SQLite 存储（开发/轻量生产）

ini 复制代码

import { SqliteSaver } from '@langgraph/checkpoint-sqlite';

const checkpointer = SqliteSaver.fromConnString('./agent.db');
const app = workflow.compile({ checkpointer });

一行代码，状态自动持久化到 SQLite 文件。程序重启后，用同一个 thread_id 调用，能完整恢复之前的对话历史和工具调用记录。

3. PostgreSQL 存储（生产环境）

ini 复制代码

import { PostgresSaver } from '@langgraph/checkpoint-postgres';

const checkpointer = PostgresSaver.fromConnString(
    'postgresql://user:pass@localhost:5432/mydb'
);
checkpointer.setup(); // 自动创建表结构
const app = workflow.compile({ checkpointer });

setup() 会自动创建四张表：

checkpoints：主表，存每个 thread 的 checkpoint 快照
checkpoint_blobs：存复杂 channel 值（比如很长的消息列表）
checkpoint_writes：存中间写入/pending writes
checkpoint_migrations：迁移版本表

生产环境推荐 PostgreSQL，支持 ACID 事务、高可用、水平扩展。

实战：让 Agent 记住用户名字

arduino 复制代码

import { createAgent } from '@langchain/core/agents';
import { InMemorySaver } from '@langgraph/checkpoint-memory';

const agent = createAgent({
    model: modelWithTools,
    tools: [readFileTool],
    checkpointer: new InMemorySaver(),
});

const config = { configurable: { thread_id: 'user_zhangsan' } };

// 第一轮
await agent.invoke({
    messages: [new HumanMessage('你好，我叫张三')],
}, config);

// 第二轮------Agent 能记住
const result = await agent.invoke({
    messages: [new HumanMessage('我叫什么名字？')],
}, config);

console.log(result.messages[result.messages.length - 1].content);
// 输出：你叫张三。

关键点：

checkpointer：创建 Agent 时传入，开启记忆功能
thread_id ：调用时通过 config.configurable.thread_id 传入，区分不同用户/会话
同一个 thread_id 的多次调用共享状态 ，不同 thread_id 完全隔离

记忆的两个维度：短期 vs 长期

上面的 Checkpoint 机制解决的是短期记忆 （线程级上下文）------记住当前会话里之前说了什么。但生产环境还需要长期记忆：

维度	存储位置	作用
短期记忆	Checkpointer（内存/SQLite/Postgres）	记住当前会话的对话历史
长期记忆	LangGraph Store / 向量数据库	记住跨会话的用户偏好、关键事实

长期记忆的典型实现是用 LangGraph Store，通过 store.put() 和 store.search() 主动读写：

csharp 复制代码

// 存储用户偏好
await store.put(['user_preferences', 'user_123'], 'likes_music', {
    value: '轻音乐',
    context: '用户主动声明',
});

// 检索用户偏好
const prefs = await store.search(['user_preferences', 'user_123']);

短期记忆保证"当前对话不断片"，长期记忆保证"换了会话还记得你是谁"。两者配合，Agent 才真正拥有"记忆"。

记忆管理的三个策略

对话轮次多了之后，messages 数组会越来越长，最终超出模型的上下文窗口。这时候需要管理策略：

窗口截断：只保留最近 N 轮对话，自动淘汰老旧内容。简单粗暴，但会丢失早期关键信息。

摘要压缩：用 LLM 把历史对话生成摘要，用摘要替代原始消息。节省 Token，但可能丢失细节，且每轮都要额外调用一次模型。

混合策略（生产首选） ：近期对话完整保留（窗口模式），超出窗口的历史自动生成摘要。兼顾细节保留与长度控制。

小结

旧版 ConversationBufferMemory 已淘汰，新版记忆是 LangGraph 图状态的一部分
短期记忆靠 Checkpointer ：InMemorySaver（测试）、SqliteSaver（开发）、PostgresSaver（生产），通过 thread_id 区分会话
长期记忆靠 LangGraph Store：跨会话存储用户偏好、关键事实
记忆管理三策略：窗口截断、摘要压缩、混合策略（生产首选）