LangGraph 入门第二课：Checkpointer 和 thread_id 如何让状态跨调用延续
本文配套课程示例：
checkpoint_demo.py。只用一个计数器，就能看清图状态、Checkpoint、Checkpointer 和thread_id的关系。
第一课里，State 只在一次图执行中流转。图执行结束后，如果再调用一次 invoke()，LangGraph 会不会自动记得上次的状态？
答案取决于图是否配置了 Checkpointer，以及这次调用使用了哪个 thread_id。
先区分四个概念
| 概念 | 含义 | 例子 |
|---|---|---|
| State | 图当前处理的数据 | {"increment": 3, "total": 5} |
| Checkpoint | 某个执行时刻保存的 State 和进度快照 | 当前值、后续待执行节点 |
| Checkpointer | 负责保存和读取 Checkpoint 的组件 | InMemorySaver() |
thread_id |
Checkpointer 用来定位一条持续执行上下文的标识 | "conversation-001" |
一次 invoke() 是一次 run；一个 thread 可以包含多次 run。这里的 thread 是 LangGraph 的逻辑执行上下文，不是操作系统线程。
用计数器看状态是否延续
下面是完整的最小图：
python
from typing_extensions import TypedDict
from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import END, START, StateGraph
class CounterState(TypedDict):
increment: int
total: int
def accumulate(state: CounterState):
return {"total": state.get("total", 0) + state["increment"]}
def build_graph(checkpointer=None):
builder = StateGraph(CounterState)
builder.add_node("accumulate", accumulate)
builder.add_edge(START, "accumulate")
builder.add_edge("accumulate", END)
return builder.compile(checkpointer=checkpointer)节点每次读取当前累计值，再加上本次输入的增量。这里的加法写在节点函数中；total 并没有配置列表式的 Reducer。
没有 Checkpointer：每次调用各算各的
python
config_a = {"configurable": {"thread_id": "A"}}
plain_graph = build_graph()
print(plain_graph.invoke({"increment": 2}, config_a)["total"]) # 2
print(plain_graph.invoke({"increment": 3}, config_a)["total"]) # 3虽然两次调用都传了 thread_id="A"，但图没有配置 Checkpointer，因此没有地方保存和读取上次执行的 checkpoint。第二次运行从新的输入开始，结果是 3。
同一 Checkpointer、同一 thread：从已有 State 继续
python
saver = InMemorySaver()
graph = build_graph(saver)
print(graph.invoke({"increment": 2}, config_a)["total"]) # 2
print(graph.invoke({"increment": 3}, config_a)["total"]) # 5这里的关键组合是：图编译时提供同一个 Checkpointer，调用时使用同一个 thread_id 。第二次输入给出新的 increment=3，而已保存的 total=2 从该 thread 的 checkpoint 中恢复，因此节点算出 5。
thread_id 不是"打开记忆"的开关。它只是 Checkpointer 定位状态时使用的标识；如果没有 Checkpointer，传入同一个字符串并不会凭空产生历史状态。
换一个 thread：读取另一份状态
python
config_b = {"configurable": {"thread_id": "B"}}
print(graph.invoke({"increment": 3}, config_b)["total"]) # 3
print(graph.get_state(config_a).values) # A 的 total 仍为 5同一个 Checkpointer 可以按不同 thread_id 保存多条执行上下文。生产应用通常会把会话 ID 映射为 thread_id，但应用仍要自行完成身份校验和访问控制：知道或猜到一个 thread ID，本身不等于拥有读取该会话的权限。
用 get_state() 查看快照
python
snapshot = graph.get_state(config_a)
print(snapshot.values) # 当前保存的 State，例如 {'increment': 3, 'total': 5}
print(snapshot.next) # 下一步待执行节点；流程完成时通常是 ()values 用于查看该 thread 保存的状态，next 表示此快照之后待执行的节点。也可以通过 get_state_history(config) 检查同一 thread 的历史快照。
在这张只有一个节点的图里，执行完后 snapshot.next 为空元组 ()，因为没有后续节点。若要体验人工暂停与恢复，应单独配置中断点或在节点中使用 interrupt()，并在相同的 Checkpointer 和 thread 下恢复；普通执行报错不意味着任意代码都能无条件从函数中间接着跑。
新建内存 Checkpointer：旧状态不在新存储里
python
fresh_graph = build_graph(InMemorySaver())
print(fresh_graph.invoke({"increment": 1}, config_a)["total"]) # 1虽然 thread 名称还是 A，但 fresh_graph 使用了新的 InMemorySaver 实例。新存储没有旧 checkpoint，所以从 1 开始。thread_id 和 Checkpointer 需要配合起来理解：一个用于定位，一份实际存储负责保留数据。
InMemorySaver 的适用范围
InMemorySaver 适合本地练习和短生命周期实验。数据只在当前进程内存中；进程重启或换成另一个进程，就不能指望它继续提供之前的状态。
服务中通常在应用启动时创建图和 Checkpointer，再让请求选择对应 thread。需要跨进程或重启保存时，应使用与部署环境匹配的持久化 Checkpointer，并考虑数据保留、删除、备份和访问权限。多进程部署时，进程内存里的 Saver 也不会自动在进程之间共享。
Checkpoint 是执行状态的保存机制，不等于模型自动"记住一切"。模型下一次看到什么，仍由应用如何把 State 整理成模型输入决定。
本课小结
- State 是图正在使用的数据；Checkpoint 是保存下来的状态快照。
- Checkpointer 提供读写 checkpoint 的能力；
thread_id选择一条持续上下文。 - 想跨调用延续状态，需要复用相同 Checkpointer，并为同一上下文传入相同
thread_id。 - 进程内存 Saver 适合教学和本地实验；持久化、隔离和权限需要结合实际部署设计。
示例完整代码：checkpoint_demo.py。后续课程会用中断与恢复来观察执行进度如何和状态一起保存。