LangGraph持久化管理
《LangGraph持久化管理》共 0.4 万字，通篇围绕 Agent、LangChain、工作流、上下文 展开，归在「Agent 与工具调用」这一层。
适合要让 AI 真的去干活、不只是陪人聊天的人
目录骨架（2 节）
- 添加持久性内存
- 如何管理对话历史
示例代码
注：将ppt后缀名改为zip后解压
python版本：3.12.4
添加持久性内存
LangGraph 具有一个内置的持久化层，通过检查点实现。当您将检查点与图形一起使用时，您可以与该图形的状态进行交互。当您将检查点与图形一起使用时，您可以与图形的状态进行交互并管理它。检查点在每个超级步骤中保存图形状态的检查点，从而实现一些强大的功能
首先，检查点通过允许人类检查、中断和批准步骤来促进人机交互工作流工作流。检查点对于这些工作流是必需的，因为人类必须能够在任何时候查看图形的状态，并且图形必须能够在人类对状态进行任何更新后恢复执行。
其次，它允许在交互之间进行“记忆”。您可以使用检查点创建线程并在图形执行后保存线程的状态。在重复的人类交互（例如对话）的情况下，任何后续消息都可以发送到该检查点，该检查点将保留对其以前消息的记忆。
许多 AI 应用程序需要内存来跨多个交互共享上下文。在 LangGraph 中，通过 检查点 为任何 StateGraph 提供内存。
在创建任何 LangGraph 工作流时，您可以通过以下方式设置它们以持久保存其状态
- 一个 检查点，例如 MemorySaver
- 在编译图时调用 compile(checkpointer=my_checkpointer)。
示例
#示例：persistence_case.py
from langgraph.graph import StateGraph
from langgraph.checkpoint.memory import MemorySaver
builder = StateGraph(....)
# ... define the graph
memory = MemorySaver()
graph = builder.compile(checkpointer=memory)
...这适用于 StateGraph 及其所有子类，例如 MessageGraph。
以下是一个示例。
注意
在本操作指南中，我们将从头开始创建我们的代理，以保持透明度（但冗长）。您可以使用 create_react_agent(model, tools=tool, checkpointer=checkpointer) (API 文档) 构造函数完成类似的功能。如果您习惯使用 LangChain 的 AgentExecutor 类，这可能更合适。
设置
首先，我们需要安装所需的软件包
%pip install --quiet -U langgraph langchain_openai接下来，我们需要设置 OpenAI（我们将使用的 LLM）和 Tavily（我们将使用的搜索工具）的 API 密钥
可选地，我们可以设置 LangSmith 跟踪 的 API 密钥，这将为我们提供一流的可观察性。
设置状态
状态是所有节点的接口。
# 导入所需的类型注解和模块
from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph.message import add_messages