LangGraph Memory 详解：短期记忆、持久化 Checkpointer 与上下文管理三策略

上篇你给 Agent 装好了手脚——@tool、多步循环、工具分包。可一关上进程，或换一轮提问，它就「不记得你叫小明」。这篇讲 Memory：短期 vs 长期、InMemorySaver + thread_id，以及上下文太长时的修剪 / 删除 / 总结。

小明的助手每轮都失忆

小明跑通了多工具 Agent，自信地连问两句：

用户: 我叫小明，喜欢杭州
助手: 好的，小明……

用户: 我叫什么？喜欢哪个城市？
助手: 你还没有告诉我你的名字……

他一拍大腿：每次 invoke 只塞了当前这一句，历史根本没带上。于是自己维护一个 list，越聊越长，很快又撞上另一墙——上下文窗口（导图举例：有的模型上下文不能超过 128K）。

小明去找老张：”记忆到底分几种？框架能不能自动续聊？历史爆了怎么办？”

老张说：”先分清短期和长期；再用 checkpointer 续上同一条会话；最后才谈三种管理策略。”

什么是 Memory

老张在白板上写导图分类：

短期记忆（Working / Session）
  - 对话历史
  - 查询结果
  - 任务状态
  → 当前任务或会话的上下文

长期记忆（Persistent）
  - 跨任务 / 跨会话的经验与知识
  → 本篇点到为止；深挖在 Runtime·Store

“比喻：

• 短期 = 今天这通电话的录音（同一次会话）
• 长期 = 客户档案柜（换电话线还能查到偏好）

LangChain 短期侧常见两条实现路：

持久化 checkpointer（导图认知级）：SqliteSaver / PostgresSaver / CosmosDBSaver——进程挂了还能恢复；教学默认用内存版 InMemorySaver，生产深配另议。”

小明：”那我验收啥？”

“两样：① 同一 thread_id 多轮能续聊；② 至少搞清一种管理策略和另两种的差别。”

代码拆解：从 list 到 thread_id

1. 外挂 ShortTermMemory

memory.py：

class ShortTermMemory:
  def __init__(self, system: str) -> None:
    self._messages: list[BaseMessage] = [SystemMessage(content=system)]

  def add_user(self, text: str) -> None:
    self._messages.append(HumanMessage(content=text))

  def add_ai(self, text: str) -> None:
    self._messages.append(AIMessage(content=text))

  def as_messages(self) -> list[BaseMessage]:
    return list(self._messages)

  def clear(self) -> None:
    """清空对话，保留 system。"""
    del self._messages[1:]

main.py 里每次问答都带着历史：

def ask(user_text: str) -> str:
  memory.add_user(user_text)
  ai = model.invoke(memory.as_messages())
  text = ai.content or ""
  memory.add_ai(text)
  return text

“这是最直观的短期记忆：消息链就是大脑的工作台。/clear 对应 memory.clear()——删的是 list 里的对话，system 留下。
缺点：和 Agent 工具循环各管各的，要自己把 list 喂进 create_agent 的 messages。”

2. InMemorySaver + thread_id

agent.py：

from langgraph.checkpoint.memory import InMemorySaver

def build_default_agent():
  """默认 AgentState（仅 messages）+ 进程内 checkpointer。"""
  return create_agent(
    get_chat_model(),
    tools=DEFAULT_TOOLS,
    system_prompt="你是简洁助教。记住用户说过的称呼；回答尽量短。",
    checkpointer=InMemorySaver(),
  )

main.py Demo A——同一 thread 续聊：

def demo_default_state() -> None:
  agent = build_default_agent()
  config = {"configurable": {"thread_id": "day9-default"}}

  r1 = agent.invoke(
    {"messages": [{"role": "user", "content": "我叫小明"}]},
    config,
  )
  r2 = agent.invoke(
    {"messages": [{"role": "user", "content": "我叫什么？"}]},
    config,
  )

“关键两句：

1. 创建时挂上 checkpointer=InMemorySaver()
2. 每次 invoke 带同一 config.thread_id

换一个 thread_id，就是另一通电话，互不串话。这就是导图里的自动化短期记忆方案。”

3. 短期不止 messages：自定义 State 字段

state.py：

class CustomState(AgentState):
  session_start: NotRequired[str]
  visit_count: NotRequired[int]
  model_call_count: NotRequired[int]

工具里读 / 写（任务状态也是短期记忆的一种）：

@tool
def get_session_info(runtime: ToolRuntime) -> str:
  state = runtime.state
  ...
  return f"session_start={start}; visit_count={visits}; ..."

@tool
def bump_visit(runtime: ToolRuntime) -> Command:
  count = int(runtime.state.get("visit_count") or 0) + 1
  return Command(update={"visit_count": count, "messages": [...]})

“短期包括对话历史、查询结果、任务状态——visit_count 就是任务状态字段。深讲 Runtime 三分法放到后面篇；这里只要知道：短期 ≠ 只能存聊天记录。”

4. 三种管理策略

导图原文要刻进脑子：

• 修剪：State 里列表仍完整，只是发送前少带一些
• 删除：State 里真没有了（类似 Day6 clear 的局部版，更危险）
• 总结：旧消息变摘要，再拼上最近消息；框架侧有 SummarizationMiddleware

总结中间件（策略演示用）：

SummarizationMiddleware(
  model=model,
  trigger=("messages", 6),  # 触达条数后触发
  keep=("messages", 2),   # 保留最近若干条
)

挂上同一 checkpointer + thread_id，多轮之后旧对话会被摘要压缩——这就是「总结策略」的可运行对照。修剪 / 删除可先记概念表，生产再选型。

小明复述：”短期用 list 或 checkpointer+thread；爆了就修剪、慎删除、或总结；长期进 Store。”

总结

老张说：”第七篇只办一件事——让 Agent 记得住，并知道记不住时怎么办。”

“三个核心理解：

1. 短期 vs 长期 —— 会话上下文 vs 跨会话经验；本篇主攻短期
2. 续聊公式 —— checkpointer + 同一 thread_id（或 Day6 外挂 list）
3. 爆窗三策略 —— 修剪 ≠ 删除 ≠ 总结；总结可用 SummarizationMiddleware”

LangChain 支线进度：

… → Tools 与 Tool Agent
    ↓
Memory（本篇：短期 / 持久化认知 / 管理策略）
    ↓
AI 私厨实战 → Runtime（State/Store/Context）→ …

小明说：”下一篇该把看图、工具、记忆捏成一个私厨 Demo 了。”

“对。下一篇：入门实战：AI 私厨“

没有记忆的 Agent 只是一次性计算器；checkpointer + thread_id 让会话有了连续剧，管理策略则防止剧集无限注水撑爆上下文。