理解langchain langgraph 官方文档示例代码中的MemorySaver

原创

已于 2025-03-14 12:09:25 修改 · 1.6k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #java #前端

于 2025-03-14 10:41:27 首次发布

以下是langchain v0.3官方示例代码

from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import START, MessagesState, StateGraph

# 可以理解为：定义一个流程，这个流程中用到的数据类型是Messages。 <---定义一个有向图，指定状态模式/格式/规范为 MessagesState这种规范
workflow = StateGraph(state_schema=MessagesState)


# 定义调用模型的函数
def call_model(state: MessagesState):
    response = model.invoke(state["messages"])
    return {"messages": response}


# 整个流程只有一个节点，可谓是最简单的任务流了
workflow.add_edge(START, "model")
workflow.add_node("model", call_model)

# 把“记忆保存器”这个中间件注入到流程中
memory = MemorySaver()
app = workflow.compile(checkpointer=memory)

config = {"configurable": {"thread_id": "abc123"}}

query = "Hi! I'm Bob."

input_messages = [HumanMessage(query)]
output = app.invoke({"messages": input_messages}, config)
output["messages"][-1].pretty_print()  # output contains all messages in state

query = "What's my name?"

input_messages = [HumanMessage(query)]
output = app.invoke({"messages": input_me