长期记忆 (Long-term Memory)

概述

LangChain 智能体使用 LangGraph 持久化来启用长期记忆。这是一个更高级的主题，需要了解 LangGraph 才能使用。

记忆存储

LangGraph 将长期记忆作为 JSON 文档存储在存储库中。

每个记忆都组织在一个自定义的 namespace（类似于文件夹）和一个独特的 key（类似于文件名）下。命名空间通常包含用户或组织 ID 或其他标签，使信息组织更加容易。

这种结构实现了记忆的层次化组织。然后通过内容过滤器支持跨命名空间搜索。

import { InMemoryStore } from "@langchain/langgraph";

const embed = (texts: string[]): number[][] => {
    // 替换为实际的嵌入函数或 LangChain embeddings 对象
    return texts.map(() => [1.0, 2.0]);
};

// InMemoryStore 将数据保存到内存字典。在生产中使用数据库支持的存储。
const store = new InMemoryStore({ index: { embed, dims: 2 } });
const userId = "my-user";
const applicationContext = "chitchat";
const namespace = [userId, applicationContext];

await store.put(
    namespace,
    "a-memory",
    {
        rules: [
            "用户喜欢简短、直接的语言",
            "用户只使用中文和 TypeScript",
        ],
        "my-key": "my-value",
    }
);

// 通过 ID 获取"记忆"
const item = await store.get(namespace, "a-memory");

// 在此命名空间内搜索"记忆"，按内容等价过滤，按向量相似度排序
const items = await store.search(
    namespace,
    {
        filter: { "my-key": "my-value" },
        query: "语言偏好"
    }
);

有关记忆存储的更多信息，请参阅持久化指南。

在工具中读取长期记忆

import * as z from "zod";
import { createAgent, tool, type ToolRuntime } from "langchain";
import { InMemoryStore } from "@langchain/langgraph";

// InMemoryStore 将数据保存到内存字典。在生产中使用数据库支持的存储。
const store = new InMemoryStore();
const contextSchema = z.object({
  userId: z.string(),
});

// 使用 put 方法将示例数据写入存储
await store.put(
  ["users"], // 命名空间，将相关数据分组（用户数据的 users 命名空间）
  "user_123", // 命名空间内的键（用户 ID 作为键）
  {
    name: "张三",
    language: "中文",
  } // 为给定用户存储的数据
);

const getUserInfo = tool(
  // 查找用户信息
  async (_, runtime: ToolRuntime>) => {
    // 访问存储 - 与提供给 `createAgent` 的相同
    const userId = runtime.context.userId;
    if (!userId) {
      throw new Error("需要 userId");
    }
    // 从存储中检索数据 - 返回带有值和元数据的 StoreValue 对象
    const userInfo = await runtime.store.get(["users"], userId);
    return userInfo?.value ? JSON.stringify(userInfo.value) : "未知用户";
  },
  {
    name: "getUserInfo",
    description: "从存储中按 userId 查找用户信息。",
    schema: z.object({}),
  }
);

const agent = createAgent({
  model: "gpt-4o-mini",
  tools: [getUserInfo],
  contextSchema,
  // 将存储传递给智能体 - 使智能体在运行工具时能够访问存储
  store,
});

// 运行智能体
const result = await agent.invoke(
  { messages: [{ role: "user", content: "查找用户信息" }] },
  { context: { userId: "user_123" } }
);

console.log(result.messages.at(-1)?.content);

/**
 * 输出：
 * 用户信息：
 * - 姓名：张三
 * - 语言：中文
 */

从工具写入长期记忆

import * as z from "zod";
import { tool, createAgent, type ToolRuntime } from "langchain";
import { InMemoryStore } from "@langchain/langgraph";

// InMemoryStore 将数据保存到内存字典。在生产中使用数据库支持的存储。
const store = new InMemoryStore();

const contextSchema = z.object({
  userId: z.string(),
});

const updateUserInfo = tool(
  async (
    { name, language },
    runtime: ToolRuntime>
  ) => {
    const userId = runtime.context.userId;
    if (!userId) {
      throw new Error("需要 userId");
    }
    // 使用 put 方法将数据写入存储
    await runtime.store.put(
      ["users"], // 命名空间
      userId,   // 键
      { name, language } // 要存储的数据
    );
    return `用户信息已更新：${name}, ${language}`;
  },
  {
    name: "updateUserInfo",
    description: "更新用户信息",
    schema: z.object({
      name: z.string().describe("用户姓名"),
      language: z.string().describe("首选语言"),
    }),
  }
);

const agent = createAgent({
  model: "gpt-4o-mini",
  tools: [updateUserInfo],
  contextSchema,
  store,
});

// 运行智能体更新用户信息
const result = await agent.invoke(
  { messages: [{ role: "user", content: "将我的姓名更新为李四，语言更新为英文" }] },
  { context: { userId: "user_456" } }
);

// 验证数据已写入存储
const storedUser = await store.get(["users"], "user_456");
console.log(storedUser?.value);
// { name: "李四", language: "英文" }

生产环境存储

在生产环境中，使用数据库支持的存储而不是 InMemoryStore：

import { PostgresStore } from "@langchain/langgraph-checkpoint-postgres";

const DB_URI = "postgresql://user:password@localhost:5432/mydb";
const store = await PostgresStore.fromConnString(DB_URI);

最佳实践

下一步