165.Agent-LangGraph-记忆存储(长期记忆)-Store接口基础用法
摘要:本文围绕 LangGraph 中的长期记忆与 Store 机制展开,先说明长期记忆可以跨会话保留信息,让模型在不同会话中依然记得用户说过的话;接着介绍 Store 的定位与作用,即用于存储用户画像、习惯和偏好,弥补检查点无法跨线程共享信息的不足;随后讲解 Store 的核心参数,包括 value、key、namespace、created_at 和 updated_at;最后结合 Python 代码示例,演示如何创建 InMemoryStore、定义命名空间、通过 put 写入记忆,并使用 get 与 search 按命名空间和 key 读取或检索记忆,同时说明 Store 还支持向量搜索。
内容参考于:图灵AI大模型全栈
长期记忆,可以跨会话,就是在会话1说的事情,到了会话2中也可以知道会话1里说了些什么,比如在会话1告诉大模型我叫什么,那么在会话2中它也会知道我叫什么
下图红框里就是一个一个的会话,跨会话就是让它不管在什么会话中都可以知道

Store说明
Store主要是为了存在用户的画像,也就是用户的习惯、用户的喜好、用户相关的内容
检查点没办法单独跨线程共享信息,可以利用Store来实现跨线程共享,Store还可以在所有聊天对话中保存用户的信息
Store参数
Store是一个Python中的Item类,可以通过.dict让它转成字典类型,它的参数:
value:当前存储的内容,是一个字典类型
key:通过这个key取出用户的那些信息,比如key是习惯,那么就取出习惯的信息
namespace:它是用来隔离不同用户的记忆,通过它可以取值指定的用户记忆
created_at:创建的时间
updated_at:修改的时间
代码
如下图红框,4行代码就可以实现,通过get是根据命名空间和key来获取信息
![]()
如下图红框,可以通过search函数获取命名空间下面的所有信息
![]()
下图红框是使用get,通过下图和上图就可以看出get函数和search函数的区别了
![]()
上方的实例中,都是模糊搜索,它还支持向量搜索
代码
print("-" * 8, "基础用法", "-" * 8)
from langgraph.store.memory import InMemoryStore
import uuid
创建存储
in_memory_store = InMemoryStore()
定义命名空间,user_id实际场景要替换成真实的用户id
("user_id", "memories","2026")是Python中的元组数据结构
"user_id", "memories","2026" 连起来的意思是,user_id当前用户,存放的2026年的记忆(memories)
namespace_for_memory = ("user_id", "memories","2026")
存储记忆
memory_id = str(uuid.uuid4())
memory = {"hobby": "篮球、音乐、美食、编程..."}
in_memory_store.put(namespace_for_memory, memory_id, memory)
通过put函数添加记忆
第一个参数是命名空间
第二个参数是key
第三个参数是value
in_memory_store.put(namespace_for_memory, key="爱好", value= {"hobby": ["吃饭1","打游戏","玩"]})
in_memory_store.put(namespace_for_memory, key="爱好2", value= {"hobby": ["吃饭2","打游戏","玩"]})
in_memory_store.put(namespace_for_memory, key="爱好3", value= {"hobby": ["吃饭3","打游戏","玩"]})
根据命名空间获取记忆
print(in_memory_store.get(namespace_for_memory, key="爱好"))
搜索记忆
memories = in_memory_store.search(namespace_for_memory)
打印数据
print(memories)

更多推荐



所有评论(0)