Память и сохранение состояния

LangGraph предоставляет две системы памяти: контрольные точки для кратковременной памяти в рамках потока и хранилище для долговременной памяти между потоками.

#Контрольные точки (чекпоинтеры)

Контрольная точка — снимок состояния графа в определённый момент выполнения. Позволяет продолжить разговор после паузы, восстановиться после сбоя, вернуться к предыдущему состоянию.

Каждый поток выполнения идентифицируется thread_id. При повторном использовании того же thread_id граф загружает последнее сохранённое состояние.

#Типы чекпоинтеров

InMemorySaver хранит данные в оперативной памяти — подходит для разработки, но данные теряются при перезапуске. Для продакшена используйте PostgresSaver (PostgreSQL) или SqliteSaver (файловая база).

from langgraph.checkpoint.memory import InMemorySaver

checkpointer = InMemorySaver()
graph = builder.compile(checkpointer=checkpointer)

config = {"configurable": {"thread_id": "thread-1"}}
result = graph.invoke(input, config=config)

#Использование с агентом LangChain

Чекпоинтер передаётся в create_agent. После этого агент сохраняет историю диалога между вызовами с одним thread_id:

from langchain.agents import create_agent
from langgraph.checkpoint.memory import InMemorySaver
from langchain_core.utils.uuid import uuid7

agent = create_agent(
    model="openai:gpt-4o-mini",
    tools=[],
    checkpointer=InMemorySaver(),
)

config = {"configurable": {"thread_id": str(uuid7())}}
# Первый вызов — агент запоминает контекст
agent.invoke({"messages": [{"role": "user", "content": "Меня зовут Алексей"}]}, config=config)
# Второй вызов — агент помнит имя
agent.invoke({"messages": [{"role": "user", "content": "Как меня зовут?"}]}, config=config)

#Ограничения

Длина thread_id для PostgresSaver ограничена 255 символами. InMemorySaver не сохраняет данные между перезапусками. В длинных разговорах контрольные точки накапливаются — удаляйте старые или настройте политику хранения.

#Долговременная память (хранилище)

Хранилище (Store) persistирует данные вне состояния графа, делая их доступными из разных потоков. Используется для предпочтений пользователя, фактов, общих знаний.

from langgraph.store.memory import InMemoryStore

store = InMemoryStore()
graph = builder.compile(checkpointer=checkpointer, store=store)

Доступ к хранилищу из узлов — через runtime.store:

from langgraph.runtime import Runtime

def my_node(state: State, runtime: Runtime):
    # Чтение
    item = runtime.store.get(("user_preferences",), "theme")
    # Запись
    runtime.store.put(("user_preferences",), "theme", {"value": "dark"})

#Сравнение чекпоинтеров и хранилища

Чекпоинтер хранит снимки состояния графа в рамках одного потока — для истории диалога, прерываний, восстановления после сбоя. Хранилище хранит пользовательские данные между потоками — для предпочтений, фактов, общих знаний. В большинстве приложений используются оба механизма одновременно.