Skip to main content

Documentation Index

Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt

Use this file to discover all available pages before exploring further.

长期记忆使您的智能体能够跨不同对话和会话存储并回忆信息。 与仅限于单个线程的短期记忆不同，长期记忆可跨线程持久保存，并可在任意时刻被回忆。 长期记忆构建于 LangGraph 存储之上，该存储将数据保存为按命名空间和键组织的 JSON 文档。

​
使用方法

要为智能体添加长期记忆，请创建一个存储并将其传递给 create_agent： 
import { createAgent } from "langchain";
import { InMemoryStore } from "@langchain/langgraph";

// InMemoryStore 将数据保存到内存字典中。在生产环境中使用基于数据库的存储。
const store = new InMemoryStore();

const agent = createAgent({
  model: "claude-sonnet-4-6",
  tools: [],
  store,
});
随后，工具可通过 runtime.store 参数从存储中读取数据或向存储写入数据。具体示例请参阅在工具中读取长期记忆和从工具写入长期记忆。
若需深入了解记忆类型（语义记忆、情景记忆、程序性记忆）及记忆写入策略，请参阅记忆概念指南。

​
记忆存储

LangGraph 将长期记忆作为 JSON 文档存储在存储中。 每条记忆都组织在自定义的 namespace（类似于文件夹）和唯一的 key（类似于文件名）之下。命名空间通常包含用户或组织 ID 或其他便于信息组织的标签。 这种结构支持记忆的层次化组织。跨命名空间的搜索则通过内容过滤器实现。 
import { InMemoryStore } from "@langchain/langgraph";

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

// InMemoryStore 将数据保存到内存字典中。在生产环境中请使用基于数据库的存储。
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: [
    "User likes short, direct language",
    "User only speaks English & TypeScript",
  ],
  "my-key": "my-value",
});

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

// 在此命名空间中搜索 "memories"，按内容等价性过滤，按向量相似度排序
const items = await store.search(namespace, {
  filter: { "my-key": "my-value" },
  query: "language preferences",
});
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中。在生产环境中使用基于数据库的存储。
const store = new InMemoryStore();
const contextSchema = z.object({
  userId: z.string(),
});

// 使用 put 方法向存储写入示例数据
await store.put(
  ["users"], // 用于对相关数据进行分组的命名空间（用户数据的 users 命名空间）
  "user_123", // 命名空间内的键（以用户 ID 为键）
  {
    name: "John Smith",
    language: "English",
  }, // 要存储的给定用户的数据
);

const getUserInfo = tool(
  // 查找用户信息。
  async (_, runtime: ToolRuntime<unknown, z.infer<typeof contextSchema>>) => {
    // 访问存储 - 与提供给 `createAgent` 的相同
    const userId = runtime.context.userId;
    if (!userId) {
      throw new Error("userId is required");
    }
    // 从存储检索数据 - 返回包含值和元数据的 StoreValue 对象
    const userInfo = await runtime.store.get(["users"], userId);
    return userInfo?.value ? JSON.stringify(userInfo.value) : "Unknown user";
  },
  {
    name: "getUserInfo",
    description: "Look up user info by userId from the store.",
    schema: z.object({}),
  },
);

const agent = createAgent({
  model: "claude-sonnet-4-6",
  tools: [getUserInfo],
  contextSchema,
  // 将存储传递给代理 - 使代理在运行工具时能够访问存储
  store,
});

// 运行代理
const result = await agent.invoke(
  { messages: [{ role: "user", content: "look up user information" }] },
  { context: { userId: "user_123" } },
);

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

/**
 * 输出：
 * 用户信息：
 * - **姓名：** John Smith
 * - **语言：** English
 */

​
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中。在生产环境中请使用基于数据库的存储。
const store = new InMemoryStore();

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

// Schema 定义了 LLM 用户信息的结构
const UserInfo = z.object({
  name: z.string(),
});

// 允许代理更新用户信息的工具（适用于聊天应用程序）
const saveUserInfo = tool(
  async (
    userInfo: z.infer<typeof UserInfo>,
    runtime: ToolRuntime<unknown, z.infer<typeof contextSchema>>,
  ) => {
    const userId = runtime.context.userId;
    if (!userId) {
      throw new Error("userId is required");
    }
    // 在 store 中存储数据（命名空间，键，数据）
    await runtime.store.put(["users"], userId, userInfo);
    return "Successfully saved user info.";
  },
  {
    name: "save_user_info",
    description: "Save user info",
    schema: UserInfo,
  },
);

const agent = createAgent({
  model: "claude-sonnet-4-6",
  tools: [saveUserInfo],
  contextSchema,
  store,
});

// 运行代理
await agent.invoke(
  { messages: [{ role: "user", content: "My name is John Smith" }] },
  // 上下文中传递的 userId，用于识别正在更新谁的信息
  { context: { userId: "user_123" } },
);

// 您可以直接访问 store 以获取值
const result = await store.get(["users"], "user_123");
console.log(result?.value); // 输出：{ name: "John Smith" }
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.