DeepAgents 长期记忆 笔记
Code ：
import dotenv from langchain.chat_models import init_chat_model import httpx import os from deepagents import create_deep_agent from deepagents.backends import StoreBackend from langgraph.checkpoint.memory import InMemorySaver from langchain_core.messages import HumanMessage from langgraph.store.sqlite import SqliteStore dotenv.load_dotenv("example.env") llm = init_chat_model( model="saas.qwen3-235b-a22b-instruct", api_key=os.getenv("OPENAI_API_KEY"), model_provider="openai", base_url=os.getenv("OPENAI_BASE_URL"), temperature=0.7, http_client=httpx.Client(verify=False), http_async_client=httpx.AsyncClient(verify=False), ) config1 = {"configurable": {"thread_id": "1"}} config2 = {"configurable": {"thread_id": "2"}} MEMORY_FILE = "/memories/AGENTS.md" NAMESPACE = ("memories",) with SqliteStore.from_conn_string("checkpoints.db") as store: if store.get(NAMESPACE, MEMORY_FILE) is None: store.put(NAMESPACE, MEMORY_FILE, { "content": ["# Agent Memory", "", "This file stores long-term memories."], "created_at": "2025-01-01T00:00:00", "modified_at": "2025-01-01T00:00:00" }) print(f"Created initial memory file: {MEMORY_FILE}") agent = create_deep_agent( model=llm, system_prompt="你是一个智能助手，长期记忆请记录在/memories", backend=(lambda rt: StoreBackend(rt, namespace=lambda ctx: NAMESPACE)), checkpointer=InMemorySaver(), store=store, memory=[MEMORY_FILE] ) print("\n=== 第一次对话: 记住公司主题色 ===") for step in agent.stream( {"messages": [HumanMessage("记住公司的主题色是#FD5108")]}, stream_mode="values", config=config1 ): latest = step["messages"][-1] if hasattr(latest, 'pretty_print'): latest.pretty_print() print("\n=== 第二次对话: 查询记忆 ===") for step in agent.stream( {"messages": [HumanMessage("你有哪些记忆")]}, stream_mode="values", config=config2 ): latest = step["messages"][-1] if hasattr(latest, 'pretty_print'): latest.pretty_print() print("\n=== 验证 Store 内容 ===") item = store.get(NAMESPACE, MEMORY_FILE) if item: print(f"Memory file content:\n{item.value}")
AI 注释：
backend/checkpointer/store/memory 四个组件的职责详解
```
┌─────────────────────────────────────────────────────────────────────────┐
│ Agent Application │
└─────────────────────────────────────────────────────────────────────────┘
│
┌─────────────┬───────────────┼───────────────┬─────────────┐
│ │ │ │ │
▼ ▼ ▼ ▼ │
┌─────────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │
│ backend │ │ store │ │checkpointer│ │ memory │ │
│ (操作环境) │ │ (数据库) │ │ (存档器) │ │ (记忆加载)│ │
├─────────────┤ ├───────────┤ ├───────────┤ ├───────────┤ │
│ 文件读写 │ │ 键值存储 │ │ 状态快照 │ │ 加载记忆 │ │
│ 命令执行 │ │ 跨会话共享 │ │ 暂停/恢复 │ │ 注入提示 │ │
└──────┬──────┘ └─────┬─────┘ └─────┬─────┘ └─────┬─────┘ │
│ │ │ │ │
│ │ │ │ │
▼ ▼ ▼ ▼ │
┌─────────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │
│ 文件系统 │ │ 结构化数据 │ │ 对话状态 │ │ 记忆文件 │ │
│ 执行环境 │ │ 长期记忆 │ │ 执行进度 │ │ AGENTS.md │ │
└─────────────┘ └───────────┘ └───────────┘ └───────────┘ │
│
┌──────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────┐
│ 数据流向 │
│ │
│ memory ──加载──▶ system prompt ──▶ AI 决策 ──▶ backend 写入 ──▶ store │
│ │ │
│ ▼ │
│ checkpointer 保存状态 │
└─────────────────────────────────────────────────────────────────────────┘
```
## 1. backend - 操作环境
```
backend=(lambda rt: StoreBackend(rt, namespace=lambda ctx: NAMESPACE))
```
职责 ：管理 AI 与外部环境的交互
功能 说明
📁 文件操作 read_file , write_file , edit_file , ls , glob , grep
🔧 命令执行 execute (需要实现 SandboxBackendProtocol )
🗂️ 存储位置 决定文件存在哪里（内存、文件系统、数据库）
常见实现 ：
- StateBackend - 文件存在 agent 状态中（临时）
- FilesystemBackend - 文件存在本地文件系统
- StoreBackend - 文件存在 LangGraph Store 中（持久化）
PS：StateBackend 和StoreBackend 单词接近，注意区别
## 2. checkpointer - 状态快照
```
checkpointer=InMemorySaver()
```
职责 ：保存对话的执行状态
功能 说明 📸 状态快照 定期保存图的执行状态 ⏸️ 暂停/恢复 支持 human-in-the-loop 🔄 故障恢复 从断点继续执行 💬 对话历史 保存消息记录
常见实现 ：
- InMemorySaver - 内存中（临时，重启丢失）
- SqliteSaver - SQLite 数据库（持久化）
- PostgresSaver - PostgreSQL（生产环境）
## 3. store - 结构化数据存储
```
store=store # SqliteStore 实例
```
职责 ：提供跨会话的持久化存储
功能 说明 💾 键值存储 put(namespace, key, value) 🔍 命名空间 按命名空间组织数据 🌐 跨会话共享 所有线程/用户共享数据 🧠 长期记忆 存储需要长期保留的信息
常见实现 ：
- InMemoryStore - 内存中（临时）
- SqliteStore - SQLite 数据库
- PostgresStore - PostgreSQL（支持向量搜索）
## 4. memory - 记忆加载
```
memory=[MEMORY_FILE] # ["/memories/AGENTS.md"]
```
职责 ：启动时加载记忆文件到系统提示
功能 说明
📖 自动加载 会话开始时读取指定文件
💉 注入提示 将内容添加到 system prompt
📝 指导更新 告诉 AI 何时/如何更新记忆
## 对比总结表
组件 类比 管理的数据 生命周期 典型用途
backend 操作系统 文件内容、执行结果 取决于实现 文件读写、命令执行
checkpointer 游戏存档 对话状态、消息历史 会话级别 暂停恢复、对话历史
store 数据库 业务数据、长期记忆 持久化 跨会话数据共享
memory 配置文件 记忆文件路径 启动时加载 加载项目上下文
## 在你的代码中的工作流程
```
# 第一次对话: "记住公司的主题色是#FD5108"
#
# 1. memory 加载 /memories/AGENTS.md 到 system prompt
# 2. AI 决定使用 edit_file 工具更新记忆
# 3. backend (StoreBackend) 执行文件编辑
# 4. store (SqliteStore) 持久化保存数据
# 5. checkpointer 保存当前对话状态
# 第二次对话: "你有哪些记忆"
#
# 1. memory 再次加载 /memories/AGENTS.md（已包含主题色）
# 2. AI 从 system prompt 中读取到记忆内容
# 3. AI 回答: "公司主题色为 #FD5108"
```
关键区别 ：
- checkpointer 保存的是 对话进度 （thread 级别）
- store 保存的是 业务数据 （全局共享）
- backend 是 操作接口 （怎么读写）
- memory 是 加载机制 （读什么）
sqlite 数据库截图：
程序输出：
=== 第一次对话: 记住公司主题色 === ================================ Human Message ================================= 记住公司的主题色是#FD5108 ================================ Human Message ================================= 记住公司的主题色是#FD5108 ================================ Human Message ================================= 记住公司的主题色是#FD5108 ================================== Ai Message ================================== 公司主题色已记录为 #FD5108。 === 第二次对话: 查询记忆 === ================================ Human Message ================================= 你有哪些记忆 ================================ Human Message ================================= 你有哪些记忆 ================================ Human Message ================================= 你有哪些记忆 ================================== Ai Message ================================== 我目前的记忆是：公司主题色为 #FD5108。 === 验证 Store 内容 === Memory file content: {'content': ['# Agent Memory', '', 'This file stores long-term memories.', '', '- 公司主题色: #FD5108'], 'created_at': '2025-01-01T00:00:00', 'modified_at': '2026-03-18T07:08:33.505249+00:00'}
浙公网安备 33010602011771号