四、添加記憶

聊天機器人現在可以使用工具來回答用户問題，但它不記得之前交互的上下文。這限制了它進行連貫的多輪對話的能力。

LangGraph 通過持久化檢查點解決了這個問題。如果你在編譯圖時提供一個 checkpointer，並在調用圖時提供一個 thread_id，LangGraph 會在每一步之後自動保存狀態。當你使用相同的 thread_id 再次調用圖時，圖會加載其保存的狀態，允許聊天機器人從上次停止的地方繼續。

我們稍後會看到檢查點比簡單的聊天記憶_強大得多_ - 它讓你可以隨時保存和恢復複雜狀態，用於錯誤恢復、人機協作工作流、時間旅行交互等等。但首先，讓我們添加檢查點來啓用多輪對話。

1. 創建一個 MemorySaver 檢查點器

創建一個 MemorySaver 檢查點器：

--- python ---

from langgraph.checkpoint.memory import InMemorySaver
memory = InMemorySaver()

--- js ---

import { MemorySaver } from "@langchain/langgraph";
const memory = new MemorySaver();

這是一個內存檢查點器，對於教程來説很方便。但是，在生產應用程序中，你可能會將其更改為使用 SqliteSaver 或 PostgresSaver 並連接數據庫。

2. 編譯圖

使用提供的檢查點器編譯圖，它將在圖處理每個節點時檢查點 State：

--- python ---

graph = graph_builder.compile(checkpointer=memory)

--- js ---

const graph = new StateGraph(State)
  .addNode("chatbot", chatbot)
  .addNode("tools", new ToolNode(tools))
  .addConditionalEdges("chatbot", toolsCondition, ["tools", END])
  .addEdge("tools", "chatbot")
  .addEdge(START, "chatbot")
  .compile({ checkpointer: memory });

3. 與你的聊天機器人交互

現在你可以與你的機器人交互了！

  1. 選擇一個線程作為此對話的鍵。

--- python ---

config = {"configurable": {"thread_id": "1"}}

--- js ---

const config = { configurable: { thread_id: "1" } };
  1. 調用你的聊天機器人：

--- python ---

user_input = "Hi there! My name is Will."
# config 是 stream() 或 invoke() 的**第二個位置參數**！
events = graph.stream(
    {"messages": [{"role": "user", "content": user_input}]},
    config,
    stream_mode="values",
)
for event in events:
    event["messages"][-1].pretty_print()

================================ Human Message =================================

Hi there! My name is Will.

================================== Ai Message ==================================

Hello Will! It's nice to meet you. How can I assist you today? Is there anything specific you'd like to know or discuss?

config 在調用我們的圖時作為**