在生产中，问答应用程序通常会将聊天记录保存到数据库中，并能够适当地读取和更新它。Langchain非常周到，它已经实现了内置持久层，使其成为支持多轮对话的聊天应用程序的理想选择。为了管理多个对话轮次和线程，我们要做的就是在编译应用程序时指定一个checkpoint。因为我们graph中的node不断地将messages appends到state，因此我们将在调用之间保留一致的聊天历史记录。这里简单示例，就直接使用了 memory saver，可选地，可以使用关系型数据库比如 postgresql ，langchain也是直接支持的。from langgraph.checkpoint.memory import MemorySaver
memory = MemorySaver()graph = graph_builder.compile(checkpointer=memory)
# 指定线程id作为关联config = {"configurable": {"thread_id": "abc123"}}
然后我们invoke的时候也要加上这个config：for step in graph.stream( {"messages": [{"role": "user", "content": input_message}]}, stream_mode="values", config=config,): step["messages"][-1].pretty_print()
最后我们可以从tools message 的列表中看到它携带了多轮的历史message记录。
agent利用 LLM 的推理能力在执行过程中做出决策。使用agent可以让我们在检索过程中减轻额外的判断力。尽管它们的行为不如上述“chain”的方式可预测，但它们能够执行多个检索步骤以完成query，或者在单个搜索中进行loop执行。下面我们组装一个最小的 RAG 代理。使用 LangGraph 预构建的 ReAct 代理构造函数，我们可以在一行中完成此操作。from langgraph.prebuilt import create_react_agentfrom component import llm_model, vector_storefrom langchain_core.tools import tool
@tool(response_format="content_and_artifact")def question_process(question: str): """所有为什么的问题都会走这个工具""" retrieved_docs = vector_store.similarity_search(question, k=2) serialized = "\n\n".join( f"Source: {doc.metadata}\n" f"Content: {doc.page_content}" for doc in retrieved_docs ) return serialized, retrieved_docs from langgraph.checkpoint.memory import MemorySavermemory = MemorySaver()
agent_executor = create_react_agent(llm_model, [question_process], checkpointer=memory)config = {"configurable": {"thread_id": "def234"}}input_message = ( "为什么着急给猫洗澡？")
for event in agent_executor.stream( {"messages": [{"role": "user", "content": input_message}]}, stream_mode="values", config=config,): event["messages"][-1].pretty_print()
这个预购的 graph agent的流程如下图所示：可以看到，agent和tools形成了一个环，这是非常有用的。比如，我们可以在提示词的时候对其进行step规划，先查询什么，然后根据查询的结果再查询什么...因为是LLM和tool的环，这是能够做的，而不是由人去手动编写这些流程。这是最重要的思路，也就是大模型中常常提到的 链式思维，这可以提高Agent的回复效果。RAG 入门案例到此为止，后面会有更加深入的完善示例更新。
- https://python.langchain.com/docs/tutorials/qa_chat_history/
- https://langchain-ai.github.io/langgraph/how-tos/persistence_postgres/
