多轮对话：用持久化记住历史

聊天机器人最基础的能力，是「记得刚才聊到哪」。在 LangGraph 里，这件事不是靠把历史消息传来传去，而是靠Checkpointer + MessagesState + 同一个 thread_id三者配合自动完成的。

一、核心就三步

fromlanggraph.graphimportMessagesState,START,ENDfromlanggraph.checkpoint.memoryimportMemorySaverfromlangchain_core.messagesimportHumanMessage,AIMessagedefbot(state:MessagesState):# 真实场景这里调用大模型，读取 state["messages"] 全部历史return{"messages":[AIMessage(content="已收到")]}graph=StateGraph(MessagesState)graph.add_node("bot",bot)graph.add_edge(START,"bot")graph.add_edge("bot",END)app=graph.compile(checkpointer=MemorySaver())cfg={"configurable":{"thread_id":"u-1"}}

之后每一次对话，都用同一个 cfg去 invoke：

app.invoke({"messages":[HumanMessage(content="你好")]},cfg)app.invoke({"messages":[HumanMessage(content="你叫什么")]},cfg)

注意：每次传入的只是一条新消息，但框架会把它追加到该 thread_id 下已有的 messages 后面。模型看到的，始终是完整历史。

二、为什么不用手动拼历史

没有持久化时，你得自己维护一个 list，每次把过去 N 轮塞进 prompt。问题很多：历史会无限变长、跨进程就丢、多个用户要分桶管理。用了 Checkpointer：

• 历史由框架按 thread_id 自动累积（add_messagesreducer）；
• 不同用户天然隔离，各用各的 thread_id；
• 想截断/总结历史，只需读取app.get_state(cfg).values["messages"]再做处理。

三、常见坑

• 忘了带 thread_id：每次都传新的/空的 config，图就「失忆」，每轮都是第一次对话；
• thread_id 复用混乱：把不同用户的对话混到同一个 thread_id，会串台；
• 历史爆长度：长期会话 messages 无限增长，需要在节点里加「超长则摘要压缩」的逻辑，而不是无脑全传。

四、和生产接上

本地用 MemorySaver 调试没问题，但服务一重启记忆就清空。真正上线要把 Checkpointer 换成 Postgres/Redis 后端，这样即使进程重启，用户的历史仍在。多轮对话的「记忆」，本质上就是被持久化下来的那份 messages。