Agent 系列（15）：Agent 记忆系统进阶——短期、长期、压缩，三层记忆架构

记忆系统不只是"存聊天记录"

把对话历史塞进 prompt——这是记忆的最粗糙形式。真实系统的记忆需求要复杂得多：

• 用户在第 3 轮提到了自己的城市，第 10 轮问天气时 Agent 应该知道去哪里查
• 用户上周告诉过系统他们用的是哪个产品套餐，本次新会话不应该再问一遍
• 对话进行了 20 轮，context window 快撑不住了，怎么压缩但不丢关键信息

这是三个不同的问题，需要三种不同的机制。

三层记忆架构

短期记忆 会话内 MemorySaver checkpointer 多轮问答 长期记忆 跨会话 持久化 KV 存储 / 向量库 个性化 历史压缩 会话内保护 摘要替换 长对话 token 守卫

Demo 1：短期记忆——MemorySaver

LangGraph 的MemorySaver是最轻量的短期记忆实现：把对话历史绑定到一个thread_id，下次调用时自动注入。

fromlanggraph.checkpoint.memoryimportMemorySaverfromlangchain_core.runnablesimportRunnableConfig checkpointer=MemorySaver()stateful_agent=create_react_agent(model=llm,tools=[get_weather,calculator,get_product_info],checkpointer=checkpointer,)THREAD_A:RunnableConfig={"configurable":{"thread_id":"thread-alice"}}# Turn 1: 告知名字和城市r1=stateful_agent.invoke({"messages":[HumanMessage("Hi, I'm Alice. I live in Beijing.")]},config=THREAD_A,)# Turn 2: 用同一个 thread_id，历史自动附带r2=stateful_agent.invoke({"messages":[HumanMessage("What's the weather like where I live today?")]},config=THREAD_A,)

真实运行结果：

Thread A Turn 1: Hello Alice! How can I assist you today? Th