长期记忆

import { createAgent } from "langchain";
import { InMemoryStore } from "@langchain/langgraph";

// InMemoryStore 将数据保存到内存字典中。在生产环境中请使用基于数据库的存储。
const store = new InMemoryStore();

const agent = createAgent({
  model: "google-genai:gemini-3.1-pro-preview",
  tools: [],
  store,
});

import * as z from "zod";
import { createAgent, tool, type ToolRuntime } from "langchain";
import { InMemoryStore } from "@langchain/langgraph";

// InMemoryStore 将数据保存到内存字典中。在生产环境中请使用基于数据库的存储。
const store = new InMemoryStore();
const contextSchema = z.object({
  userId: z.string(),
});

// 使用 put 方法将示例数据写入存储
await store.put(
  ["users"], // 用于将相关数据分组的命名空间（用户数据的 users 命名空间）
  "user_123", // 命名空间内的键（用户 ID 作为键）
  {
    name: "John Smith",
    language: "English",
  }, // 为给定用户存储的数据
);

const getUserInfo = tool(
  // 查找用户信息。
  async (_, runtime: ToolRuntime<unknown, z.infer<typeof contextSchema>>) => {
    // 访问存储 - 与提供给 `createAgent` 的相同
    const userId = runtime.context.userId;
    if (!userId) {
      throw new Error("userId is required");
    }
    // 从存储中检索数据 - 返回包含值和元数据的 StoreValue 对象
    const userInfo = await runtime.store.get(["users"], userId);
    return userInfo?.value ? JSON.stringify(userInfo.value) : "Unknown user";
  },
  {
    name: "getUserInfo",
    description: "根据 userId 从存储中查找用户信息。",
    schema: z.object({}),
  },
);

const agent = createAgent({
  model: "google-genai:gemini-3.1-pro-preview",
  tools: [getUserInfo],
  contextSchema,
  // 将存储传递给代理 - 使代理在运行工具时能够访问存储
  store,
});

// 运行代理
const result = await agent.invoke(
  { messages: [{ role: "user", content: "look up user information" }] },
  { context: { userId: "user_123" } },
);

console.log(result.messages.at(-1)?.content);

/**
 * 输出：
 * 用户信息：
 * - **姓名：** John Smith
 * - **语言：** English
 */

import * as z from "zod";
import { tool, createAgent, type ToolRuntime } from "langchain";
import { InMemoryStore } from "@langchain/langgraph";

// InMemoryStore 将数据保存到内存字典中。在生产环境中请使用基于数据库的存储。
const store = new InMemoryStore();

const contextSchema = z.object({
  userId: z.string(),
});

// Schema 定义了 LLM 使用的用户信息结构
const UserInfo = z.object({
  name: z.string(),
});

// 允许代理更新用户信息的工具（对聊天应用很有用）
const saveUserInfo = tool(
  async (
    userInfo: z.infer<typeof UserInfo>,
    runtime: ToolRuntime<unknown, z.infer<typeof contextSchema>>,
  ) => {
    const userId = runtime.context.userId;
    if (!userId) {
      throw new Error("userId is required");
    }
    // 将数据存储在存储中（命名空间，键，数据）
    await runtime.store.put(["users"], userId, userInfo);
    return "Successfully saved user info.";
  },
  {
    name: "save_user_info",
    description: "Save user info",
    schema: UserInfo,
  },
);

const agent = createAgent({
  model: "google-genai:gemini-3.1-pro-preview",
  tools: [saveUserInfo],
  contextSchema,
  store,
});

// 运行代理
await agent.invoke(
  { messages: [{ role: "user", content: "My name is John Smith" }] },
  // 在上下文中传递 userId 以标识正在更新谁的信息
  { context: { userId: "user_123" } },
);

// 你可以直接访问存储来获取值
const result = await store.get(["users"], "user_123");
console.log(result?.value); // 输出: { name: "John Smith" }