= async (state) => {
// 首先，我们获取任何现有摘要
const summary = state.summary || "";
// 创建我们的总结提示
let summaryMessage: string;
if (summary) {
// 已存在摘要
summaryMessage =
`This is a summary of the conversation to date: ${summary}\n\n` +
"Extend the summary by taking into account the new messages above:";
} else {
summaryMessage = "Create a summary of the conversation above:";
}
// 将提示添加到我们的历史中
const messages = [
...state.messages,
new HumanMessage({ content: summaryMessage })
];
const response = await model.invoke(messages);
// 删除除最近 2 条消息外的所有消息
const deleteMessages = state.messages
.slice(0, -2)
.map(m => new RemoveMessage({ id: m.id }));
return {
summary: response.content,
messages: deleteMessages
};
};
```
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { ChatAnthropic } from "@langchain/anthropic";
import {
SystemMessage,
HumanMessage,
RemoveMessage,
} from "@langchain/core/messages";
import {
StateGraph,
StateSchema,
MessagesValue,
GraphNode,
ConditionalEdgeRouter,
START,
END,
MemorySaver,
} from "@langchain/langgraph";
import * as z from "zod";
import { v4 as uuidv4 } from "uuid";
const memory = new MemorySaver();
// 我们将添加一个 `summary` 属性（除了 `messages` 键之外）
const GraphState = new StateSchema({
messages: MessagesValue,
summary: z.string().default(""),
});
// 我们将使用此模型进行对话和总结
const model = new ChatAnthropic({ model: "claude-haiku-4-5-20251001" });
// 定义调用模型的逻辑
const callModel: GraphNode = async (state) => {
// 如果存在摘要，我们将其作为系统消息添加
const { summary } = state;
let { messages } = state;
if (summary) {
const systemMessage = new SystemMessage({
id: uuidv4(),
content: `Summary of conversation earlier: ${summary}`,
});
messages = [systemMessage, ...messages];
}
const response = await model.invoke(messages);
// 我们返回一个对象，因为它将被添加到现有状态中
return { messages: [response] };
};
// 我们现在定义确定是结束还是总结对话的逻辑
const shouldContinue: ConditionalEdgeRouter = (state) => {
const messages = state.messages;
// 如果有超过六条消息，那么我们总结对话
if (messages.length > 6) {
return "summarize_conversation";
}
// 否则我们可以直接结束
return END;
};
const summarizeConversation: GraphNode = async (state) => {
// 首先，我们总结对话
const { summary, messages } = state;
let summaryMessage: string;
if (summary) {
// 如果已存在摘要，我们使用不同的系统提示来总结它
summaryMessage =
`This is summary of the conversation to date: ${summary}\n\n` +
"Extend the summary by taking into account the new messages above:";
} else {
summaryMessage = "Create a summary of the conversation above:";
}
const allMessages = [
...messages,
new HumanMessage({ id: uuidv4(), content: summaryMessage }),
];
const response = await model.invoke(allMessages);
// 我们现在需要删除我们不再希望显示的消息
// 我将删除除最后两条消息外的所有消息，但你可以更改此设置
const deleteMessages = messages
.slice(0, -2)
.map((m) => new RemoveMessage({ id: m.id! }));
if (typeof response.content !== "string") {
throw new Error("Expected a string response from the model");
}
return { summary: response.content, messages: deleteMessages };
};
// 定义一个新图
const workflow = new StateGraph(GraphState)
// 定义对话节点和总结节点
.addNode("conversation", callModel)
.addNode("summarize_conversation", summarizeConversation)
// 将入口点设置为对话
.addEdge(START, "conversation")
// 我们现在添加一个条件边
.addConditionalEdges(
// 首先，我们定义起始节点。我们使用 `conversation`。
// 这意味着这些是在调用 `conversation` 节点后采取的边。
"conversation",
// 接下来，我们传入将确定接下来调用哪个节点的函数。
shouldContinue,
)
// 我们现在添加从 `summarize_conversation` 到 END 的普通边。
// 这意味着在调用 `summarize_conversation` 后，我们结束。
.addEdge("summarize_conversation", END);
// 最后，我们编译它！
const app = workflow.compile({ checkpointer: memory });
```
### 管理检查点
你可以查看和删除检查点存储的信息。
#### 查看线程状态
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
const config = {
configurable: {
thread_id: "1",
// 可选地提供特定检查点的 ID，
// 否则将显示最新的检查点
// checkpoint_id: "1f029ca3-1f5b-6704-8004-820c16b69a5a"
},
};
await graph.getState(config);
```
```
{
values: { messages: [HumanMessage(...), AIMessage(...), HumanMessage(...), AIMessage(...)] },
next: [],
config: { configurable: { thread_id: '1', checkpoint_ns: '', checkpoint_id: '1f029ca3-1f5b-6704-8004-820c16b69a5a' } },
metadata: {
source: 'loop',
writes: { call_model: { messages: AIMessage(...) } },
step: 4,
parents: {},
thread_id: '1'
},
createdAt: '2025-05-05T16:01:24.680462+00:00',
parentConfig: { configurable: { thread_id: '1', checkpoint_ns: '', checkpoint_id: '1f029ca3-1790-6b0a-8003-baf965b6a38f' } },
tasks: [],
interrupts: []
}
```
#### 查看线程的历史记录
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
const config = {
configurable: {
thread_id: "1",
},
};
const history = [];
for await (const state of graph.getStateHistory(config)) {
history.push(state);
}
```
#### 删除线程的所有检查点
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
const threadId = "1";
await checkpointer.deleteThread(threadId);
```
## 数据库管理
如果你使用任何基于数据库的持久化实现（如 Postgres 或 Redis）来存储短期和/或长期内存，你需要在将其与数据库一起使用之前运行迁移以设置所需的模式。
按照惯例，大多数特定于数据库的库在检查点或存储实例上定义一个 `setup()` 方法，该方法运行所需的迁移。但是，你应该检查你的 [`BaseCheckpointSaver`](https://reference.langchain.com/javascript/langchain-langgraph/index/BaseCheckpointSaver) 或 [`BaseStore`](https://reference.langchain.com/javascript/langchain-core/stores/BaseStore) 的具体实现，以确认确切的方法名称和用法。
我们建议将迁移作为专用部署步骤运行，或者你可以确保它们在服务器启动时运行。
***
[将这些文档](/use-these-docs)通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
[在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/oss/langgraph/add-memory.mdx) 或 [提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。
提示和编排逻辑可用于总结消息历史。例如，在 LangGraph 中，你可以在状态中包含一个 `summary` 键，与 `messages` 键并列：
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { StateSchema, MessagesValue, GraphNode } from "@langchain/langgraph";
import { z } from "zod/v4";
const State = new StateSchema({
messages: MessagesValue,
summary: z.string().optional(),
});
```
然后，你可以生成聊天历史的摘要，使用任何现有摘要作为下一个摘要的上下文。这个 `summarizeConversation` 节点可以在 `messages` 状态键中积累了一些消息后被调用。
```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { RemoveMessage, HumanMessage } from "@langchain/core/messages";
const summarizeConversation: GraphNode