LangGraph 推出长期记忆支持以增强 AI 互动

LangChain 推出了对其 LangGraph 框架的突破性更新，引入了长期记忆支持这一功能，旨在通过允许 AI 代理在多次互动中存储和回忆信息来显著增强其能力。这项发展标志着人工智能领域的一个重大进步，因为它解决了 AI 应用程序之间会话的上下文保留长期以来的限制。

增强 AI 的记忆能力

根据 LangChain 的说法，长期记忆支持现已对 Python 和 JavaScript 开放，提供开发人员构建更具适应性和智能化的 AI 系统所需的工具。该功能是开源库的一部分，并默认对所有 LangGraph Cloud 和 Studio 用户启用。这一进步使 AI 代理能够根据用户反馈进行学习并适应个人偏好，从而提供更个性化的用户体验。

理解 AI 的记忆挑战

在当前的环境下，大多数 AI 应用程序像“金鱼”一样，在会话之间忘记一切。LangChain 在过去一年与客户的经验中强调了需要一个既可靠又灵活的记忆系统。公司承认，对 AI 记忆没有一刀切的解决方案，因为不同的应用程序需要独特的记忆逻辑。这一见解促使在 LangGraph 中开发了一个简单而有效的文档存储，它是构建高级记忆抽象的基础。

引入跨线程记忆

LangGraph 传统上擅长通过其“短期记忆”功能来管理单个会话线程内的状态。新的更新将此功能扩展到多个线程，使代理能够无缝地记住多个互动的各类信息。跨线程记忆的核心是作为持久文档存储，允许用户存储、检索和搜索保存的记忆。

跨线程记忆功能支持：

• 跨线程持久化：确保信息在不同会话中得以保留。
• 灵活命名空间：使用自定义命名空间为不同用户或上下文组织数据。
• JSON 文档存储：方便操作和检索存储的记忆。
• 基于内容的过滤：允许根据内容搜索记忆。

实际应用

为了帮助开发人员利用新的记忆功能，LangChain 提供了一整套指南和资源。这些资源包括一个 概念视频 和详细的 指南，以帮助在 LangGraph 中实现面向 Python 和 JavaScript 的记忆功能。此外，还提供了一个新的 LangGraph 模板，展示了一个能有效管理自身记忆的聊天机器人代理，演示了这些概念的实际应用。

LangChain 鼓励开发人员探索这些资源，并尝试将长期记忆集成到他们的项目中，承诺开启一个更加智能和具上下文感知的 AI 应用程序新时代。