AI och LLMAgenter

LangGraph-checkpoints och långtidsminne

Gör LangGraph-agenter beständiga på HotKV. Pausa, återuppta och tidsresa genom grafens tillstånd, och håll långtidsminnet sökbart efter betydelse.

godkända konformitetstester: 81
sparare: Synk + async
behövs: Ingen licens

Steg 1 av 6

Installera

Ett paket för både checkpointern och lagret. Python 3.10 eller senare.

Exempelsessionplaying

# Installera

$ pip install langgraph-checkpoint-hotkv

Successfully installed langgraph-checkpoint-hotkv

En animerad genomgång med riktiga HotKV-kommandon och exempelsvar. Klicka på valfritt steg för att hoppa dit. Kommandon och svar förblir på engelska, precis som du skriver och ser dem i HotKV.

Problemet

En LangGraph-agent som håller sitt tillstånd i processminnet förlorar allt vid en omstart. Godkännanden med människa i loopen kan inte vänta över natten, misslyckade körningar kan inte återupptas och inget agenten lärt sig överlever till nästa konversation.

Så löser HotKV det

langgraph-checkpoint-hotkv lagrar varje grafs checkpoints i HotKV. En graf kan avbrytas och återupptas, eller spolas tillbaka till ett tidigare steg och förgrenas därifrån. Det medföljande lagret behåller långtidsminne över trådar, som hittas via namnrymd, via filter eller, med en embedding-modell, efter betydelse.

Steg för steg

Vad som händer, kommando för kommando

01
Installera
Ett paket för både checkpointern och lagret. Python 3.10 eller senare.
pip install langgraph-checkpoint-hotkv
02
Kompilera med en HotKV-checkpointer
Varje steg i grafen sparas nu i HotKV.
graph = builder.compile(checkpointer=HotKVSaver(hotkv.from_url("hotkv://localhost:6379")), interrupt_before=["refund"])
03
Kör tills den behöver godkännande
Grafen arbetar sig igenom sina steg, sparar en checkpoint efter varje och stannar före återbetalningen.
graph.invoke({"messages": [("user", "Refund order 1182")]}, {"configurable": {"thread_id": "t-81"}})
04
Timmar senare, efter en omstart
Processen startade om under natten. Tillståndet ligger kvar i HotKV och väntar på samma steg.
graph.get_state({"configurable": {"thread_id": "t-81"}}).next
05
Godkänn och återuppta
Godkännaren säger ja och grafen fortsätter från den sparade checkpointen.
graph.invoke(None, {"configurable": {"thread_id": "t-81"}})
06
Kom ihåg över trådar
Långtidsminnet ligger i lagret och hittas igen i vilken senare konversation som helst.
store.put(("users", "42"), "prefs", {"refunds": "prefers store credit"})

Där det passar

Verkliga scenarier

Arbetsflöden med människa i loopen

Återbetalningar, avtalsändringar och driftsättningar i produktion väntar på att en person godkänner, i minuter eller dagar, utan att hålla en process öppen.

Långkörande forskningsagenter

En körning som misslyckas vid steg 40 återupptas från steg 40 i stället för att börja om.

Felsökning och utvärdering

Gå tillbaka till vilken tidigare checkpoint som helst, ändra indata och förgrena, för att se hur agenten hade betett sig.

Inbyggt

Det här får du

Checkpointer

HotKVSaver och AsyncHotKVSaver behåller grafens tillstånd mellan körningar, med avbrott, återupptagande och tidsresor.

Långtidslager

HotKVStore behåller poster över trådar, sökbara via namnrymd, filter eller betydelse, med valfri utgång.

Konformitetstestad

Klarar LangGraphs egen konformitetssvit för checkpointers, 81 tester i 8 förmågor, för båda sparare.

Inga moduler, ingen licens

Använder HotKV:s grundläggande datatyper och dess vektorindex, och fungerar med eller utan en enterprise-licens.

Checkpointer och lager

python

from langgraph.checkpoint.hotkv import HotKVSaver

with HotKVSaver.from_conn_string("hotkv://localhost:6379") as checkpointer:
    graph = builder.compile(checkpointer=checkpointer)
    graph.invoke({"messages": [("user", "hi")]}, {"configurable": {"thread_id": "1"}})

Referens:hotkv-langgraph on GitHub