01
import { createAgent } from 'langchain'
02
import { MemorySaver } from '@langchain/langgraph'
03

04
// 这里先用 MemorySaver 演示线程状态怎么保存。
05
// 它适合本地调试，不适合真正的持久化部署。
06
const checkpointer = new MemorySaver()
07

08
const agent = createAgent({
09
  model: 'openai:gpt-4.1-mini',
10
  tools: [],
11
  checkpointer,
12
})
13

14
const config = {
15
  configurable: {
16
    // 同一个 thread_id 表示同一段会话。
17
    thread_id: 'companion-user-001',
18
  },
19
}
20

21
await agent.invoke(
22
  {
23
    messages: [{ role: 'user', content: '我今天加班到快 11 点。' }],
24
  },
25
  config,
26
)
27

28
await agent.invoke(
29
  {
30
    messages: [{ role: 'user', content: '还是上次那个需求，已经改了第三版。' }],
31
  },
32
  config,
33
)
34

35
const result = await agent.invoke(
36
  {
37
    messages: [{ role: 'user', content: '你还记得我刚才在烦什么吗？' }],
38
  },
39
  config,
40
)
41

42
console.log(result.messages.at(-1)?.text)

01
import { createAgent } from 'langchain'
02
import { MemorySaver } from '@langchain/langgraph'
03

04
declare const env: { DB: D1Database }
05

06
const checkpointer = new MemorySaver()
07

08
const agent = createAgent({
09
  model: 'openai:gpt-4.1-mini',
10
  tools: [],
11
  checkpointer,
12
})
13

14
async function loadUserProfile(userId: string) {
15
  // 这里用假数据演示。
16
  // 实际项目里可以从 D1 的 user_profiles / memories 表查询。
17
  return {
18
    name: '小林',
19
    occupation: '前端开发',
20
    preferences: ['回复简短一点', '不要太说教'],
21
    recentEvents: ['上周刚结束字节二面', '最近在补系统设计'],
22
  }
23
}
24

25
async function runAgent(input: string) {
26
  // 1. 先从数据库里读取这个用户的长期资料。
27
  const profile = await loadUserProfile('user-001')
28

29
  const result = await agent.invoke(
30
    {
31
      messages: [
32
        {
33
          role: 'system',
34
          content: `你是小林的 AI 伴侣。
35

36
已知信息：
37
- 职业：${profile.occupation}
38
- 回复偏好：${profile.preferences.join('、')}
39
- 近期事件：${profile.recentEvents.join('、')}
40

41
如果用户提到这些内容，要自然接住，不要生硬复述。`,
42
        },
43
        {
44
          // 2. 这一轮新消息还是普通的 user 消息。
45
          role: 'user',
46
          content: input,
47
        },
48
      ],
49
    },
50
    {
51
      configurable: {
52
        // 3. 同一个 thread_id 负责接住这段会话里的短期上下文。
53
        thread_id: 'companion-user-001',
54
      },
55
    },
56
  )
57

58
  // 4. 最后一条消息就是 Agent 这一轮生成的回复。
59
  return result.messages.at(-1)?.text ?? ''
60
}
61

62
await runAgent('我今天又在改上次那个需求。')
63
await runAgent('还是觉得很烦，像是一直在原地打转。')

01
import { ChatOpenAI } from '@langchain/openai'
02
import { JsonOutputParser } from '@langchain/core/output_parsers'
03

04
declare const env: { DB: D1Database }
05

06
const model = new ChatOpenAI({
07
  model: 'deepseek-chat',
08
  apiKey: process.env.DEEPSEEK_API_KEY,
09
  configuration: {
10
    baseURL: process.env.DEEPSEEK_BASE_URL ?? 'https://api.deepseek.com/v1',
11
  },
12
})
13

14
const parser = new JsonOutputParser()
15

16
async function extractLongTermMemory(conversationText: string) {
17
  // 这里提取的是“值得跨会话保留的信息”，
18
  // 不是把整段原始聊天再存一遍。
19
  const prompt = `请从下面这段对话里提取长期记忆。
20

21
返回 JSON，包含：
22
- facts: 用户事实
23
- events: 重要事件
24
- preferences: 用户偏好
25
- emotionSnapshot: 情绪概括
26

27
对话内容：
28
${conversationText}`
29

30
  const response = await model.invoke(prompt)
31
  return parser.invoke(response)
32
}
33

34
async function saveLongTermMemory(userId: string, conversationId: string, memory: any) {
35
  // 这里把提取出来的长期信息拆成一条条记录写进 memories 表。
36
  // 实际项目里可以再补 type、score、source 等字段。
37
  const rows = [
38
    ...(memory.facts ?? []).map((content: string) => ({
39
      type: 'fact',
40
      content,
41
    })),
42
    ...(memory.events ?? []).map((content: string) => ({
43
      type: 'event',
44
      content,
45
    })),
46
    ...(memory.preferences ?? []).map((content: string) => ({
47
      type: 'preference',
48
      content,
49
    })),
50
    ...(memory.emotionSnapshot ? [{
51
      type: 'emotion_snapshot',
52
      content: memory.emotionSnapshot,
53
    }] : []),
54
  ]
55

56
  for (const row of rows) {
57
    await env.DB.prepare(
58
      `INSERT INTO memories (user_id, conversation_id, type, content)
59
       VALUES (?, ?, ?, ?)`,
60
    )
61
      .bind(userId, conversationId, row.type, row.content)
62
      .run()
63
  }
64
}
65

66
async function persistConversationMemory() {
67
  const extracted = await extractLongTermMemory(`
68
用户：我今天又在准备字节的二面，还是有点焦虑。
69
助手：你更担心面试本身，还是等结果这段时间？
70
用户：主要是等结果，而且我还是不喜欢别人一直给我灌鸡汤。
71
  `)
72

73
  // 先提取，再写库。
74
  await saveLongTermMemory('user-001', 'conversation-20260330', extracted)
75
}