LangGraph从新手到老师傅 - 12 - 存储功能详解

前言

在构建复杂的AI应用时，数据持久化和检索是至关重要的。LangGraph提供了强大的存储功能，可以帮助我们管理各种类型的数据，包括文本、向量和复杂数据结构。本文将深入探讨LangGraph的存储模块，通过实际示例展示如何有效地使用这些功能。

什么是 LangGraph 存储模块？

LangGraph的存储模块是一个灵活的数据持久化系统，专为AI应用设计。它提供了统一的接口来存储、检索和管理数据，支持：

• 键值存储操作
• 层次化命名空间管理
• 向量嵌入存储与搜索
• 自定义数据序列化
• 支持多种存储后端

在本文中，我们将通过实用示例，学习如何使用LangGraph的存储模块实现基本的数据管理功能。

示例功能概述

我们将创建一个用户消息管理系统，展示LangGraph存储模块的核心功能：

• 创建和管理内存存储实例
• 向存储中添加、获取和更新项目
• 使用命名空间组织数据
• 处理复杂数据结构

完整代码实现

让我们先来看完整的代码实现：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""LangGraph 存储功能基础操作示例

本示例展示了 LangGraph 存储模块的基本用法，包括：
1. 创建一个基础内存存储实例
2. 向存储中添加项目（Put 操作）
3. 从存储中获取项目（Get 操作）
4. 更新存储中的项目

注意：此示例是基于 LangGraph 0.6.3 版本修改的正确实现。
"""

from langgraph.store.memory import InMemoryStore
from langgraph.store.base import Item  
import datetime

def basic_store_operations():
    """演示 LangGraph 存储的基本操作"""
    # 创建一个内存存储实例
    # InMemoryStore 是一个基于内存的存储实现
    store = InMemoryStore()
    
    # 准备要存储的项目数据
    # Item 代表一个存储的项目，包含以下必需字段：
    # - value: 存储的数据（字典形式，键可用于过滤）
    # - key: 命名空间内的唯一标识符
    # - namespace: 定义项目所属集合的层次路径（元组形式）
    # - created_at: 创建时间戳
    # - updated_at: 最后更新时间戳
    item1 = Item(
        value={"text": "这是第一条消息", "priority": "high"},
        key="message_1",
        namespace=("users", "user123", "messages"),
        created_at=datetime.datetime.now(),
        updated_at=datetime.datetime.now()
    )
    
    item2 = Item(
        value={"text": "这是第二条消息", "priority": "medium"},
        key="message_2",
        namespace=("users", "user123", "messages"),
        created_at=datetime.datetime.now(),
        updated_at=datetime.datetime.now()
    )
    
    item3 = Item(
        value={"title": "项目计划", "content": "每周会议安排"},
        key="doc_1",
        namespace=("users", "user123", "documents"),
        created_at=datetime.datetime.now(),
        updated_at=datetime.datetime.now()
    )
    
    # 执行 Put 操作，将项目添加到存储中
    store.put(key=item1.key, value=item1.value, namespace=item1.namespace)
    store.put(key=item2.key, value=item2.value, namespace=item2.namespace)
    store.put(key=item3.key, value=item3.value, namespace=item3.namespace)
    
    print("已成功添加 3 个项目到存储中")
    print()

    # 执行 Get 操作，通过命名空间和键获取特定项目
    print("获取的项目:")
    
    # 获取第一条消息
    message_1 = store.get(key='message_1', namespace=('users', 'user123', 'messages'))
    if message_1 is not None:
        print(f"- 键: message_1, 值: {message_1}")
    else:
        print("- 找不到消息: message_1")
    print()
    
    # 获取文档
    doc_1 = store.get(key='doc_1', namespace=('users', 'user123', 'documents'))
    if doc_1 is not None:
        print(f"- 键: doc_1, 值: {doc_1}")
    else:
        print("- 找不到文档: doc_1")
    print()
    
    # 执行 ListNamespaces 操作，列出存储中的命名空间
    print("尝试列出命名空间:")
    list_namespaces_result = store.list_namespaces()
    for ns in list_namespaces_result:
        print(f"- 命名空间: {ns}") 
    print()
    
    # 执行 Search 操作，搜索存储中的项目
    print("尝试搜索用户 'user123' 的消息:")
    # 尝试直接传入namespace参数
    search_result = store.search(('users', 'user123', 'messages'))
    print(f"搜索结果: {search_result} size={len(search_result)}")
    print()
    
    # 更新一个项目
    updated_item1 = Item(
        value={"text": "这是更新后的第一条消息", "priority": "high", "status": "read"},
        key="message_1",
        namespace=("users", "user123", "messages"),
        created_at=item1.created_at,  # 保留原始创建时间
        updated_at=datetime.datetime.now()  # 更新时间戳
    )
    
    # 更新一个项目
    # 直接调用put方法更新项目
    store.put(key=updated_item1.key, value=updated_item1.value, namespace=updated_item1.namespace)
    
    # 验证更新是否成功
    updated_message_1 = store.get(key='message_1', namespace=('users', 'user123', 'messages'))
    
    print("更新后的项目:")
    print(f"- 键: message_1, 值: {updated_message_1.value}")
    print(f"- 创建时间: {updated_message_1.created_at}")
    print(f"- 更新时间: {updated_message_1.updated_at}")

if __name__ == "__main__":
    basic_store_operations()

代码解析

1. 导入必要的模块

from langgraph.store.memory import InMemoryStore
from langgraph.store.base import Item
import datetime

在这个示例中，我们导入了：

• InMemoryStore：一个基于内存的存储实现
• Item：表示存储中的一个项目
• datetime：用于处理时间戳

2. 创建存储实例

# 创建一个内存存储实例
store = InMemoryStore()

这行代码创建了一个InMemoryStore实例，它将数据存储在内存中。在实际应用中，你也可以使用其他存储后端，如SQLite或PostgreSQL。

3. 准备存储项目

item1 = Item(
    value={"text": "这是第一条消息", "priority": "high"},
    key="message_1",
    namespace=("users", "user123", "messages"),
    created_at=datetime.datetime.now(),
    updated_at=datetime.datetime.now()
)

我们创建了一个Item对象，它包含以下关键字段：

• value：要存储的数据，可以是任何可序列化的字典
• key：在命名空间内唯一的标识符
• namespace：层次化的命名空间，用于组织数据
• created_at和updated_at：时间戳，记录项目的创建和更新时间

4. 添加项目到存储

store.put(key=item1.key, value=item1.value, namespace=item1.namespace)
store.put(key=item2.key, value=item2.value, namespace=item2.namespace)
store.put(key=item3.key, value=item3.value, namespace=item3.namespace)

我们使用put方法将项目添加到存储中，指定了键、值和命名空间。

5. 从存储中获取项目

message_1 = store.get(key='message_1', namespace=('users', 'user123', 'messages'))

我们使用get方法从存储中检索项目，需要提供键和命名空间。

6. 更新存储中的项目

# 创建更新后的项目
updated_item1 = Item(
    value={"text": "这是更新后的第一条消息", "priority": "high", "status": "read"},
    key="message_1",
    namespace=("users", "user123", "messages"),
    created_at=item1.created_at,  # 保留原始创建时间
    updated_at=datetime.datetime.now()  # 更新时间戳
)

# 执行更新操作
store.put(key=updated_item1.key, value=updated_item1.value, namespace=updated_item1.namespace)

更新操作与添加操作类似，只需使用相同的键和命名空间，但提供新的值。

执行结果分析

执行上述代码，你会看到类似以下的输出：

已成功添加 3 个项目到存储中

获取的项目:
- 键: message_1, 值: Item(namespace=['users', 'user123', 'messages'], key='message_1', value={'text': '这是第一条消息', 'priority': 'high'}, created_at='2025-09-08T06:55:32.824577+00:00', updated_at='2025-09-08T06:55:32.824577+00:00')

- 键: doc_1, 值: Item(namespace=['users', 'user123', 'documents'], key='doc_1', value={'title': '项目计划', 'content': '每周会议安排'}, created_at='2025-09-08T06:55:32.824577+00:00', updated_at='2025-09-08T06:55:32.824577+00:00')

尝试列出命名空间:
- 命名空间: ('users', 'user123', 'documents')
- 命名空间: ('users', 'user123', 'messages')

尝试搜索用户 'user123' 的消息:
搜索结果: [Item(namespace=['users', 'user123', 'messages'], key='message_1', value={'text': '这是第一条消息', 'priority': 'high'}, created_at='2025-09-08T06:55:32.824577+00:00', updated_at='2025-09-08T06:55:32.824577+00:00', score=None), Item(namespace=['users', 'user123', 'messages'], key='message_2', value={'text': '这是第二条消息', 'priority': 'medium'}, 
created_at='2025-09-08T06:55:32.824577+00:00', updated_at='2025-09-08T06:55:32.824577+00:00', score=None)] size=2

更新后的项目:
- 键: message_1, 值: {'text': '这是更新后的第一条消息', 'priority': 'high', 'status': 'read'}
- 创建时间: 2025-09-08 06:55:32.826575+00:00
- 更新时间: 2025-09-08 06:55:32.826575+00:00

这个输出展示了存储模块的核心特性：

• 数据持久化：数据可以被成功添加到存储中
• 数据检索：可以通过键和命名空间检索数据
• 数据更新：可以更新已存储的数据
• 命名空间组织：可以使用命名空间层次结构组织数据

存储模块的优势

通过上面的示例，我们可以看到LangGraph存储模块的几个主要优势：

1. 统一的接口：提供了一致的API来管理不同类型的数据
2. 层次化命名空间：通过命名空间提供了结构化的数据组织方式
3. 灵活的数据模型：支持存储各种类型的数据
4. 多后端支持：可以根据需要选择不同的存储后端
5. 时间戳管理：自动记录项目的创建和更新时间

优化

使用持久化存储：对于生产环境，应该使用更持久的存储，如SQLite或PostgreSQL

from langgraph.store.sqlite import SqliteStore

# 使用SQLite存储
store = SqliteStore.from_conn_string(":memory:")  # 或使用文件路径

考虑数据序列化：对于复杂的数据结构，确保正确处理序列化和反序列化

import json

# 序列化复杂数据
complex_data = {"nested": {"array": [1, 2, 3]}}
serialized_data = json.dumps(complex_data)

# 存储序列化后的数据
store.put(key='complex_data', value={'serialized': serialized_data}, namespace=('data', 'complex'))

# 获取并反序列化数据
result = store.get(key='complex_data', namespace=('data', 'complex'))
if result is not None:
 deserialized_data = json.loads(result.value['serialized'])

实际应用场景

LangGraph存储模块在很多实际应用场景中都非常有用：

1. 用户数据管理：存储和管理用户相关的各种数据
2. 会话历史存储：保存聊天机器人的对话历史
3. 文档管理系统：组织和检索各种类型的文档
4. 向量数据库：存储和搜索嵌入向量
5. 应用状态管理：保存应用的配置和状态信息

总结

LangGraph的存储模块提供了强大而灵活的数据持久化功能，可以帮助我们构建更复杂和可靠的AI应用。在本文中，我们通过一个简单的用户消息管理系统示例，学习了如何使用InMemoryStore进行基本的数据管理操作。

在接下来的文章中，我们将深入探讨更多存储模块的高级用法。

如果你觉得这篇文章对你有帮助，请点赞、收藏并关注我，以获取更多关于LangGraph的教程和技巧！