以编程方式使用文档

内存使您的智能体能够在对话中学习和改进。Deep Agents 将内存作为一等公民，通过文件系统支持的内存实现：智能体将内存作为文件进行读写，您可以通过以下方式控制这些文件的存储位置 后端.

内存工作原理

  1. **指向智能体的内存文件。** 创建智能体时将文件路径传递给 memory= 。您还可以通过以下方式传递 技能 通过 skills= 用于过程记忆（可重用的指令，告诉智能体 *如何* 执行任务）。 后端 控制文件的存储位置和访问权限。
  2. **智能体读取内存。** 智能体可以在启动时将内存文件加载到系统提示中，也可以在对话期间按需读取。例如， 技能 使用按需加载：智能体在启动时仅读取技能描述，然后在匹配任务时才读取完整的技能文件。这样可以保持上下文精简，直到需要某个功能时才加载。
  3. **智能体更新内存（可选）。** 当智能体学习到新信息时，它可以使用内置 edit_file 工具更新内存文件。更新可以在对话期间进行（默认设置），也可以通过以下方式在对话之间的后台进行 后台整合。更改会被持久化，并在下次对话中可用。并非所有内存都是可写的：开发者定义的 技能 和 组织策略 通常是只读的。详见 只读与可写内存 。

两种最常见的模式是 智能体作用域内存 （所有用户共享）和 用户作用域内存 （每个用户隔离）。

作用域内存

智能体内存可以设置作用域，使相同的内存文件可被所有使用该智能体的用户访问，或者使内存文件每个用户独立。

智能体作用域内存

为代理赋予其自身的持久身份，随时间演变。代理作用域的记忆在所有用户之间共享，因此代理通过每次对话建立自己的角色、积累的知识和学到的偏好。当它与用户交互时，会发展专业知识、完善方法并记住有效的内容。它还可以学习和更新 技能 当拥有写权限时。

关键在于后端命名空间：将其设置为 (assistant_id,) 意味着此代理的每次对话都读取和写入同一记忆文件。

const agent = createDeepAgent({
  memory: ["/memories/AGENTS.md"],
  skills: ["/skills/"],
  backend: new CompositeBackend(
    new StateBackend(),
    {
      "/memories/": new StoreBackend({
        namespace: (rt) => [rt.serverInfo.assistantId],  // [!code highlight]
      }),
      "/skills/": new StoreBackend({
        namespace: (rt) => [rt.serverInfo.assistantId],  // [!code highlight]
      }),
    },
  ),
});

Full example: seed memory and invoke

用初始记忆填充存储，然后跨两个线程调用代理以查看它记住并更新所学内容。

const store = new InMemoryStore();  // Use platform store when deploying to LangSmith

// Seed the memory file
await store.put(
  ["my-agent"],
  "/memories/AGENTS.md",
  createFileData(`## Response style
- Keep responses concise
- Use code examples where possible
`),
);

// Seed a skill
await store.put(
  ["my-agent"],
  "/skills/langgraph-docs/SKILL.md",
  createFileData(`---
name: langgraph-docs
description: Fetch relevant LangGraph documentation to provide accurate guidance.
---

# langgraph-docs

Use the fetch_url tool to read https://docs.langchain.com/llms.txt, then fetch relevant pages.
`),
);

const agent = createDeepAgent({
  memory: ["/memories/AGENTS.md"],
  skills: ["/skills/"],
  backend: (rt) => new CompositeBackend(
    new StateBackend(rt),
    {
      "/memories/": new StoreBackend(rt, {
        namespace: (rt) => ["my-agent"],
      }),
      "/skills/": new StoreBackend(rt, {
        namespace: (rt) => ["my-agent"],
      }),
    },
  ),
  store,
});

// Thread 1: the agent learns a new preference and saves it to memory
const config1 = { configurable: { thread_id: crypto.randomUUID() } };
await agent.invoke({
  messages: [{ role: "user", content: "I prefer detailed explanations. Remember that." }],
}, config1);

// Thread 2: the agent reads memory and applies the preference
const config2 = { configurable: { thread_id: crypto.randomUUID() } };
await agent.invoke({
  messages: [{ role: "user", content: "Explain how transformers work." }],
}, config2);

用户作用域记忆

为每个用户提供自己的记忆文件。代理记住每个用户的偏好、上下文和历史，而核心代理指令保持不变。如果存储在用户作用域的后端中，用户也可以拥有用户特有的 技能 如果存储在用户作用域的后端中。

命名空间使用 (user_id,) 因此每个用户获得记忆文件的独立副本。用户 A 的偏好永远不会泄漏到用户 B 的对话中。

const agent = createDeepAgent({
  memory: ["/memories/preferences.md"],
  skills: ["/skills/"],
  backend: new CompositeBackend(
    new StateBackend(),
    {
      "/memories/": new StoreBackend({
        namespace: (rt) => [rt.serverInfo.user.identity],
      }),
      "/skills/": new StoreBackend({
        namespace: (rt) => [rt.serverInfo.user.identity],
      }),
    },
  ),
});

Full example: isolated memory across users

为每个用户预先填充记忆，并以两个不同的用户身份调用代理。每个用户只能看到自己的偏好。

const store = new InMemoryStore();  // Use platform store when deploying to LangSmith

// Seed preferences for two users
await store.put(
  ["user-alice"],
  "/memories/preferences.md",
  createFileData(`## Preferences
- Likes concise bullet points
- Prefers Python examples
`),
);
await store.put(
  ["user-bob"],
  "/memories/preferences.md",
  createFileData(`## Preferences
- Likes detailed explanations
- Prefers TypeScript examples
`),
);

// Seed a skill for Alice
await store.put(
  ["user-alice"],
  "/skills/langgraph-docs/SKILL.md",
  createFileData(`---
name: langgraph-docs
description: Fetch relevant LangGraph documentation to provide accurate guidance.
---

# langgraph-docs

Use the fetch_url tool to read https://docs.langchain.com/llms.txt, then fetch relevant pages.
`),
);

const agent = createDeepAgent({
  memory: ["/memories/preferences.md"],
  skills: ["/skills/"],
  backend: (rt) => new CompositeBackend(
    new StateBackend(rt),
    {
      "/memories/": new StoreBackend(rt, {
        namespace: (rt) => [rt.serverInfo.user.identity],
      }),
      "/skills/": new StoreBackend(rt, {
        namespace: (rt) => [rt.serverInfo.user.identity],
      }),
    },
  ),
  store,
});

// When deployed, each authenticated request resolves
// `rt.serverInfo.user.identity` to the calling user, so Alice and Bob
// automatically see only their own preferences.
await agent.invoke(
  { messages: [{ role: "user", content: "How do I read a CSV file?" }] },
  { configurable: { thread_id: crypto.randomUUID() } },
);

高级用法

除了记忆路径和作用域的基本配置选项外，你还可以为记忆配置更高级的参数：

维度它回答的问题选项
**持续时间**它持续多久？Short-term （单次对话）或 long-term （跨对话）
**信息类型**它是什么类型的信息？情景记忆 （过去的经历）， 程序性 （指令和技能），或 语义性 （事实）
**作用域**谁可以查看和修改它？用户, 代理, or 组织
**更新策略**何时写入记忆？对话期间（默认）或 对话之间
**检索**如何读取记忆？加载到提示词中（默认）或按需（例如， 技能)
**代理权限**代理是否可以写入记忆？Read-write （默认）或 read-only （用于共享策略）

情景记忆

情景记忆存储过去经历的记录：发生了什么、按什么顺序发生、以及结果如何。与语义记忆（存储在文件中的事实和偏好，如 AGENTS.md）不同，情景记忆保留了完整的对话上下文，使智能体能够回想起 *问题是如何解决的，而不仅仅是* 从中 *学到了什么* 。

深度智能体已经使用 检查点 ，这是支持情景记忆的机制：每次对话都作为检查点线程持久化保存。

为了让过去的对话可搜索，请将线程搜索包装在一个工具中。 user_id 是从运行时上下文而不是作为参数传递的：

const client = new Client({ apiUrl: "" });

const searchPastConversations = tool(
  async ({ query }, runtime) => {
    const userId = runtime.serverInfo.user.identity;  // [!code highlight]
    const threads = await client.threads.search({
      metadata: { userId },
      limit: 5,
    });
    const results = [];
    for (const thread of threads) {
      const history = await client.threads.getHistory(thread.threadId);
      results.push(history);
    }
    return JSON.stringify(results);
  },
  {
    name: "search_past_conversations",
    description: "Search past conversations for relevant context.",
  }
);

你可以通过调整元数据过滤器来按用户或组织范围限定线程搜索：

// Search conversations for a specific user
const userThreads = await client.threads.search({
  metadata: { userId },
  limit: 5,
});

// Search conversations across an organization
const orgThreads = await client.threads.search({
  metadata: { orgId },
  limit: 5,
});

这对于执行复杂多步骤任务的智能体很有用。例如，一个编码智能体可以回顾过去的调试会话，直接跳到可能的根本原因。

组织级记忆

组织级记忆遵循与用户级记忆相同的模式，但使用组织级命名空间而不是用户级命名空间。用于跨组织内所有用户和智能体都应适用的策略或知识。

组织记忆通常是 **read-only** 的，以防止通过共享状态进行提示注入。参见 只读记忆与可写记忆 了解详情。

const agent = createDeepAgent({
  memory: [
    "/memories/preferences.md",
    "/policies/compliance.md",
  ],
  backend: new CompositeBackend(
    new StateBackend(),
    {
      "/memories/": new StoreBackend({
        namespace: (rt) => [rt.serverInfo.user.identity],
      }),
      "/policies/": new StoreBackend({
        namespace: (rt) => [rt.context.orgId],
      }),
    },
  ),
});

从你的应用程序代码中填充组织记忆：

const client = new Client({ apiUrl: "" });

await client.store.putItem(
  [orgId],
  "/compliance.md",
  createFileData(`## Compliance policies
- Never disclose internal pricing
- Always include disclaimers on financial advice
`),
);

使用 权限 来强制组织级记忆为只读，或使用 策略钩子 进行自定义验证逻辑。

后台整合

默认情况下，智能体在对话期间写入记忆（热路径）。另一种方式是将记忆 **在对话之间** 作为后台任务处理，这有时称为 **休眠时间计算**。一个单独的深度智能体会审查最近的对话，提取关键事实，并将其与现有记忆合并。

方法优点缺点
**热路径** （对话期间）记忆立即可用，对用户透明增加延迟，智能体必须多任务处理
**后台** （对话之间）无用户-facing延迟，可跨多个对话综合记忆在下次对话前不可用，需要第二个智能体

对于大多数应用，热路径已足够。在需要减少延迟或提高跨多个对话的记忆质量时，添加后台整合。

推荐模式是部署一个 **整合智能体** 与主智能体并行运行——一个读取最近对话历史、提取关键事实并将其合并到记忆存储中的深度智能体——并按 定时计划选择一个能反映用户实际与智能体交互频率的节奏：每天流量稳定的聊天产品可能每几小时合并一次，而每周只使用几次的工具只需要每天或每周运行一次。合并频率远超用户对话频率只会白白消耗 token 进行空操作。

合并智能体

合并智能体会读取最近的对话历史，并将关键事实合并到记忆存储中。将其与主智能体一起注册在 langgraph.json:

const sdkClient = new Client({ apiUrl: "" });

const searchRecentConversations = tool(
  async ({ query }, runtime) => {
    const userId = runtime.serverInfo.user.identity;  // [!code highlight]

    const since = new Date(Date.now() - 6 * 60 * 60 * 1000).toISOString();
    const threads = await sdkClient.threads.search({
      metadata: { userId },
      updatedAfter: since,
      limit: 20,
    });
    const conversations = [];
    for (const thread of threads) {
      const history = await sdkClient.threads.getHistory(thread.threadId);
      conversations.push(history.values.messages);
    }
    return JSON.stringify(conversations);
  },
  {
    name: "search_recent_conversations",
    description: "Search this user's conversations updated in the last 6 hours.",
  }
);

const agent = createDeepAgent({
  model: "google_genai:gemini-3.5-flash",
  systemPrompt: `Review recent conversations and update the user's memory file.
Merge new facts, remove outdated information, and keep it concise.`,
  tools: [searchRecentConversations],
});
{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent.ts:agent",
    "consolidation_agent": "./src/consolidation-agent.ts:agent"
  },
  "env": ".env"
}

Cron

A cron 任务 按固定计划运行合并智能体。智能体会搜索最近的对话并将其合成到记忆中。让计划与使用模式相匹配，使合并运行大致跟踪实际活动。

graph LR
    Store[(Memory store)] -.->|reads| Conv1[Conversation 1]
    Store -.->|reads| Conv2[Conversation 2]
    Cron[Cron schedule] -->|periodic| Agent[Consolidation agent]
    Agent -->|writes| Store

    classDef trigger fill:#F6FFDB,stroke:#6E8900,stroke-width:2px,color:#2E3900
    classDef process fill:#E5F4FF,stroke:#006DDD,stroke-width:2px,color:#030710
    classDef output fill:#EBD0F0,stroke:#885270,stroke-width:2px,color:#441E33
    classDef schedule fill:#FDF3FF,stroke:#7E65AE,stroke-width:2px,color:#504B5F

    class Conv1,Conv2 trigger
    class Agent process
    class Store output
    class Cron schedule

使用 cron 任务安排合并智能体：

const client = new Client({ apiUrl: "" });

const cronJob = await client.crons.create(
  "consolidation_agent",
  {
    schedule: "0 */6 * * *",
    input: { messages: [{ role: "user", content: "Consolidate recent memories." }] },
  },
);

有关使用后台进程部署智能体的更多信息，请参阅 投入生产.

只读内存与可写内存

默认情况下，智能体可以读取和写入内存文件。对于组织策略或合规规则等共享状态，您可能希望将内存设为 **read-only** ，以便智能体可以引用它但不能修改它。这可以防止通过共享内存进行提示注入，并确保只有您的应用程序代码控制文件中的内容。

权限用例工作原理
**Read-write** （默认）用户偏好、智能体自我改进、习得的 技能智能体通过 edit_file 工具更新文件
**Read-only**组织策略、合规规则、共享知识库、开发者定义的 技能通过应用程序代码或 Store API填充。使用 权限 拒绝写入特定路径，或 策略钩子 进行自定义验证逻辑。

安全注意事项： 如果一个用户可以写入另一个用户读取的内存，恶意用户可能会将指令注入共享状态。要缓解此问题：

  • 默认使用用户范围 (user_id) 除非您有特定原因需要共享
  • - 使用 **只读内存** 处理共享策略（通过应用程序代码填充，而非智能体）
  • - 添加 **human-in-the-loop** 在智能体写入共享内存之前进行验证。使用 中断 要求对敏感路径的写入进行人工审批。

要强制只读内存，请使用 权限 来声明性地拒绝对特定路径的写入。对于自定义验证逻辑（速率限制、审计日志、内容检查），请使用 后端策略钩子.

并发写入

多个线程可以并行写入内存，但对 **同一文件** 的并发写入可能导致后写者胜出的冲突。对于用户范围的内存，这种情况很少见，因为用户通常一次只有一个活跃的对话。对于代理范围或组织范围的内存，请考虑使用 后台合并 来序列化写入，或将内存结构化为每个主题的独立文件以减少争用。

实际上，如果写入因冲突而失败，LLM 通常足够智能，能够重试或优雅地恢复，因此单次丢失的写入不会是灾难性的。

同一部署中的多个代理

要在共享部署中为每个代理提供独立的内存，请添加 assistant_id 到命名空间：

new StoreBackend({
  namespace: (rt) => [
    rt.serverInfo.assistantId,  // [!code highlight]
    rt.serverInfo.user.identity,
  ],
})

使用 assistant_id 单独使用，如果您只需要代理级隔离而无需用户级作用域。