本页目录

学习目标
示例
运行
观察重点
生命周期
StateBackend 适合什么

Backends / 后端Note 24

01 StateBackend

学习目标

全部笔记查看源文档

学习目标

理解一句话：StateBackend 把文件保存在当前 thread 的 LangGraph state 中。

示例

代码见 ../01_state_backend.py。

示例只做两件事：

在 thread state-backend-demo 中写入 /note.txt。
使用同一个 thread 再次调用 Agent，读取 /note.txt。

关键配置：

agent = create_deep_agent(
    model=gpt_model,
    backend=StateBackend(),
    checkpointer=InMemorySaver(),
)
config = {"configurable": {"thread_id": "state-backend-demo"}}

StateBackend()：文件进入 Agent state。
InMemorySaver()：保存每次运行后的 state。
thread_id：决定读取哪一个 thread 的 state。

运行

在项目根目录执行：

uv run python deepagent_src/backend_teach/01_state_backend.py

运行会调用模型两次，产生 API 费用。

观察重点

第二次调用能读到第一次写入的文件，因为两次调用使用了同一个 thread_id。

如果把第二次调用的 thread_id 改掉，它就读不到原 thread 中的 /note.txt。

生命周期

当前示例使用 InMemorySaver：

同一 Python 进程内可以跨多次调用保存文件。
程序退出后，内存 checkpoint 消失。
需要重启后继续保存时，应换成持久化 checkpointer。

StateBackend 适合什么

Agent 临时草稿
中间分析结果
大工具输出的临时存放
supervisor 与 subagent 共享本次 thread 的文件

不适合跨用户、跨 thread 的长期记忆；这种需求后面学习 StoreBackend。

相关资源

查看示例代码：deepagent_src/backend_teach/01_state_backend.py

import os

os.environ["LANGSMITH_TRACING"] = "false"

from deepagents import create_deep_agent
from deepagents.backends import StateBackend
from langgraph.checkpoint.memory import InMemorySaver

from deepagent_src.llms import gpt_model


def main():
    agent = create_deep_agent(
        model=gpt_model,
        backend=StateBackend(),
        checkpointer=InMemorySaver(),
    )
    config = {"configurable": {"thread_id": "state-backend-demo"}}

    agent.invoke(
        {"messages": [{"role": "user", "content": "把‘我正在学习 StateBackend’写入 /note.txt"}]},
        config,
    )
    result = agent.invoke(
        {"messages": [{"role": "user", "content": "读取 /note.txt，并告诉我文件内容"}]},
        config,
    )
    print(result["messages"][-1].content)


if __name__ == "__main__":
    main()