06 综合案例：长期记忆

它是什么

Long-term memory 用 CompositeBackend 把 /memories/ 路由到 LangGraph Store，让信息跨 thread、跨会话保留。它解决的问题是：用户偏好、长期项目事实、研究进度不该只活在当前 thread 的 state 里。普通工作文件仍可以留在 StateBackend 或 FilesystemBackend，别全塞进长期存储。

最小代码

文件：deepagent_src/context_engineering_teach/06_long_term_memory_case.py

backend = CompositeBackend(
    default=StateBackend(),
    routes={
        "/memories/": StoreBackend(
            store=store,
            namespace=lambda _rt: ("deepagents-context", "u-123"),
        )
    },
)

运行

uv run python deepagent_src/context_engineering_teach/06_long_term_memory_case.py

预期输出：

long-term memory real agent ok

验证方式

脚本把用户偏好预写入 InMemoryStore，再通过 /memories/user_preferences.txt 读取，断言路由和 namespace 生效。最后真实调用 Agent，让 Agent 读取这份长期记忆。

常见误区

别把所有文件都放 /memories/。只有跨会话还稳定有价值的信息才进长期记忆，临时草稿和工具输出放默认 backend 就够了。