第 4 章：长期记忆与 Store

长期记忆是跨 thread 的受控数据。Store 挂在编译 Agent 上，工具通过 ToolRuntime.store 读取；namespace 必须包含已认证用户 id，避免 A 用户读到 B 用户的偏好。

store = InMemoryStore()
agent = create_agent(model, tools=[remember, recall], context_schema=UserContext, store=store)
await agent.ainvoke(input, context=UserContext(user_id="u-123"))

API	参数	说明
store.put(namespace, key, value, index=...)	namespace 为字符串元组	写入；key 由应用定义，例如 "profile"
store.get(namespace, key)	精确 key	读取单个 item
store.search(namespace_prefix, query=..., filter=..., limit=...)	前缀和检索条件	列出或语义检索；仅在配置索引后依赖语义能力

本课用 InMemoryStore 证明 API 和隔离逻辑；它不持久化。示例的偏好是“回答语言”，并不写真实个人资料。运行 08_long_term_memory.py，它先调用 Agent 写入，再用另一个 thread 读取同一用户偏好，并断言另一用户不可见。

state 是模型可见的对话工作区；context 是可信运行依赖；Store 是服务端长期数据。只有把 Store 内容经过最小化、脱敏和任务相关筛选后，才应放入 prompt。当前项目的 get_all_tools(configurable, runtime.store) 已接收 Store，以支持受控的服务端能力；它并不意味着所有 state 都会自动长期保存。