Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

LangGraph 智能体的语义长期记忆

LangGraph 将智能体状态分为两种类型。短期状态是会话线程本身，由检查指针持久化，以便线程可以继续、重放和恢复（请参阅将 DynamoDB 用作 LangGraph 代理的检查点存储）。长期记忆是智能体跨线程所掌握的内容，LangGraph 将其建模为存储：一个限定了命名空间的键值接口，智能体可有意写入并在之后读取。

langgraph-checkpoint-aws 程序包中的 DynamoDBStore 类是该存储的 DynamoDB 实现。它通过分层命名空间处理键值端，支持使用生存时间使陈旧的记忆过期，并提供基本筛选。配置向量索引后（请参阅在 DynamoDB 中使用向量索引），其 search() 方法可执行语义搜索：记忆在写入时嵌入，异步编制索引，并按语义从保存记忆的同一个表中检索（按相似性排序）。无需预调配单独的向量数据库，也无需通过管道将数据复制到其中。

先决条件

使用 pip 安装库：

pip install langgraph langgraph-checkpoint-aws langchain-aws

设置存储

使用 index 块配置存储并调用 setup()：

from langchain_aws import BedrockEmbeddings
from langgraph_checkpoint_aws import DynamoDBStore

store = DynamoDBStore(
    table_name="support-agent-memory",
    region_name="us-east-1",
    index={
        "embed": BedrockEmbeddings(model_id="amazon.titan-embed-text-v2:0"),
        "dims": 1024,
        "fields": ["text"],
        "distance_function": "COSINE",
    },
)

store.setup()

index 块中有四个设置值得了解：

setup() 会在表不存在时创建该表，附加向量索引，并在已配置生存时间的情况下启用生存时间。对于现有表，它仅添加缺少的内容，因此现有的 DynamoDBStore 部署无需重新创建表或迁移条目，即可采用语义搜索。请注意，setup() 会等到索引报告 ACTIVE 且不再回填后才返回：当仍回填时报告 ACTIVE 的索引会拒绝 SearchVectors 调用。对于新的空表，等待时间很短。对含有现有项目的表进行改造所需的时间，与回填所需的时间相同。

写入记忆

写入是普通的 put()。将发生嵌入：

namespace = ("memories", "acme-corp", "user-8812")

store.put(namespace, "mem-1", {
    "text": "Account runs a proxy that closes idle sockets after 60 seconds",
    "source": "ticket-4471",
})
store.put(namespace, "mem-2", {
    "text": "Customer prefers email, asked not to be called by phone",
    "source": "ticket-4471",
})
store.put(namespace, "mem-3", {
    "text": "Uses a custom build of the SDK pinned to version 2.14",
    "source": "ticket-4502",
})

按语义检索

客户发起了一个新对话，并表示其连接在大约一分钟后持续断开：

results = store.search(
    namespace,
    query="connection drops after a minute of inactivity",
    limit=3,
)

for item in results:
    print(round(item.score, 3), item.value["text"])

输出：

0.324 Account runs a proxy that closes idle sockets after 60 seconds
0.039 Customer prefers email, asked not to be called by phone
0.031 Uses a custom build of the SDK pinned to version 2.14

相关的记忆排在第一位，而查询中的键与任何内容均不匹配。SearchItem.score 遵循 LangGraph 约定：排名越高，相关性越强。DynamoDB 返回的是距离，距离越小表示越相近，因此存储会进行转换：COSINE 的分数为 1 - distance，EUCLIDEAN 的分数为 1 / (1 + distance)，DOT_PRODUCT 的分数则保持不变。如果您使用绝对分数来判断某条记忆是否足够相关，以便可以注入提示，请根据您自己的数据和所选的距离函数来校准该阈值。

使用搜索架构限定记忆范围

当 DynamoDBStore 创建向量索引时，它将表的分区键声明为索引搜索架构中的 HASH 元素。由于该元素存在，因此每次搜索都必须为其提供条件，而存储则提供命名空间：命名空间元组联接后形成分区键值，因此每个语义搜索都固定到恰好一个命名空间。由此产生三个结果：

下表总结了如何选择命名空间结构。

避免将每个记忆都放在一个命名空间中并对元数据进行筛选：筛选条件是在 DynamoDB 已从整个命名空间中选出最近邻匹配项之后才应用的，且单次搜索最多返回前 100 个匹配项。因此，一旦某个高负载租户的常见查询结果占满前 100 位，即使其它租户的记忆存在，较低负载租户的搜索返回的结果数也会少于请求的数量。对于任何影响正确性的场景，应优先使用命名空间范围，而非筛选条件。粒度细于检索边界同样是一种合理的设计：如果智能体同时需要用户特定的上下文和账户范围的上下文，则可同时搜索这两个命名空间并合并结果。

注意事项

其他资源