Construir IA conversacional de nivel producción requiere una gestión robusta de la memoria. LangGraph ofrece dos mecanismos de persistencia complementarios: el Checkpointer, que guarda el estado completo de la conversación para reanudar sesiones, y el Store, un almacenamiento clave-valor basado en espacios de nombres para hechos a largo plazo y preferencias del usuario entre sesiones. Ambos pueden respaldarse con PostgreSQL, una opción común para equipos que ya usan bases de datos relacionales. El Checkpointer es ideal para la reanudación de sesiones a corto plazo, mientras que el Store sobresale en el mantenimiento de perfiles de usuario o conocimiento de dominio de forma indefinida. Comprender las compensaciones – como la frecuencia de escritura, la granularidad de los datos y los patrones de consulta – es crítico para elegir la herramienta adecuada. Este artículo proporciona una comparación arquitectónica clara, ayudando a los desarrolladores a evitar errores comunes como el uso excesivo del Checkpointer para datos que pertenecen al Store. Para equipos que construyen chatbots, asistentes virtuales o flujos de agentes, dominar estas dos capas es esencial para crear experiencias de usuario fluidas y conscientes del contexto.
Una guía práctica de los dos sistemas de persistencia de LangGraph – Checkpointer para el estado de sesión y Store para la memoria a largo plazo – usando PostgreSQL, con orientación clara sobre cuándo usar cada uno.