Construire une IA conversationnelle de niveau production nécessite une gestion robuste de la mémoire. LangGraph offre deux mécanismes de persistance complémentaires : le Checkpointer, qui sauvegarde l'état complet de la conversation pour reprendre les sessions, et le Store, un stockage clé-valeur basé sur des espaces de noms pour les faits à long terme et les préférences utilisateur entre les sessions. Les deux peuvent être adossés à PostgreSQL, un choix courant pour les équipes utilisant déjà des bases relationnelles. Le Checkpointer est idéal pour la reprise de session à court terme, tandis que le Store excelle dans le maintien de profils utilisateur ou de connaissances de domaine de manière indéfinie. Comprendre les compromis – comme la fréquence d'écriture, la granularité des données et les modèles de requête – est essentiel pour choisir le bon outil. Cet article fournit une comparaison architecturale claire, aidant les développeurs à éviter les pièges courants comme l'utilisation excessive du Checkpointer pour des données qui appartiennent au Store. Pour les équipes construisant des chatbots, des assistants virtuels ou des flux d'agents, maîtriser ces deux couches est essentiel pour créer des expériences utilisateur fluides et contextuelles.
Un guide pratique des deux systèmes de persistance de LangGraph – Checkpointer pour l'état de session et Store pour la mémoire à long terme – utilisant PostgreSQL, avec des conseils clairs sur quand utiliser chacun.