Code ：

import dotenv
from langchain.chat_models import init_chat_model
import httpx
import os
from deepagents import create_deep_agent
from deepagents.backends import StoreBackend
from langgraph.checkpoint.memory import InMemorySaver
from langchain_core.messages import HumanMessage
from langgraph.store.sqlite import SqliteStore

dotenv.load_dotenv("example.env")

llm = init_chat_model(
    model="saas.qwen3-235b-a22b-instruct",
    api_key=os.getenv("OPENAI_API_KEY"),
    model_provider="openai",
    base_url=os.getenv("OPENAI_BASE_URL"),
    temperature=0.7,
    http_client=httpx.Client(verify=False),
    http_async_client=httpx.AsyncClient(verify=False),
)

config1 = {"configurable": {"thread_id": "1"}}
config2 = {"configurable": {"thread_id": "2"}}

MEMORY_FILE = "/memories/AGENTS.md"
NAMESPACE = ("memories",)

with SqliteStore.from_conn_string("checkpoints.db") as store:
    if store.get(NAMESPACE, MEMORY_FILE) is None:
        store.put(NAMESPACE, MEMORY_FILE, {
            "content": ["# Agent Memory", "", "This file stores long-term memories."],
            "created_at": "2025-01-01T00:00:00",
            "modified_at": "2025-01-01T00:00:00"
        })
        print(f"Created initial memory file: {MEMORY_FILE}")

    agent = create_deep_agent(
        model=llm,
        system_prompt="你是一个智能助手，长期记忆请记录在/memories",
        backend=(lambda rt: StoreBackend(rt, namespace=lambda ctx: NAMESPACE)),
        checkpointer=InMemorySaver(),
        store=store,
        memory=[MEMORY_FILE]
    )
    
    print("\n=== 第一次对话: 记住公司主题色 ===")
    for step in agent.stream(
        {"messages": [HumanMessage("记住公司的主题色是#FD5108")]},
        stream_mode="values",
        config=config1
    ):
        latest = step["messages"][-1]
        if hasattr(latest, 'pretty_print'):
            latest.pretty_print()
    
    print("\n=== 第二次对话: 查询记忆 ===")
    for step in agent.stream(
        {"messages": [HumanMessage("你有哪些记忆")]},
        stream_mode="values",
        config=config2
    ):
        latest = step["messages"][-1]
        if hasattr(latest, 'pretty_print'):
            latest.pretty_print()
    
    print("\n=== 验证 Store 内容 ===")
    item = store.get(NAMESPACE, MEMORY_FILE)
    if item:
        print(f"Memory file content:\n{item.value}")

AI 注释：

backend/checkpointer/store/memory 四个组件的职责详解

```
┌─────────────────────────────────────────────────────────────────────────┐
│                           Agent Application                              │
└─────────────────────────────────────────────────────────────────────────┘
                                      │
        ┌─────────────┬───────────────┼───────────────┬─────────────┐
        │             │               │               │             │
        ▼             ▼               ▼               ▼             │
┌─────────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐          │
│   backend   │ │    store  │ │checkpointer│ │   memory  │          │
│  (操作环境)  │ │  (数据库)  │ │  (存档器)  │ │  (记忆加载)│          │
├─────────────┤ ├───────────┤ ├───────────┤ ├───────────┤          │
│ 文件读写     │ │ 键值存储   │ │ 状态快照   │ │ 加载记忆   │          │
│ 命令执行     │ │ 跨会话共享 │ │ 暂停/恢复  │ │ 注入提示   │          │
└──────┬──────┘ └─────┬─────┘ └─────┬─────┘ └─────┬─────┘          │
       │              │             │             │                 │
       │              │             │             │                 │
       ▼              ▼             ▼             ▼                 │
┌─────────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐          │
│ 文件系统    │ │ 结构化数据 │ │ 对话状态   │ │ 记忆文件   │          │
│ 执行环境    │ │ 长期记忆   │ │ 执行进度   │ │ AGENTS.md │          │
└─────────────┘ └───────────┘ └───────────┘ └───────────┘          │
                                                                   │
        ┌──────────────────────────────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────────────────────────────────────────────┐
│                              数据流向                                    │
│                                                                          │
│  memory ──加载──▶ system prompt ──▶ AI 决策 ──▶ backend 写入 ──▶ store  │
│                                          │                               │
│                                          ▼                               │
│                                    checkpointer 保存状态                 │
└─────────────────────────────────────────────────────────────────────────┘
```
## 1. backend - 操作环境
```
backend=(lambda rt: StoreBackend(rt, namespace=lambda ctx: NAMESPACE))
```
职责 ：管理 AI 与外部环境的交互

功能 说明

📁 文件操作 read_file , write_file , edit_file , ls , glob , grep

🔧 命令执行 execute (需要实现 SandboxBackendProtocol )

🗂️ 存储位置 决定文件存在哪里（内存、文件系统、数据库）

常见实现 ：

- StateBackend - 文件存在 agent 状态中（临时）
- FilesystemBackend - 文件存在本地文件系统
- StoreBackend - 文件存在 LangGraph Store 中（持久化）

PS：StateBackend 和StoreBackend  单词接近，注意区别

## 2. checkpointer - 状态快照
```
checkpointer=InMemorySaver()
```
职责 ：保存对话的执行状态

功能 说明 📸 状态快照 定期保存图的执行状态 ⏸️ 暂停/恢复 支持 human-in-the-loop 🔄 故障恢复 从断点继续执行 💬 对话历史 保存消息记录

常见实现 ：

- InMemorySaver - 内存中（临时，重启丢失）
- SqliteSaver - SQLite 数据库（持久化）
- PostgresSaver - PostgreSQL（生产环境）

## 3. store - 结构化数据存储
```
store=store  # SqliteStore 实例
```
职责 ：提供跨会话的持久化存储

功能 说明 💾 键值存储 put(namespace, key, value) 🔍 命名空间 按命名空间组织数据 🌐 跨会话共享 所有线程/用户共享数据 🧠 长期记忆 存储需要长期保留的信息

常见实现 ：

- InMemoryStore - 内存中（临时）
- SqliteStore - SQLite 数据库
- PostgresStore - PostgreSQL（支持向量搜索）

## 4. memory - 记忆加载
```
memory=[MEMORY_FILE]  # ["/memories/AGENTS.md"]
```
职责 ：启动时加载记忆文件到系统提示

功能 说明

📖 自动加载 会话开始时读取指定文件

💉 注入提示 将内容添加到 system prompt

📝 指导更新 告诉 AI 何时/如何更新记忆

## 对比总结表
组件 类比 管理的数据 生命周期 典型用途

backend 操作系统 文件内容、执行结果 取决于实现 文件读写、命令执行

checkpointer 游戏存档 对话状态、消息历史 会话级别 暂停恢复、对话历史

store 数据库 业务数据、长期记忆 持久化 跨会话数据共享

memory 配置文件 记忆文件路径 启动时加载 加载项目上下文

## 在你的代码中的工作流程
```
# 第一次对话: "记住公司的主题色是#FD5108"
# 
# 1. memory 加载 /memories/AGENTS.md 到 system prompt
# 2. AI 决定使用 edit_file 工具更新记忆
# 3. backend (StoreBackend) 执行文件编辑
# 4. store (SqliteStore) 持久化保存数据
# 5. checkpointer 保存当前对话状态

# 第二次对话: "你有哪些记忆"
#
# 1. memory 再次加载 /memories/AGENTS.md（已包含主题色）
# 2. AI 从 system prompt 中读取到记忆内容
# 3. AI 回答: "公司主题色为 #FD5108"
```
关键区别 ：

- checkpointer 保存的是 对话进度 （thread 级别）
- store 保存的是 业务数据 （全局共享）
- backend 是 操作接口 （怎么读写）
- memory 是 加载机制 （读什么）

sqlite 数据库截图：

程序输出：

=== 第一次对话: 记住公司主题色 ===
================================ Human Message =================================

记住公司的主题色是#FD5108
================================ Human Message =================================

记住公司的主题色是#FD5108
================================ Human Message =================================

记住公司的主题色是#FD5108
================================== Ai Message ==================================

公司主题色已记录为 #FD5108。

=== 第二次对话: 查询记忆 ===
================================ Human Message =================================

你有哪些记忆
================================ Human Message =================================

你有哪些记忆
================================ Human Message =================================

你有哪些记忆
================================== Ai Message ==================================

我目前的记忆是：公司主题色为 #FD5108。

=== 验证 Store 内容 ===
Memory file content:
{'content': ['# Agent Memory', '', 'This file stores long-term memories.', '', '- 公司主题色: #FD5108'], 'created_at': '2025-01-01T00:00:00', 'modified_at': '2026-03-18T07:08:33.505249+00:00'}