CommunityCodierung & Entwicklunggithub.com

langchain-ai/langgraph-persistence

Nutze diesen Skill, wenn dein LangGraph Zustände persistieren, Unterhaltungen merken, durch die Historie reisen oder den Gültigkeitsbereich des Subgraph-Checkpointer konfigurieren muss. Behandelt Checkpointers, thread_id, Time Travel, Store und Subgraph-Persistenzmodi.

Was ist langgraph-persistence?

Dieser Skill bietet eine umfassende Anleitung zur Zustandspersistenz in LangGraph, einem Framework für die Erstellung von KI-Agenten mit Graph-basierten Workflows. Er ermöglicht es Entwicklern, den Verlauf von Unterhaltungen und Agentenschritten zu speichern, auf frühere Zustände zuzugreifen (Time Travel) und die Persistenz für Subgraphen zu konfigurieren. Der Skill behandelt die wesentlichen Konzepte wie Checkpointer (zur Speicherung von Graph-Zuständen), thread_id (zur Identifikation einzelner Gesprächsfäden) und die Verwendung des `Store` für Daten, die über Threads hinweg bestehen bleiben. Er ist in erster Linie für die Verwendung mit Python-basierten LangGraph-Anwendungen konzipiert und basiert auf der offiziellen Dokumentation von LangChain. Durch die Anwendung dieses Skills können Entwickler sicherstellen, dass ihre Agenten über mehrere Interaktionen hinweg Kontext behalten und komplexe, zustandsbehaftete Workflows zuverlässig ausführen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/langchain-ai/langchain-skills/tree/main/skills/langgraph-persistence

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht langgraph-persistence?

NUTZE DIESEN SKILL, wenn dein LangGraph Zustände persistieren, Unterhaltungen merken, durch die Historie reisen oder den Gültigkeitsbereich des Subgraph-Checkpointer konfigurieren muss. Behandelt Checkpointers, thread_id, Time Travel, Store und Subgraph-Persistenzmodi.

Übersicht

Dieser Skill bietet eine umfassende Anleitung zur Zustandspersistenz in LangGraph. Er ermöglicht es Entwicklern, den Verlauf von Unterhaltungen und Agentenschritten zu speichern, auf frühere Zustände zuzugreifen (Time Travel) und die Persistenz für Subgraphen zu konfigurieren.

Hauptkonzepte

Checkpointer

Ein Checkpointer ist ein Mechanismus, der den Zustand eines Graphs zu bestimmten Zeitpunkten speichert. Dies ermöglicht:

  • Wiederaufnahme: Einen Graph nach einem Fehler oder einer Unterbrechung neu zu starten.
  • Time Travel: Auf frühere Zustände zuzugreifen und von dort aus neu zu starten.
  • Verlauf: Den gesamten Verlauf einer Ausführung zu verfolgen.

thread_id

thread_id ist ein eindeutiger Bezeichner für einen Gesprächsfaden (Thread). Er wird verwendet um:

  • Mehrere parallele Unterhaltungen mit demselben Graph zu führen.
  • Auf den Verlauf einer bestimmten Unterhaltung zuzugreifen.
  • Die Persistenz auf bestimmte Threads zu beschränken.

Time Travel

Time Travel erlaubt es:

  • Auf einen früheren Zustand aus dem Verlauf zuzugreifen.
  • Den Graph ab diesem Zustand neu auszuführen (Branchen der Historie).
  • Alternative Pfade zu erkunden, ohne den Hauptthread zu beeinflussen.

Store

Der Store ist ein persistenter Datenspeicher, der für Daten verwendet wird, die threadsübergreifend bestehen bleiben sollen, wie z.B.:

  • Benutzerprofile
  • Allgemeines Wissen
  • Langfristige Konfigurationen

Subgraph-Persistenzmodi

Wenn Subgraphen verwendet werden, kann die Persistenz konfiguriert werden über:

  • inner: Persistenz nur innerhalb des Subgraphen.
  • outer: Persistenz im übergeordneten Graph, wobei der Subgraph isoliert bleibt.
  • shared: Gemeinsame Persistenz zwischen übergeordnetem Graph und Subgraph.

Verwendung

Beispiel: Checkpointer konfigurieren

from langgraph.checkpoint import MemorySaver

checkpointer = MemorySaver()

graph = Graph(
    ...
    checkpointer=checkpointer
)

Beispiel: thread_id setzen

config = {"configurable": {"thread_id": "user-session-1"}}
result = graph.invoke(input_data, config)

Beispiel: Time Travel nutzen

history = graph.get_state_history(config)
state = history[-2]  # Vorletzten Zustand nehmen
graph.update_state(config, state)
result = graph.invoke(new_input, config)

Beispiel: Store verwenden

store = InMemoryStore()
store.put(namespace, key, value)
retrieved_value = store.get(namespace, key)

Unterstützte Plattformen

Dieser Skill ist für die Verwendung mit LangGraph (Python) und verwandten Tools aus dem LangChain-Ökosystem konzipiert.

Zusätzliche Hinweise

  • Für Tests und Entwicklung kann MemorySaver verwendet werden; für die Produktion sind Datenbank-Backends zu empfehlen.
  • Der Gültigkeitsbereich des Checkpointers sollte sorgfältig konfiguriert werden, um unerwünschte Nebenwirkungen bei Subgraphen zu vermeiden.
  • Weitere Details finden Sie in der offiziellen LangGraph-Dokumentation.

Individual skills in this repo

This repo contains 11 individual skills — each has its own dedicated page.

langchain-ai/deep-agents-core

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

langchain-ai/deep-agents-memory

INVOKE THIS SKILL when your Deep Agent needs memory, persistence, or filesystem access. Covers StateBackend (ephemeral), StoreBackend (persistent), FilesystemMiddleware, and CompositeBackend for routing.

langchain-ai/deep-agents-orchestration

INVOKE THIS SKILL when using subagents, task planning, or human approval in Deep Agents. Covers SubAgentMiddleware, TodoList for planning, and HITL interrupts.

langchain-ai/framework-selection

INVOKE THIS SKILL at the START of any LangChain/LangGraph/Deep Agents project, before writing any agent code. Determines which framework layer is right for the task: LangChain, LangGraph, Deep Agents, or a combination. Must be consulted before other agent skills.

langchain-ai/langchain-dependencies

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph, LangSmith, or Deep Agents. Covers required packages, minimum versions, environment requirements, versioning best practices, and common community tool packages for both Python and TypeScript.

langchain-ai/langchain-fundamentals

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

langchain-ai/langchain-middleware

INVOKE THIS SKILL when you need human-in-the-loop approval, custom middleware, or structured output. Covers HumanInTheLoopMiddleware for human approval of dangerous tool calls, creating custom middleware with hooks, Command resume patterns, and structured output with Pydantic/Zod.

langchain-ai/langchain-rag

INVOKE THIS SKILL when building ANY retrieval-augmented generation (RAG) system. Covers document loaders, RecursiveCharacterTextSplitter, embeddings (OpenAI), and vector stores (Chroma, FAISS, Pinecone).

langchain-ai/langgraph-fundamentals

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

langchain-ai/langgraph-human-in-the-loop

INVOKE THIS SKILL when implementing human-in-the-loop patterns, pausing for approval, or handling errors in LangGraph. Covers interrupt(), Command(resume=...), approval/validation workflows, and the 4-tier error handling strategy.

langchain-ai/swarm

Dispatches many independent items in parallel: create a table, fan out to subagents, aggregate results. One row = one unit of work.

Verwandte Skills