我仔细看了你的代码和遇到的问题——用LangGraph整合Google Gemini做Agent时，多轮对话的上下文记忆没生效，明明传了thread_id但Agent记不住之前说过的话对吧？我帮你分析下问题，再给你改好的代码方案：

问题根源分析 #

你已经用了MemorySaver作为checkpointer，也在调用时传了thread_id，逻辑方向是对的，但可能卡在这几个细节上：

1. 消息格式的隐性要求：LangGraph的预构建React Agent对输入消息的类型有要求，直接传普通对象可能不如用LangChain封装的消息类型（比如HumanMessage）兼容性好
2. 系统提示的缺失：没有给Agent明确的系统提示强化记忆逻辑，Gemini可能没意识到需要关联对话历史
3. 版本兼容性：旧版LangChain的createReactAgent对checkpointer的支持存在小bug，可能导致历史没被正确读写

修正后的代码方案 #

我调整了你的代码，针对性解决了上面的问题，确保对话记忆能正常生效：

import type { BaseChatModel } from "@langchain/core/language_models/chat_models";
import { ChatGoogleGenerativeAI } from "@langchain/google-genai";
import { MemorySaver } from "@langchain/langgraph";
import { createReactAgent } from "@langchain/langgraph/prebuilt";
import type { Tool } from "langchain/tools";
import { HumanMessage } from "@langchain/core/messages";

interface AgentInfo{
  id: string,
  name: string,
  job: string,
  sex: 'male' | 'female',
}

class Agent {
  private model: BaseChatModel;
  private tools: Tool[];
  private agent: any;
  private checkpointer: MemorySaver;
  public info: AgentInfo;

  constructor(model: BaseChatModel, tools: Tool[], info: AgentInfo) {
    const checkpointer = new MemorySaver();
    this.model = model;
    this.tools = tools;
    this.checkpointer = checkpointer 
    this.info = info;

    // 增加系统提示强化记忆逻辑，同时确保checkpointer参数正确传递
    const agent = createReactAgent({
      llm: model,
      tools: tools,
      checkpointSaver: this.checkpointer,
      systemPrompt: `你是${info.name}，一名${info.job}，请严格根据对话历史上下文回答用户问题。`,
    });

    this.agent = agent;
  }

  public getId(){
    return this.info.id
  }

  public async invoke(prompt: string, thread_id?: string) {
    // 给thread_id设置默认值，避免undefined导致记忆混乱
    const targetThreadId = thread_id || `default-thread-${this.info.id}`;

    // 使用LangChain封装的HumanMessage类型，确保消息格式符合Agent要求
    const result = await this.agent.invoke(
      {
        messages: [new HumanMessage(prompt)],
      },
      {
        configurable: {
          thread_id: targetThreadId,
        },
      }
    );

    // （可选调试用）打印完整对话历史，确认记忆是否被正确保存
    console.log(`[线程${targetThreadId}] 完整对话历史:`, result.messages);

    // 返回最后一条助手回复的内容
    return result.messages.at(-1)?.content || "暂无回复";
  }
}

// 初始化Gemini模型，记得替换成你的Google API Key
const geminiModel = new ChatGoogleGenerativeAI({
  model: "gemini-1.5-flash-8b",
  apiKey: process.env.GOOGLE_API_KEY, // 可以从环境变量读取，避免硬编码
});

const agent = new Agent(geminiModel, [], {id: '1', name:'josh', job: 'developer', sex: 'male'});

// 测试多轮对话
(async () => {
  console.log(await agent.invoke('My name is test', 'test-thread'));
  console.log(await agent.invoke('What is my name', 'test-thread'));
})();

额外排查建议 #

1. 更新LangChain依赖：运行npm update @langchain/core @langchain/google-genai @langchain/langgraph到最新版本，旧版本的checkpointer确实存在一些记忆读写的小bug
2. 验证API权限：确保你的Google API Key有Gemini模型的调用权限，且没有触发配额限制
3. 调试checkpointer内容：可以在invoke方法里加这段代码，确认历史是否被正确保存：

// 调试用：列出指定线程的所有历史 checkpoint
const checkpoints = await this.checkpointer.listCheckpoints({
  threadId: targetThreadId,
});
console.log(`[线程${targetThreadId}] 已保存的checkpoint:`, checkpoints);

备注：内容来源于stack exchange，提问作者Matteturtle09