摘录自公众号「@跟我学机器学习」
第1节 MiniChatGPT 导读与 Agent 记忆机制
记忆机制是一个让 Agent 能够记住历史交互信息的系统。具体来说，我们希望它能够做到三件事情：① 记住之前的对话内容；② 从用户的反馈中学习；③ 根据用户的偏好调整自身的行为。虽然这三件事听起来好像很简单也很自然，但对于一个实用的 AI Agent 来说却至关重要。
第2节 短期记忆管理及在 LangGraph 中的使用
短期记忆管理的核心难题：消息列表无限增长但模型上下文窗口有限。本节系统讲解 LangGraph 中 3 种应对策略——删除（RemoveMessage 按 ID 丢弃）、修剪（trim_messages 保留最近 N 条）、总结（滚动摘要压缩历史），并附完整可跑通的 Python 示例代码。
第3节 长期记忆的定义与持久化管理
长期记忆解决的是 Agent 跨会话认识你的问题——用户的偏好、经历、知识，不会因为会话关闭就消失。本节系统讲解长期记忆的 3 大分类（语义/情景/程序记忆）、2 种存储方式（用户画像/记忆集合）、2 类写入策略（热路径/后台）以及 LangGraph 中基于 PostgresStore 的 PostgreSQL 持久化实现。
第4节 从零实现 MiniChatGPT 助手（本地JSON文件存储记忆版）
从零搭建一个类 ChatGPT 的本地个人助手到底要几步？这一节会完整走一遍 MiniChatGPT 实战：先做整体架构与状态扭转设计，再分模块实现长期记忆存储（JsonMemoryStore）、记忆更新插入工具、MemoryAgent 智能体（ReAct 循环 + 工具调用 + 检索增强）、命令行交互。不依赖 LangGraph 框架，纯手工跑通一个能跨会 …
第5节 pgvector 插件安装与配置
LangGraph 的长期记忆（`PostgresStore`）默认落在 PostgreSQL 里，但 PostgreSQL 本身不带向量相似度检索——要按语义找记忆就得给 PG 加一个向量扩展。pgvector 就是这个扩展，给 PostgreSQL 补上 `vector` 类型、向量索引、距离运算符（`<->` L2 / `<#>` 内积 / `<=>` …
第6节 长期记忆的检索与遗忘过程
把长期记忆存下来只是开始——能找回来、能忘掉过时的，才算完整的长期记忆系统。这一节聚焦 3 件事：基于 pgvector 的语义检索（`PostgresStore` + `index` 字段向量索引 + 余弦距离）、TTL 过期机制（`refresh_on_read` / `sweep_interval_minutes` / `default_ttl` 3 …
第7节 基于 LangGraph 的 MiniChatGPT 助手（PostgresStore 存储记忆版）
第 4 节纯手工搭的 MiniChatGPT 虽然结构清晰，但短期记忆要手动维护、长期记忆落本地 JSON，想做接近生产形态的版本就只能换框架。这一节用 LangGraph 重写：短期记忆交给 `PostgresSaver` 自动 Checkpoint、长期记忆交给 `PostgresStore`（带 pgvector 向量索引），再通过 …