Agent 记忆与会话状态
用 Valkey 做 Agent 的短期会话与长期语义记忆，原生对接 Mem0 与 LangGraph。
Agent 的「记忆」分两层：短期会话状态（带 TTL，随会话生命周期淘汰）和长期语义记忆（向量化，可跨会话检索）。Valkey 在同一个引擎里把这两层都装下——List 存对话历史、Hash 存结构化状态、向量索引存语义记忆。
为什么微秒级延迟重要
Agent 的一次任务往往是一条由多次往返串起来的循环：取记忆 → 调 LLM → 调工具 → 写记忆 → 再取记忆……每一步都要读写记忆存储。如果记忆后端是单次毫秒级，几十次往返叠加就成了可感知的卡顿；Valkey 的 KV 操作是微秒级，把这部分开销压到几乎可忽略。
AWS 实测：用 Mem0 + Valkey 做记忆，token 用量减少约 91%——因为只把相关记忆喂给 LLM，而不是塞整段历史。
数据结构选型
| 用途 | 结构 | 命令 |
|---|---|---|
| 对话历史 | List | LPUSH / LRANGE / DEL |
| 结构化记忆 | Hash | HSET / HGETALL，字段级 TTL HEXPIRE / HTTL |
| 键级过期 | 任意 | EXPIRE / TTL / PERSIST |
| 异步删除 | 任意 | UNLINK（非阻塞，优于 DEL） |
| 长期语义记忆 | 向量索引 | FT.SEARCH KNN |
对话历史（List）
import valkey
r = valkey.Valkey()
key = "chat:session:abc"
r.lpush(key, "user: 帮我订明天去上海的机票")
r.lpush(key, "assistant: 好的，您从哪个城市出发？")
r.expire(key, 3600) # 会话 1 小时后过期
# 取最近 10 条
history = r.lrange(key, 0, 9)结构化记忆 + 字段级 TTL
HEXPIRE / HTTL 是 Valkey 9.0 引入的字段级过期，可以让 Hash 里不同字段有不同寿命：
r.hset("user:123", mapping={"city": "北京", "otp": "8842"})
# 让 otp 字段 60 秒后过期，city 永久保留
r.execute_command("HEXPIRE", "user:123", "60", "FIELDS", "1", "otp")
r.execute_command("HTTL", "user:123", "FIELDS", "1", "otp")Mem0：最完整的官方方案
Mem0 把 "valkey" 作为一等向量后端 provider，记忆的存取、去重、语义检索都内建：
from mem0 import Memory
config = {
"vector_store": {
"provider": "valkey",
"config": {
"collection_name": "test",
"valkey_url": "valkey://localhost:6379",
"embedding_model_dims": 1536,
"index_type": "hnsw",
},
}
}
m = Memory.from_config(config)
# 写入记忆
m.add(
[{"role": "user", "content": "我对花生过敏"}],
user_id="user_123",
)
# 语义检索相关记忆
results = m.search(query="有什么饮食禁忌？", user_id="user_123", limit=5)LangGraph：原生 ValkeySaver
langgraph-checkpoint-aws 提供原生的 ValkeySaver / AsyncValkeySaver（checkpoint）和 ValkeyStore（长期存储），连接串支持 valkey:// 与 valkeys://（TLS）：
from langgraph_checkpoint_aws import ValkeySaver
with ValkeySaver.from_conn_string(
"valkey://localhost:6379", ttl_seconds=3600
) as checkpointer:
graph = builder.compile(checkpointer=checkpointer)
graph.invoke(
{"messages": [("user", "继续上次的话题")]},
config={"configurable": {"thread_id": "abc"}},
)ttl_seconds 让 checkpoint 自动过期，避免会话状态无限堆积。
LangChain 对话历史
RedisChatMessageHistory 在任意 Valkey 上都能用（wire 兼容），支持 TTL：
from langchain_redis import RedisChatMessageHistory
history = RedisChatMessageHistory(
session_id="user_123",
redis_url="redis://valkey-host:6379",
ttl=3600,
)
history.add_user_message("你好")
history.add_ai_message("你好，有什么可以帮你？")其他框架
RedisChatStore 指向 Valkey URL 即可（wire 兼容，未针对 Valkey 官方测试）。
社区原生的 ValkeySessionManager 管理会话状态。
Letta（MemGPT）不是 Valkey 记忆后端，它用的是 Postgres / pgvector。如果你在用 Letta，记忆层不会落在 Valkey 上。