from langgraph.checkpoint.sqlite import SqliteSaver
import sqlite3, tempfile, os

db_path = os.path.join(tempfile.gettempdir(), "lg_memory.db")
conn = sqlite3.connect(db_path, check_same_thread=False)
checkpointer = SqliteSaver(conn)   # 检查点存 SQLite

g4 = StateGraph(MessagesState)
g4.add_node("chat", lambda s: {"messages": [model.invoke(s["messages"])]})
g4.add_edge(START, "chat")
g4.add_edge("chat", END)
app4 = g4.compile(checkpointer=checkpointer)   # ← 挂上 checkpointer

# 第 1 轮：自我介绍（thread_id 区分会话）
app4.invoke({"messages": [HumanMessage(content="我叫小林，后端工程师")]},
            config={"configurable": {"thread_id": "user1"}})
# 第 2 轮：同一 thread 接着问 → checkpointer 自动带上历史
r4 = app4.invoke({"messages": [HumanMessage(content="我叫什么？")]},
                 config={"configurable": {"thread_id": "user1"}})
print(r4["messages"][-1].content)   # "小林" —— 记住了！

from langgraph.checkpoint.memory import MemorySaver
from langgraph.types import Command

# 关键：编译时 interrupt_before=["chat"]——在 chat 节点前暂停
checkpointer = MemorySaver()
app = g.compile(checkpointer=checkpointer, interrupt_before=["chat"])

config = {"configurable": {"thread_id": "demo1"}}

# 第 1 次 invoke：图停在 chat 前，模型【没被调用】
r1 = app.invoke({"messages": [HumanMessage(content="你好")]}, config)
print(app.get_state(config).next)   # ('chat',) ← 暂停在这里！
print(len(r1["messages"]))          # 1 —— 只有你的问题，没有 AI 回复

# 用户确认后：从断点恢复（resume）
r2 = app.invoke(Command(resume="确认了，继续"), config)
print(r2["messages"][-1].content)   # 模型这才被调用，给出回复
print(app.get_state(config).next)   # () —— 空了，图跑完了

# ① stream_mode="updates"：每个节点完成后，只吐"这个节点改了什么"
for chunk in app.stream(input, stream_mode="updates"):
    print(list(chunk.keys()))   # ['chat'] → "chat 节点刚跑完"

# ② stream_mode="values"：每次状态变化，吐【全量状态】
for chunk in app.stream(input, stream_mode="values"):
    print(chunk["messages"][-1])   # 每次都给你完整的最新状态

# ③ stream_mode="messages"：token 级流式（打字机效果，需真实模型）
for chunk in app.stream(input, stream_mode="messages"):
    print(chunk[0].content)   # 一个 token 一个 token 地蹦

from langgraph.checkpoint.sqlite import SqliteSaver
import sqlite3

conn = sqlite3.connect("lg_memory.db", check_same_thread=False)
checkpointer = SqliteSaver(conn)
app = g.compile(checkpointer=checkpointer)
# 调用时按 thread_id 隔离会话：
app.invoke(input, config={"configurable": {"thread_id": "user1"}})

app = g.compile(
    checkpointer=checkpointer,        # 必须配 checkpointer，中断状态才能存
    interrupt_before=["chat"],        # 在 chat 节点前暂停（做事前审核）
    interrupt_after=["tools"],        # 在 tools 节点后暂停（做事后检查）
)
# 调用后检查暂停位置：
app.get_state(config).next            # ('chat',) → 停在这；() → 跑完了
# 用户确认后从断点恢复：
from langgraph.types import Command
app.invoke(Command(resume="确认了"), config)

app.stream(input, stream_mode="updates")    # 每节点完成吐增量：{'chat': {...}}
app.stream(input, stream_mode="values")     # 每状态变化吐全量：{'messages': [...]}
app.stream(input, stream_mode="messages")   # token 级流式（打字机，需真实模型）