ScyllaDB 替代 LangChain 内存记忆，实现 RAG 聊天持久化

LangChain 默认的聊天历史存储在内存中，重启即丢失，也无法在多副本间共享。ScyllaDB 博客发布教程，展示如何用 ScyllaDB 替换内存存储，为 RAG 聊天机器人提供持久化、可扩展的对话记忆层。

方案基于 LangChain 的 ChatMessageHistory 抽象，通过实现 ScyllaDB 适配器将每条消息写入分布式表。利用 ScyllaDB 的强一致性和自动分片，对话上下文在服务重启后完整恢复，且多实例可共享同一存储后端，无需额外同步逻辑。

对于生产级 RAG 应用，持久化记忆是刚需。ScyllaDB 作为 NoSQL 数据库，其低延迟读写和线性扩展能力，比 Redis 或关系型数据库更适合高频写入的聊天场景。