引言
在当今的技术世界中，聊天机器人（Chatbots）已经成为人与机器交互的一种重要方式。为了提升用户体验，许多聊天机器人开始具备"记忆"能力，即利用之前对话中的信息作为上下文。这种状态管理有助于机器人提供更自然、更连贯的交互体验。本文将深入探讨如何在聊天机器人中添加记忆功能，并为开发者提供一些实用的技术和示例。
主要内容
简单的消息传递
最基本的记忆形式是在每次对话中传递之前的历史记录。这种方法虽然简单，但需要手动管理历史消息。示例如下：
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
chat = ChatOpenAI(model="gpt-3.5-turbo-0125")
prompt = ChatPromptTemplate.from_messages(
[
("system", "You are a helpful assistant. Answer all questions to the best of your ability."),
("placeholder", "{messages}"),
]
)
chain = prompt | chat
ai_msg = chain.invoke(
{
"messages": [
("human", "Translate this sentence from English to French: I love programming."),
("ai", "J'adore la programmation."),
("human", "What did you just say?"),
],
}
)
print(ai_msg.content)
聊天历史管理
直接存储和传递消息是一种简单的方式，但通过LangChain中的ChatMessageHistory类，可以更方便地管理聊天记录：
from langchain_community.chat_message_histories import ChatMessageHistory
demo_ephemeral_chat_history = ChatMessageHistory()
demo_ephemeral_chat_history.add_user_message("Translate this sentence from English to French: I love programming.")
demo_ephemeral_chat_history.add_ai_message("J'adore la programmation.")
自动化历史管理
为了简化管理，LangChain提供了RunnableWithMessageHistory类，它可以在不需要手动管理历史消息的情况下自动处理消息记录。
from langchain_core.runnables.history import RunnableWithMessageHistory
chain_with_message_history = RunnableWithMessageHistory(
chain,
lambda session_id: demo_ephemeral_chat_history,
input_messages_key="input",
history_messages_key="chat_history",
)
代码示例
以下是一个完整的代码示例，展示了如何将聊天历史自动地作为上下文进行管理：
# 创建一个新实例进行自动化的历史记录处理
from langchain_core.runnables.history import RunnableWithMessageHistory
demo_ephemeral_chat_history = ChatMessageHistory()
chain_with_message_history = RunnableWithMessageHistory(
chain,
lambda session_id: demo_ephemeral_chat_history,
input_messages_key="input",
history_messages_key="chat_history",
)
# 调用链
chain_with_message_history.invoke(
{"input": "Translate this sentence from English to French: I love programming."},
{"configurable": {"session_id": "unused"}}
)
常见问题和解决方案
- 上下文窗口过小：当上下文窗口限制消息数量时，考虑使用
trim_messages函数来修剪历史消息。 - 多用户处理：通过
session_id参数，可以为多个用户会话分别存储和加载不同的历史记录。
总结和进一步学习资源
在这篇文章中，我们探索了如何通过传递历史记录、使用内置的历史管理类以及自动化的消息处理来增强聊天机器人的记忆功能。通过这些技术，开发者可以创建更加智能和自然的聊天体验。
进一步学习资源
参考资料
- LangChain官方文档
- OpenAI API参考
结束语：'如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！'
---END---
