“好记性不如烂笔头。”
——这句老话，放在大模型时代，竟然成了最佳工程实践。
你有没有遇到过这样的场景？
用户：“我叫太空人，喜欢吃喜之郎。”
AI：“好的，太空人！”
用户：“那我刚才说喜欢吃什么？”
AI：“抱歉，我不记得了。”
是不是很无奈？
其实不是 AI “笨”，而是它天生没有记忆——每次对话都是“第一次见面”。
那怎么办？
LangChain 给出的答案是：别指望它记性好，咱们自己给它配个“记事本” 。
而这个“记事本系统”，由三个关键组件组成：
InMemoryChatMessageHistory：真正的记事本ChatPromptTemplate：记事本的书写格式规范RunnableWithMessageHistory：规定“什么时候翻本子、抄哪页”的秘书
今天，我们就用这个生活化比喻，彻底搞懂 LangChain 的聊天记忆链。
一、第一步：先给 AI 配个“记事本”——InMemoryChatMessageHistory
大模型就像一个健忘的朋友，但我们可以给它配个随身小本子，把每次对话都记下来。
import { InMemoryChatMessageHistory } from '@langchain/core/chat_history';
const messageHistory = new InMemoryChatMessageHistory();
这个 messageHistory 就是它的“记事本”。
每当你和 AI 聊一句，它就会自动记下两条：
- 你说了什么（
HumanMessage） - AI 回了什么（
AIMessage）
比如聊完“我叫太空人，喜欢吃喜之郎”后，本子上就多了：
[ { role: 'human', content: '我叫太空人，喜欢吃喜之郎' }, { role: 'ai', content: '好的，太空人！' }]
注意：这个“本子”目前只存在内存里，程序一关就清空。
生产环境可以用 Redis、数据库等做持久化，但原理一样——先有本子，才能记事。
二、第二步：规定“怎么记、怎么读”——ChatPromptTemplate
有了本子，还得有书写规范。
你不能让 AI 看一堆乱七八糟的文字，它需要清晰的结构：
- 哪句是系统指令？
- 哪些是历史对话？
- 哪句是当前问题？
这就是 ChatPromptTemplate 的作用——它定义了消息的排版格式。
import { ChatPromptTemplate } from '@langchain/core/prompts';
const prompt = ChatPromptTemplate.fromMessages([
['system', '你是一个有记忆的助手'],
['placeholder', '{history}'], // 这里要插入记事本内容
['human', '{input}'] // 当前用户输入
]);
关键就在 ['placeholder', '{history}'] ——
它相当于在模板里留了个插槽：“等会儿把记事本里的内容，按原格式插进来”。
为什么必须用 ChatPromptTemplate 而不是普通 PromptTemplate？
因为记事本里存的是结构化消息对象（带 human/ai 角色），不是字符串。
只有 ChatPromptTemplate 能正确“展开”这些消息，生成模型能理解的上下文。
想象你在写会议纪要：
不能只写“他说了这个那个”，而要写“张三：……”、“李四：……”。
ChatPromptTemplate 就是那个排版模板。
三、第三步：安排一个“翻本子的秘书”——RunnableWithMessageHistory
光有本子和格式还不够。
谁来负责：
- 调用前：去翻本子，把历史抄进提示？
- 调用后：把新对话记回本子？
这时候，RunnableWithMessageHistory 就登场了——它就是那个贴心的秘书。
import { RunnableWithMessageHistory } from '@langchain/core/runnables';
const chain = new RunnableWithMessageHistory({
runnable: prompt.pipe(model), // 要执行的任务
getMessageHistory: async () => messageHistory, // 翻哪个本子？
inputMessagesKey: 'input', // 用户当前问的是啥？
historyMessagesKey: 'history', // 历史记录放哪儿？
});
当你调用：
await chain.invoke({ input: "我刚才说喜欢吃什么？" });
这位“秘书”会自动：
- 打开
messageHistory这个本子 - 把里面所有记录作为
{ history: [...] }传给你的 runnable - 拿到 AI 回复后，把“用户新问题 + AI 新回答”记回本子
整个过程完全自动化，你只需要关心业务逻辑。
四、三者协作全景图
用一张流程图总结：
用户提问
↓
[RunnableWithMessageHistory] ← 秘书：我去翻本子！
↓
从 [InMemoryChatMessageHistory] 读取历史（记事本）
↓
注入 { input: "...", history: [Human, AI, ...] } 到 runnable
↓
[ChatPromptTemplate] ← 排版员：按格式插进去！
↓
生成完整消息列表 → 交给 ChatModel
↓
AI 回答
↓
[RunnableWithMessageHistory] ← 秘书：记回本子！
↓
更新 [InMemoryChatMessageHistory]
三者各司其职：
- 记事本（
InMemory...）：存 - 排版模板（
ChatPromptTemplate）：格式化 - 秘书（
RunnableWithMessageHistory）：调度 + 自动读写
五、结语：AI 不需要好记性，但我们需要好设计
大模型永远不会记住你是谁——
但我们可以用“烂笔头”帮它记住。
InMemoryChatMessageHistory 是本子，
ChatPromptTemplate 是格式，
RunnableWithMessageHistory 是秘书。
三者配合，让无状态的 AI 表现出“有记忆”的智能。
而这，正是 LangChain 的魅力所在：
不幻想模型全能，而是用工程手段弥补它的短板。
