LangChain.js 对话记忆体系（一）：内存存储与文件持久化，让 AI 拥有对话记忆

YIAN
14 阅读6分钟

大模型本质上是无状态的 —— 每一次调用 model.invoke() 都是一次独立的请求，它不会自动记住上一轮说了什么。想要实现连贯的多轮对话，就必须手动维护对话历史，把上下文拼接到 Prompt 中再传给模型。

LangChain 提供了标准化的 ChatMessageHistory 体系来管理对话记忆，最基础的两种实现就是：

  • 内存存储（InMemoryChatMessageHistory） ：会话级临时存储，性能最高，进程退出即清空
  • 文件存储（FileSystemChatMessageHistory） ：本地 JSON 文件持久化，支持跨会话恢复历史

本文就基于 LangChain.js 带你从零实现这两种对话记忆，附带完整可运行代码和实战踩坑指南。

一、内存级对话记忆：InMemoryChatMessageHistory

内存存储是最简单的记忆方案：对话消息全部保存在 Node.js 进程内存中，读写速度极快，不需要任何外部依赖。

适用场景

  • 单次会话的临时对话
  • 开发调试阶段快速验证
  • 短对话、轻量场景

完整实现代码

import 'dotenv/config';
import { ChatOpenAI } from '@langchain/openai';
import { InMemoryChatMessageHistory } from '@langchain/core/chat_history';
import {
  HumanMessage,
  SystemMessage,
  AIMessage,
  getBufferString
} from '@langchain/core/messages';

// 初始化大模型（兼容通义千问等 OpenAI 协议模型）
const model = new ChatOpenAI({
  model: process.env.MODEL_NAME,
  apiKey: process.env.OPENAI_API_KEY,
  baseURL: process.env.OPENAI_BASE_URL,
  temperature: 0
});

async function InMemoryDemo() {
  // 1. 初始化内存记忆容器
  const history = new InMemoryChatMessageHistory();
  const systemMessage = new SystemMessage(
    '你是一个友好、幽默的做菜助手，喜欢分享美食和烹饪技巧'
  );

  // 2. 第一轮对话
  console.log('【开启第一轮对话】');
  const userMessage1 = new HumanMessage('你今天吃什么？');
  // 用户消息存入记忆
  await history.addMessage(userMessage1);
  // 组装：系统提示 + 历史对话
  const messages1 = [systemMessage, ...(await history.getMessages())];
  const response1 = await model.invoke(messages1);
  // AI 回复也存入记忆
  await history.addMessage(response1);
  console.log(`助手：${response1.content}\n`);

  // 3. 第二轮对话（自动携带上一轮上下文）
  console.log('【第二轮对话】');
  const userMessage2 = new HumanMessage('好吃吗？');
  await history.addMessage(userMessage2);
  const messages2 = [systemMessage, ...(await history.getMessages())];
  const response2 = await model.invoke(messages2);
  await history.addMessage(response2);
  console.log(`助手：${response2.content}\n`);

  // 4. 查看全部历史消息
  const allMessages = await history.getMessages();
  console.log(`共保存了 ${allMessages.length} 条对话`);
  allMessages.forEach((msg, index) => {
    const prefix = msg.type === 'human' ? '用户' : '助手';
    console.log(`${index + 1}. [${prefix}]: ${msg.content.substring(0, 50)}....`);
  });
}

InMemoryDemo()
  .catch(console.error)
  .finally(() => {
    console.log('done');
  });

核心逻辑拆解

  1. 初始化记忆容器：new InMemoryChatMessageHistory() 创建一个内存中的消息队列
  2. 消息写入：每一轮用户提问和 AI 回复，都通过 addMessage() 存入记忆
  3. 上下文拼接：调用模型前，用 getMessages() 取出全部历史，和 System 提示词拼成完整消息数组
  4. 无持久化：脚本执行结束，内存释放，对话历史永久丢失

特点总结

  • ✅ 优点：零依赖、速度极快、API 简单
  • ❌ 缺点：进程重启 / 页面刷新就丢失，无法跨会话
  • 🎯 定位：短期会话记忆，作为所有记忆方案的基础载体

二、文件持久化记忆：FileSystemChatMessageHistory

内存存储的对话无法保留，程序关掉就没了。如果希望下次运行还能继续之前的对话，就需要文件持久化—— 把对话历史写入本地 JSON 文件。

依赖说明

文件存储实现不在 @langchain/core 中，需要安装社区包：

npm install @langchain/community

1. 写入对话到本地文件

import 'dotenv/config';
import { ChatOpenAI } from '@langchain/openai';
import { FileSystemChatMessageHistory } from '@langchain/community/stores/message/file_system';
import { HumanMessage, SystemMessage, AIMessage } from '@langchain/core/messages';
import path from 'node:path';

const model = new ChatOpenAI({
  model: process.env.MODEL_NAME,
  apiKey: process.env.OPENAI_API_KEY,
  baseURL: process.env.OPENAI_BASE_URL,
  temperature: 0
});

async function fileHistoryWriteDemo() {
  // 配置：本地文件路径 + 会话ID
  const filePath = path.join(process.cwd(), 'chat_history.json');
  const sessionId = 'user_session_001';
  const systemMessage = new SystemMessage(
    '你是一个友好、幽默的做菜助手，喜欢分享美食和烹饪技巧'
  );

  // 初始化文件记忆容器
  const history = new FileSystemChatMessageHistory({
    filePath,
    sessionId
  });

  // 第一轮对话
  console.log('【开启第一轮对话】');
  const userMessage1 = new HumanMessage('红烧排骨怎么做');
  await history.addMessage(userMessage1);
  const messages1 = [systemMessage, ...(await history.getMessages())];
  const response1 = await model.invoke(messages1);
  await history.addMessage(response1);
  console.log(`AI 的第一次回答：${response1.content}\n`);

  // 第二轮对话
  console.log('【第二轮对话】');
  const userMessage2 = new HumanMessage('好吃吗？');
  await history.addMessage(userMessage2);
  const messages2 = [systemMessage, ...(await history.getMessages())];
  const response2 = await model.invoke(messages2);
  await history.addMessage(response2);
  console.log(`AI 的第二次回答：${response2.content}\n`);
}

fileHistoryWriteDemo().then(console.log).catch(console.error);

运行后会在项目根目录生成 chat_history.json，对话数据按 sessionId 分组持久化存储。

2. 从文件恢复历史继续对话

程序重启后，只要指定相同的文件路径和 sessionId，就能自动读取之前的对话历史，继续往下聊：

import 'dotenv/config';
import { ChatOpenAI } from '@langchain/openai';
import { FileSystemChatMessageHistory } from '@langchain/community/stores/message/file_system';
import { HumanMessage, SystemMessage, AIMessage } from '@langchain/core/messages';
import path from 'node:path';

const model = new ChatOpenAI({
  model: process.env.MODEL_NAME,
  apiKey: process.env.OPENAI_API_KEY,
  baseURL: process.env.OPENAI_BASE_URL,
  temperature: 0
});

async function fileHistoryRestoreDemo() {
  const filePath = path.join(process.cwd(), 'chat_history.json');
  const sessionId = 'user_session_001';
  const systemMessage = new SystemMessage(
    '你是一个友好、幽默的做菜助手，喜欢分享美食和烹饪技巧'
  );

  // 使用相同的 filePath + sessionId，自动恢复历史
  const restoredHistory = new FileSystemChatMessageHistory({
    filePath,
    sessionId
  });

  const restoredMessages = await restoredHistory.getMessages();
  console.log(`从文件中恢复 ${restoredMessages.length} 条历史信息`);
  restoredMessages.forEach((msg, index) => {
    const prefix = msg.type === 'human' ? '用户' : '助手';
    console.log(`${index + 1}. [${prefix}]: ${msg.content.substring(0, 50)}....`);
  });

  // 继续第三轮对话
  const userMessage3 = new HumanMessage('需要什么食材');
  await restoredHistory.addMessage(userMessage3);
  const message = [systemMessage, ...(await restoredHistory.getMessages())];
  const response3 = await model.invoke(message);
  console.log(`\nAI 的回答是：${response3.content}`);
}

fileHistoryRestoreDemo();

核心概念

  • filePath：本地 JSON 文件的路径，所有会话数据都存在这里
  • sessionId：会话唯一标识，用来隔离不同用户 / 不同对话的历史，同一个文件里可以存多个会话
  • 自动读写：addMessage() 会自动写入文件，getMessages() 会自动从文件读取，不需要手动操作 IO

三、内存存储 vs 文件存储：怎么选？

表格

对比维度内存存储 InMemory文件存储 FileSystem
持久化❌ 进程退出即丢失✅ 本地文件永久保存
读写速度极快（内存操作）一般（磁盘 IO）
外部依赖无依赖本地文件系统
跨会话不支持支持
多会话隔离需要自己实现原生支持 sessionId
适用场景单次临时对话、开发调试轻量持久化、个人工具、演示项目
缺点数据易丢失不适合高并发、大数据量

四、实战踩坑指南

1. 包导入路径易错

FileSystemChatMessageHistory 在 @langchain/community 包中，路径是：

@langchain/community/stores/message/file_system

不要写成 @langchain/core，也不要拼写错误。

2. 环境变量拼写陷阱

代码中 baseURL 对应的环境变量名必须和 .env 完全一致，注意不要出现 OPEAI_BASE_URL 这种少字母的笔误，否则会报 Missing credentials。

3. dotenv 读取路径

dotenv/config 默认从终端执行命令的目录查找 .env 文件，不是脚本文件所在目录。如果 .env 和脚本不在同一级，需要手动指定路径。

4. sessionId 必须正确隔离

不同用户、不同对话主题要用不同的 sessionId，否则多个会话的消息会混在一起，导致上下文混乱。

5. 文件存储不适合生产环境

本地文件存储没有并发控制，多进程同时写入可能损坏 JSON 文件；生产环境建议用 Redis、数据库或向量数据库做持久化。

五、总结与进阶

内存存储和文件存储是 LangChain 对话记忆体系的基础：

  • 内存存储是会话内的临时载体，所有高级记忆策略最终都要在内存中组装上下文
  • 文件存储是最简单的持久化方案，适合个人工具和轻量场景

但这两种方案都没有解决一个核心问题：对话会越来越长，最终超过模型的上下文窗口限制。

接下来就需要更高级的记忆管理策略：

  • Token 截断：超过阈值自动删除最早的对话
  • 对话摘要：旧对话压缩成摘要，保留核心信息
  • 向量检索记忆：全量历史存入向量库，按需召回相关片段

我们会在后续文章中逐一拆解。

avatar
文章
阅读
粉丝