4_Langchain_添加记忆功能

1 为什么要添加记忆？

        别让AI变成金鱼！想象一下，你和AI聊天机器人聊得正嗨，突然问它：“刚才我们聊到哪儿了？”它一脸懵圈地回答：“啊？我们之前聊过吗？”——这就像跟金鱼聊天，每次对话都是新的开始，完全没上下文！这就是没有 Memory的LangChain应用会遇到的尴尬。

2 langchain中如何添加记忆？

        ChatMessageHistory 就是LangChain给AI配的 智能小本本 ——专门用来记你和AI的聊天黑历史，防止它像金鱼一样7秒失忆！

举两个例子：

场景1：订披萨

你：“要一个海鲜披萨”

AI：“好的！”（偷偷在小本本写：用户点了海鲜披萨）

你：“不要洋葱！”

AI翻小本本：“明白，海鲜披萨不加洋葱！”（而不是反问：“您刚才点过披萨吗？”）

场景2：讲鬼故事

你：“从前有座山…”

AI：“山里有个庙？”（在小本本记下故事进度）

第二天你：“接着讲！”

AI秒答：“庙里有个老和尚在讲鬼故事！”（而不是从头开始）

from langchain.chat_models import init_chat_model
from langchain_core.chat_history import InMemoryChatMessageHistory
from langchain_core.messages import HumanMessage
from langchain_core.runnables import RunnableWithMessageHistory

# 1. 构建llm
API_KEY = "sk-xxx"
llm = init_chat_model(model_provider="deepseek", model="deepseek-chat", api_key=API_KEY)

# 2. 构建会话历史记录器
history = InMemoryChatMessageHistory()

runnable_with_history = RunnableWithMessageHistory(
    llm,
    lambda _: history,
)

# 3. 介绍自己
response = runnable_with_history.invoke(
    [HumanMessage(content="你好，我叫钢蛋，来自蒙塔奇!")],
    config={"configurable": {"session_id": "1"}},
)

print(response.content)

# 4 再问他
response = runnable_with_history.invoke(
    [HumanMessage(content="我叫什么?来自哪？")],
    config={"configurable": {"session_id": "1"}},
)
print(response.content)

打印内容

你好，钢蛋！很高兴认识你。蒙塔奇听起来像是一个很有趣的地方，能告诉我更多关于那里的故事吗？你是第一次来这里吗？

你叫钢蛋，来自蒙塔奇。很高兴再次确认你的信息！如果你有任何问题或想分享更多关于蒙塔奇的故事，请随时告诉我。

3 如何持久化？

InMemoryChatMessageHistory  就是个内存条上的便利贴！AI边唠嗑边往上涂鸦，但只要一拔电源，这些聊天记录就跟鱼的记忆一样——说好的海誓山盟，7秒后变成"您哪位？"。这时候就需要给AI整个保险箱，也就是传说中的"防社死持久化存储"！

LangChain的BaseChatMessageHistory就像存储界的哆啦A梦：

• FileChatMessageHistory：人狠话不多的日记本侠，直接把聊天记录刻进文本文件
• MongoDBChatMessageHistory：数据库界的仓库大总管，相当于给你和AI的聊天记录买了套200平大别墅
• RedisChatMessageHistory：秒天秒地的闪电侠，读写速度比你双十一抢优惠券还快

接下来我们尝试使用FileChatMessageHistory，对代码进行改造：

from langchain.chat_models import init_chat_model
from langchain_community.chat_message_histories import FileChatMessageHistory
from langchain_core.chat_history import InMemoryChatMessageHistory
from langchain_core.messages import HumanMessage
from langchain_core.runnables import RunnableWithMessageHistory

# 1. 构建llm
API_KEY = "sk-xxx"
llm = init_chat_model(model_provider="deepseek", model="deepseek-chat", api_key=API_KEY)

# 2. 构建会话历史记录器
def get_history(session_id):
    file_path = f"{session_id}.json"
    return FileChatMessageHistory(file_path=file_path)

runnable_with_history = RunnableWithMessageHistory(
    llm,
    get_history
)

# 3. 介绍自己
response = runnable_with_history.invoke(
    [HumanMessage(content="你好，我叫钢蛋，来自蒙塔奇!")],
    config={"configurable": {"session_id": "1"}},
)

print(response.content)

# 4 再问他
response = runnable_with_history.invoke(
    [HumanMessage(content="我叫什么?来自哪？")],
    config={"configurable": {"session_id": "1"}},
)
print(response.content)

对话完毕后，我们可以看到有一个名为1.json的文件已经被生成：

当我们打开文件，可以看到以下内容，对话采用json数组的方式进行记录了下来：

        大家可以参考本例，基于当前的数据库类型，尝试使用RedisChatMessageHistory、MongoDBChatMessageHistory等。