增强聊天机器人记忆力的巧妙技巧

最新推荐文章于 2025-07-17 14:38:53 发布

原创最新推荐文章于 2025-07-17 14:38:53 发布 · 241 阅读

CC 4.0 BY-SA版权

文章标签：

# 增强聊天机器人记忆力的巧妙技巧

## 引言

在现代应用中，聊天机器人已经无处不在。一个关键特性就是其使用先前对话中的内容作为上下文进行回答。本文将详细讨论几种实用的状态管理技术，帮助你为聊天机器人添加“记忆力”。

## 主要内容

### 简单的消息传递

最基本的形式是直接将聊天历史记录作为上下文传递给模型。这种方法容易实现，但可能不够高效，尤其是在长对话中。

### 利用消息历史类

使用像LangChain这样的库可以帮助你更有效地管理对话历史。例如，可以使用`ChatMessageHistory`类轻松存储和调用对话消息。

### 自动管理历史记录

通过使用`RunnableWithMessageHistory`类，可以自动管理和附加消息到历史记录中，而不需要手动跟踪，这对复杂应用尤其有利。

### 修改历史记录

为了应对模型的上下文窗口限制，可以通过修剪历史记录来减少模型需要处理的信息量。使用`trim_messages`工具可以根据需要修剪历史记录。

### 总结历史记录

你还可以通过生成对话总结来保留重要信息。这种方法类似于为长对话生成一个压缩版，减少重复信息和无关细节。

## 代码示例

下面是一个完整的代码示例，展示了如何使用LangChain为聊天机器人添加记忆力。

```python
# 安装必要的库
%pip install --upgrade --quiet langchain langchain-openai

import dotenv
dotenv.load_dotenv()

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_community.chat_message_histories import ChatMessageHistory
from langchain_core.runnables.history import RunnableWithMessageHistory
from operator import itemgetter
from langchain_core.messages import trim_messages
from langchain_core.runnables import RunnablePassthrough

# 设置API
chat = ChatOpenAI(model="gpt-3.5-turbo-0125")  # 使用API代理服务提高访问稳定性

demo_ephemeral_chat_history = ChatMessageHistory()
prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a helpful assistant."),
    ("placeholder", "{chat_history}"),
    ("human", "{input}")
])

chain = prompt | chat
chain_with_message_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: demo_ephemeral_chat_history,
    input_messages_key="input",
    history_messages_key="chat_history"
)

# 使用消息修剪
trimmer = trim_messages(strategy="last", max_tokens=2, token_counter=len)
chain_with_trimming = (
    RunnablePassthrough.assign(chat_history=itemgetter("chat_history") | trimmer)
    | prompt
    | chat
)

chain_with_trimmed_history = RunnableWithMessageHistory(
    chain_with_trimming,
    lambda session_id: demo_ephemeral_chat_history,
    input_messages_key="input",
    history_messages_key="chat_history"
)

# 测试
chain_with_trimmed_history.invoke(
    {"input": "What is my name?"},
    {"configurable": {"session_id": "unused"}}
)