【LangChain】理论及应用实战（4）：Memory

本文主要内容参考资料：AI Agent智能体开发，一步步教你搭建agent开发环境（需求分析、技术选型、技术分解）

与大模型进行多轮对话时，并不是前面的对话真的被大模型记住了，其实还是通过prompt来实现的。也就是在进行多轮对话时，在没有令牌限制或其他限制的情况下，会将前面的对话内容放进目前对话的prompt中。

langchain当中通过memory模块当中的一系列方法来实现多轮对话的记忆存储。

一、对话Memory的实现

1.1 ConversationBufferMemory

langchain中最常见的一种对话Memory的实现就是基于 ConversationBufferMemory 方法。该方法会保存历史对话的所有内容，并存储在内容中，属于短时记忆。启用的方式是构建一个对话的ConversationChain，将memory的方法作为参数传进去。还可以指定大模型、以及显示prompt的内容等。

示例代码：

import os
import openai
from langchain_community.chat_models import ChatOpenAI
from langchain.chains import ConversationChain
from langchain.memory import  ConversationBufferMemory
 
os.environ["OPENAI_API_KEY"] = ''
openai.api_key = os.environ.get("OPENAI_API_KEY")
 
llm = ChatOpenAI(model_name = 'gpt-3.5-turbo',temperature = 0.0)
memory = ConversationBufferMemory() # 全部存储
 
conversation = ConversationChain(
    llm = llm,
    memory = memory