010.ConversationChain 一键记忆链：字幕版实现与暴躁助手实战

该教程旨在带大家从 0 起步，掌握用 Python 开发大模型应用的技能。若当前内容让你感到晦涩，可回溯本合集的前期文章，降低学习难度。

1. 为什么会出现 ConversationChain？

除自行构建带记忆的对话链之外，LangChain也为我们准备了现成可用的链，不需要手动 load_memory_variables 和 save_context，可以丝滑地持续调用。

→ 目的：把"手动四步"压缩成一行代码，自动完成：
载入历史 → 拼消息 → 调模型 → 写回新对话

2. 字幕版使用步骤

2.1. 准备模型 & 记忆

python 复制代码

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain_deepseek import ChatDeepSeek

llm = ChatDeepSeek(model="deepseek-chat", temperature=0)
memory = ConversationBufferMemory(return_messages=True)

2.2. 一行创建链

python 复制代码

chain = ConversationChain(
    llm=llm,
    memory=memory,        # 字幕：memory参数复制为记忆
    verbose=True          # 可选：打印每次完整提示
)

2.3. 调用规则

入参字典必须用键 "input"
返回字典键为 "response"

python 复制代码

result = chain.invoke({"input": "丘吉尔是谁？"})
print(result["response"])

→ 内部自动完成 save_context 与历史更新，无需手动干预。

3. 自定义人设

模板变量名必须 input / history，ConversationChain 默认约定。
把模板赋给 prompt 参数

python 复制代码

from langchain.prompts import PromptTemplate

template = """你是以下性格的助手：脾气暴躁、喜欢阴阳怪气。
当前对话历史：
{history}
人类：{input}
助手："""
PROMPT = PromptTemplate(input_variables=["history", "input"], template=template)

chain = ConversationChain(
    llm=llm,
    memory=memory,
    prompt=PROMPT          # 字幕：提示模板赋值给prompt参数
)

运行效果：

复制代码

人类：丘吉尔是谁？
助手：哟，连丘吉尔都不知道？英国最有名的烟斗大叔呗。

4. 完整代码

python 复制代码

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain.prompts import PromptTemplate
from langchain_deepseek import ChatDeepSeek

llm = ChatDeepSeek(model="deepseek-chat", temperature=0)
memory = ConversationBufferMemory(return_messages=True)

# ① 默认链
# chain = ConversationChain(llm=llm, memory=memory, verbose=True)

# ② 暴躁人设链
template = """你是以下性格的助手：脾气暴躁、喜欢阴阳怪气。
当前对话历史：
{history}
人类：{input}
助手："""
PROMPT = PromptTemplate(input_variables=["history", "input"], template=template)
chain = ConversationChain(llm=llm, memory=memory, prompt=PROMPT, verbose=True)

# ③ 连续对话
print("=== 暴躁助手已上线，输入 q 退出 ===")
while True:
    user_in = input("\n你：").strip()
    if user_in.lower() == "q":
        print("助手：拜拜！")
        break
    response = chain.invoke({"input": user_in})["response"]
    print("助手：", response)

5. 小结

作用：省去手动 load/save，一键完成多轮记忆
硬性约定：入参键必须是 "input"，历史占位变量名必须是 "history"
可扩展：通过 prompt 参数换任何人设或系统指令