AI学习——记忆系统

记忆系统---支持多轮对话

[一、先搞懂：短期记忆 vs 长期记忆](#一、先搞懂：短期记忆 vs 长期记忆)
- [1. 短期记忆（Short-Term Memory）](#1. 短期记忆（Short-Term Memory）)
- [2. 长期记忆（Long-Term Memory）](#2. 长期记忆（Long-Term Memory）)
[二、LangChain 最常用 3 种记忆](#二、LangChain 最常用 3 种记忆)
- [1. ConversationBufferMemory（最简单记忆）](#1. ConversationBufferMemory（最简单记忆）)
- [2. ConversationSummaryMemory（总结记忆）](#2. ConversationSummaryMemory（总结记忆）)
- [3. ConversationBufferWindowMemory（窗口记忆）](#3. ConversationBufferWindowMemory（窗口记忆）)
[三、核心：Agent + 记忆 = 真正多轮对话](#三、核心：Agent + 记忆 = 真正多轮对话)
[四、带记忆的对话 Agent](#四、带记忆的对话 Agent)
- 功能
五、运行效果
[六、3 个记忆组件对比](#六、3 个记忆组件对比)
七、总结

介绍：

短期记忆 vs 长期记忆
LangChain 核心记忆组件
给 Agent 加上记忆，实现真正多轮对话

一、先搞懂：短期记忆 vs 长期记忆

1. 短期记忆（Short-Term Memory）

保存当前对话上下文
关掉程序就消失
作用：让 AI 知道刚才聊了什么
例子：你刚才问了什么，AI 要记得

2. 长期记忆（Long-Term Memory）

永久保存
存在文件/数据库/向量库
作用：记住用户习惯、历史对话、知识库
例子：你喜欢什么风格、你之前的论文题目

二、LangChain 最常用 3 种记忆

1. ConversationBufferMemory（最简单记忆）

把所有对话原文全部存起来
优点：最简单
缺点：对话越长越占token

2. ConversationSummaryMemory（总结记忆）

不存原文，存对话总结
优点：省token、适合长对话

3. ConversationBufferWindowMemory（窗口记忆）

只保留最近 N 轮对话
优点：轻量、稳定、最常用

三、核心：Agent + 记忆 = 真正多轮对话

没有记忆 → 问完就忘

有记忆 → 能连贯聊天、记住上下文

四、带记忆的对话 Agent

功能

带短期记忆
多轮对话不丢失上下文
可连续提问
基于你之前学的 ReAct Agent

python 复制代码

# 安装依赖
# pip install langchain langchain-openai

python 复制代码

# ==========================
# 1. 导入模块
# ==========================
from langchain_openai import ChatOpenAI
from langchain.memory import ConversationBufferMemory  # 记忆核心
from langchain.agents import AgentExecutor, create_react_agent
from langchain.tools import Tool
from langchain import hub

# ==========================
# 2. 初始化LLM
# ==========================
llm = ChatOpenAI(
    model="gpt-3.5-turbo",
    temperature=0.3,
    api_key="你的API_KEY",
    base_url="https://api.chatanywhere.tech/v1"
)

# ==========================
# 3. 【核心】添加记忆！
# 记忆会自动保存对话历史
# ==========================
memory = ConversationBufferMemory(
    memory_key="chat_history",  # 记忆键（固定）
    return_messages=True       # 返回消息格式
)

# ==========================
# 4. 定义工具
# ==========================
def simple_calculate(expression):
    return str(eval(expression))

tools = [
    Tool(
        name="Calculator",
        func=simple_calculate,
        description="用于计算数学表达式"
    )
]

# ==========================
# 5. 创建带记忆的 Agent
# ==========================
prompt = hub.pull("hwchase17/react-chat")  # 支持记忆的提示词
agent = create_react_agent(llm, tools, prompt)

# 执行器 + 记忆
agent_executor = AgentExecutor(
    agent=agent,
    tools=tools,
    memory=memory,  # 把记忆加进来
    verbose=True,
    max_iterations=3
)

# ==========================
# 6. 多轮对话测试
# ==========================
print("=== 带记忆的AI助手（输入exit退出）===")
while True:
    user_input = input("你：")
    if user_input.lower() == "exit":
        print("对话结束")
        break
    
    # 运行Agent（记忆自动保存）
    response = agent_executor.invoke({"input": user_input})
    print("AI：", response["output"])

五、运行效果

复制代码

你：我叫小明
AI：好的，我记住你叫小明啦！

你：我是谁？
AI：你是小明！

你：10+20等于多少？
AI：等于30。

你：刚才算的结果是多少？
AI：刚才算的是 10+20=30。

这就是记忆的作用！

没有记忆，AI 根本不知道"刚才算的是什么"。

六、3 个记忆组件对比

组件	特点	适合场景
ConversationBufferMemory	存全部原文，最简单	短对话
ConversationBufferWindowMemory	只存最近几轮	长对话
ConversationSummaryMemory	存总结，省token	超长篇对话

七、总结

记忆 = 保存对话历史
Agent 每次提问都会带上历史
所以能理解上下文、实现多轮对话