LangChain 实战教程：构建带记忆的聊天机器人

前言

复制后 格式化下 填入环境变量即可运行

一、简介

在传统聊天机器人中，对话往往是“无状态”的——每次对话都独立处理，无法记住上下文。本教程将使用LangChain框架，构建一个能够记住对话历史的智能聊天机器人。

二、前置准备

1. 安装依赖

pip install langchain langchain-openai python-dotenv

1. 配置API密钥
   在.env文件中添加：

OPENAI_API_KEY = "your-api-key"
# 或使用本地模型（如Llama2）的配置

三、核心实现步骤

1. 初始化基础组件

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain_openai import ChatOpenAI

# 初始化大语言模型
llm = ChatOpenAI(temperature=0.5)  # 控制回答随机性

# 创建对话记忆模块
memory = ConversationBufferMemory()

2. 构建对话链

conversation = ConversationChain(
    llm=llm,
    memory=memory,
    verbose=True  # 显示内部思考过程
)

3. 实现对话循环

print("机器人：您好！我是您的AI助手，输入'exit'退出对话")
whileTrue:
    user_input = input("您：")

if user_input.lower() == 'exit':
print("对话已存档，下次再见！")
break

    response = conversation.predict(input=user_input)
print(f"机器人：{response}")

四、进阶功能实现

1. 记忆类型扩展

LangChain 提供多种记忆模式：

• ConversationBufferWindowMemory
  ：仅保留最近N轮对话
• ConversationSummaryMemory
  ：自动生成对话摘要
• EntityMemory
  ：重点记忆关键实体

from langchain.memory import ConversationSummaryMemory

summary_memory = ConversationSummaryMemory(llm=llm)
conversation = ConversationChain(llm=llm, memory=summary_memory)

2. 记忆持久化存储

# 保存对话历史到文件
import json

with open('chat_history.json', 'w') as f:
    json.dump(memory.load_memory_variables({}), f)

# 从文件加载历史
with open('chat_history.json') as f:
    memory.save_context({}, json.load(f))

3. 对话增强功能

from langchain.agents import Tool
from langchain.utilities import GoogleSearchAPIWrapper

search = GoogleSearchAPIWrapper()
tools = [
    Tool(
        name="Web Search",
        func=search.run,
        description="当需要实时信息时使用"
    )
]

# 结合搜索功能的对话链
conversation_with_search = initialize_agent(
    tools, 
    llm, 
    agent="conversational-react-description",
    memory=memory
)

五、关键参数解析

六、实战演示

对话示例：

用户：我计划去巴黎旅行
机器人：巴黎是个浪漫的城市！需要我推荐景点吗？

用户：是的，请推荐三个必去的地方
机器人：1. 埃菲尔铁塔 2. 卢浮宫 3. 巴黎圣母院

用户：你刚才说的第一个景点是什么？
机器人：您指的是埃菲尔铁塔，建议日落时分参观...

七、注意事项

1. 长期记忆会消耗更多Token
2. 敏感信息需做脱敏处理
3. 定期清理无效记忆
4. 不同LLM的记忆能力存在差异