拥有记忆的私人助理

目标

• 使用至少两种不同的 Memory 类型（如 ConversationBufferMemory 和 ConversationEntityMemory）并能说明各自的适用场景
• 构建的助理能在同一会话中正确回忆用户告知的姓名、至少两项个人偏好信息
• 实现记忆的文件持久化：程序重启后助理仍能读取并使用上次会话中保存的用户信息
• 为助理设计一个个性化的 System Prompt，使其能主动运用已知的用户信息提供定制化回复
• 通过命令行或简单 UI 实现多轮连续对话，每轮对话后打印当前记忆内容用于验证

提示

• 先用 `verbose=True` 观察每次调用时 LangChain 实际发送给 LLM 的完整 prompt，你会直观地看到记忆是如何被注入的，这有助于理解和调试。
• ConversationEntityMemory 内部有一个 `entity_store` 字典，你可以直接打印 `memory.entity_store` 来查看助理当前记住了哪些实体信息，方便验证功能是否正常。
• 实现持久化时，注意 `ConversationBufferMemory` 可以通过 `chat_memory.messages` 列表序列化历史消息，重新加载时使用 `memory.chat_memory.add_user_message()` 和 `add_ai_message()` 逐条恢复。
• 如果发现 Token 超限错误，考虑将 Memory 类型切换为 `ConversationSummaryBufferMemory`，它会在历史超过指定 Token 数时自动触发摘要压缩。
• 想让助理的个性更鲜明，可以使用 `ChatPromptTemplate` 配合 `MessagesPlaceholder` 自定义包含记忆变量的 System Prompt，而不是使用默认模板。

资源

• python.langchain.com/docs/modules/memory/ - LangChain Memory 官方文档，涵盖所有内置记忆类型的用法
• python.langchain.com/docs/modules/memory/types/entity_summary_memory - ConversationEntityMemory 详细指南，本挑战核心组件
• python.langchain.com/docs/modules/memory/how_to/custom_memory - 如何自定义记忆类以满足特定业务需求
• python.langchain.com/docs/modules/chains/foundational/conversation - ConversationChain 与 Memory 集成的完整示例

评论 (0)