Kurzzeitgedächtnis mit ConversationBufferMemory implementieren
Fügen Sie Ihrem KI-Agenten ein Kurzzeitgedächtnis hinzu, um den Kontext der aktuellen Konversation zu speichern. Dies ermöglicht dem Agenten, sich an frühere Aussagen im Dialog zu erinnern und kohärente Antworten zu generieren.
Originalvideo ansehen: Googles KI-OFFENSIVE in Deutschland! Live vom AI Center Berl...Importieren Sie die notwendige Klasse.
Fügen Sie den Import für `ConversationBufferMemory` hinzu.
from langchain.memory import ConversationBufferMemoryInitialisieren Sie das Gedächtnis.
Erstellen Sie eine Instanz von `ConversationBufferMemory`. `memory_key` definiert den Schlüssel, unter dem der Chat-Verlauf gespeichert wird, und `return_messages=True` sorgt dafür, dass der Verlauf als Liste von Nachrichtenobjekten zurückgegeben wird.
memory = ConversationBufferMemory(memory_key='chat_history', return_messages=True)Integrieren Sie das Gedächtnis in eine Konversationskette.
Verwenden Sie `ConversationChain`, um das LLM und das Gedächtnis zu verbinden, sodass der Chat-Verlauf automatisch an das LLM übergeben wird.
from langchain.chains import ConversationChain
conversation = ConversationChain(llm=llm, memory=memory)Testen Sie die Konversationskette.
Führen Sie einige Interaktionen aus, um zu sehen, wie der Agent den Kontext behält.
print(conversation.run('Hallo, mein Name ist Max.'))
print(conversation.run('Was ist mein Name?'))