要使用 LangChain 构建带有上下文的对话代理，主要利用其内存管理组件。LangChain 提供了存储和检索过往交互的工具，使代理能够在多轮对话中保持上下文。这通过诸如 ConversationBufferMemory 或 ConversationBufferWindowMemory 等内存类实现，这些类保留了之前的用户输入、代理响应或其他元数据。例如，ConversationBufferMemory 将整个对话历史存储为一个列表，而 ConversationBufferWindowMemory 只保留最近的几轮交互以避免过载。要使用它，需要初始化内存对象，将其集成到您的代理或链中，并确保在每次交互后进行更新。然后将内存注入到提示模板中，以便在生成响应时为代理提供完整的对话历史记录。
实现这一点涉及三个关键步骤。首先，定义内存组件，例如 memory = ConversationBufferMemory()。接下来，创建一个代理或链（例如 ConversationChain）并将内存对象传递给它。例如，agent = initialize_agent(tools, llm, memory=memory)。在交互过程中，当您调用 agent.run("user input") 时，内存会自动更新。代理的提示模板将当前输入与存储的上下文结合起来，生成上下文感知的回复。例如，如果用户问“东京的天气怎么样？”，然后问“明天呢？”，代理会使用存储的“东京”上下文推断第二个查询指的是东京的天气。如果没有明确的内存处理，每个查询都会被孤立对待，导致对话支离破碎。
最佳实践包括平衡上下文保留和性能。存储过多的历史记录可能导致提示过长、成本增加和响应变慢。为了缓解这种情况，可以使用 ConversationBufferWindowMemory 将历史记录限制在最近的 k 轮交互，或者实现摘要功能。例如，ConversationSummaryMemory 将过去的交互浓缩成简洁的摘要。此外，对输入进行清理以避免存储敏感数据，并测试突然改变话题等边缘情况。例如，如果用户从讨论天气切换到预订航班，代理应该重置或过滤掉不相关的上下文。通过根据您的用例定制内存策略——例如针对 Web 应用的基于会话的存储或针对长期交互的持久性数据库——您可以高效地构建稳健、上下文感知的代理。