歌词滚动姬：3分钟学会制作专业LRC歌词的完整教程
2026/4/30 10:06:07
一、LangChain Memory 核心概念详解
LangChain 的Memory（记忆系统）是让 Agent / 聊天机器人实现多轮对话、上下文理解、经验复用的核心模块，它解决了大模型「单轮对话、上下文窗口有限、跨会话失忆」的三大核心缺陷。
1. 什么是 LangChain Memory？
简单来说，Memory 是 LangChain 中存储和管理对话历史、中间结果、用户偏好的模块，它能把之前的对话内容自动注入到当前的 LLM 上下文中，让 LLM 知道「之前聊了什么」，从而实现连贯的多轮对话。
2. 短期记忆 vs 长期记忆（核心区别）
LangChain 的 Memory 分为两大类，对应人类的记忆模式：
| 对比维度 | 短期记忆（Short-term Memory） | 长期记忆（Long-term Memory） |
|---|---|---|
| 核心定义 | 存储当前会话的对话历史、中间结果，会话结束就清空 | 存储跨会话的用户偏好、历史经验、知识库，永久保存 |
| 存储载体 | 内存（InMemoryChatMessageHistory）、会话变量 | 向量数据库（Chroma/Pinecone）、本地文件、数据库 |
| 核心作用 | 实现当前会话的多轮对话，让 LLM 记住「刚才聊了什么」 | 实现跨会话的经验复用，让 LLM 记住「用户喜欢什么、之前做过什么」 |
| 上下文窗口 | 受 LLM 上下文窗口限制（比如 doubao-pro-32k 是 32k token） | 不受上下文窗口限制，通过向量检索召回相关信息 |
| 典型应用 | 日常聊天机器人、多轮问答、当前任务的执行轨迹 | 个人助理、RAG 知识库、历史任务经验复用 |
3. LangChain 1.0+ Memory 核心类（必须掌握）
LangChain 1.0+ 对 Memory 进行了全面重构，废弃了旧的ConversationBufferMemory等类，现在的核心类都在langchain_core包里：
表格
| 类名 | 作用 | 说明 |
|---|---|---|
BaseChatMessageHistory | 记忆的抽象基类 | 定义了记忆的基本接口（添加消息、获取消息、清空消息） |
InMemoryChatMessageHistory | 短期记忆的默认实现 | 把对话历史存储在内存里，会话结束就清空，适合当前会话的多轮对话 |
RunnableWithMessageHistory | 给 Chain/Agent 加上记忆的核心类 | 把普通的 Chain/Agent 和记忆管理结合起来，自动处理对话历史的注入和存储 |
二、实战：给聊天机器人添加短期记忆
下面是一份完全兼容 LangChain 1.0+ 最新版本的代码，实现了一个带短期记忆的聊天机器人，能记住当前会话的所有对话内容，支持多轮连贯对话。
1. 完整可运行代码
# LangChain的 Memory核心类 import os from dotenv import load_dotenv # ===================== 1. 需要导入的模块 ================================ from langchain_openai import ChatOpenAI from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain_core.chat_history import BaseChatMessageHistory, InMemoryChatMessageHistory from langchain_core.output_parsers import StrOutputParser from langchain_core.runnables.history import RunnableWithMessageHistory from 学习langchain架构.自定义搜索工具super import chain_with_history load_dotenv() # ===================== 2. LLM ======================================== llm = ChatOpenAI( api_key=os.getenv("QWEN_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", model='qwen3-max', # 必须用 pro模型，支持工具调用 temperature=0.1 ) # ===================== 3. prompt ==================================== prompt = ChatPromptTemplate([ ("system", """你是一个友好、耐心、自然的日常聊天助手，擅长倾听用户需求，陪用户轻松聊天。 核心规则： 1. 必须记住用户之前提到的所有信息（姓名、喜好、需求），后续对话主动呼应 2. 语气亲切自然，不使用书面化套话、不生硬、不啰嗦 3. 不确定的内容，明确说"我不确定哦"，不猜测、不编造 4. 纯文本回答，不使用特殊格式 """), # ✅️核心：对话历史占位符，名字必须和后面 RunnabelWithMessageHistory 里的一致 MessagesPlaceholder(variable_name="chat_history"), ("user","{input}") ]) # ===================== 4. 短期记忆管理 =================================== # 用字典存储不同会话的历史（支持多用户隔离） store = {} def get_session_history(session_id: str) -> BaseChatMessageHistory: """ 根据会话ID获取对应的对话历史 :param session_id: 会话ID，区分不同用户/不同对话 :return: 对话历史对象 """ if session_id not in store: # 如果会话id不存在 创建一个新的短期记忆对象 store[session_id] = InMemoryChatMessageHistory() return store[session_id] # ===================== 5. 构建带短期记忆的chain ============================ # 第一步： 构建基础链（提示词 -> LLM -> 字符串输出解析器） base_chain = prompt | llm | StrOutputParser() # 第二步： 给基础链加上短期记忆（核心类 RunnabelWithMessageHistory） chain_with_memory = RunnableWithMessageHistory( base_chain, # 记忆的基础链 get_session_history, # 记忆获取函数 input_messages_key="input", history_messages_key="chat_history" ) # ===================== 6. 聊天主程序 ================================== def main(): print("==== LangChain带短期记忆的聊天机器人========") print(" 输入 'q' 退出， 输入 'clear' 清空当前会话的记忆") # 会话ID 这里固定位user_001, 多用户场景可以用用户id替换 session_id = "user_001" while True: user_input = input("你：").strip() if user_input.lower() == "q": print("🤖 再见！ 下次再聊~") break if user_input.lower() == "clear": if session_id in store: store[session_id].clear() print("当前会话的记忆已清空！") continue # 输入空时跳过 if not user_input: continue # 调用带记忆的chain response = chain_with_memory.invoke( {"input": user_input}, config={"configurable":{"session_id":session_id}}, # 必须传入会话id ) print(f'🤖：{response} \n') if __name__ == "__main__": main()2. 代码核心部分详解（重点是 Memory）
（1）提示词模板里的MessagesPlaceholder
这是实现短期记忆的第一个关键点，你必须在提示词模板里加一个MessagesPlaceholder，名字叫chat_history，它的作用是「把之前的对话历史自动插入到这里」。
prompt = ChatPromptTemplate.from_messages([ ("system", "..."), # ✅ 必须加这个占位符，名字要和后面一致 MessagesPlaceholder(variable_name="chat_history"), ("user", "{input}"), ])（2）记忆管理函数get_session_history
这是实现短期记忆的第二个关键点，它的作用是「根据会话 ID 返回对应的对话历史对象」，支持多用户隔离。
store = {} # 用字典存储不同会话的历史 def get_session_history(session_id: str) -> BaseChatMessageHistory: if session_id not in store: store[session_id] = InMemoryChatMessageHistory() # 短期记忆存在内存里 return store[session_id]（3）给 Chain 加记忆的RunnableWithMessageHistory
这是实现短期记忆的第三个关键点，它把普通的 Chain 和记忆管理结合起来，自动处理「对话历史的存储」和「对话历史的注入」。
chain_with_memory = RunnableWithMessageHistory( base_chain, get_session_history, input_messages_key="input", # 用户输入的键名 history_messages_key="chat_history", # 对话历史的键名（和占位符一致） )（4）调用时必须传入session_id
调用带记忆的 Chain 时，必须通过config参数传入session_id，它的作用是「告诉 Memory 系统，当前是哪个会话」。
response = chain_with_memory.invoke( {"input": user_input}, config={"configurable": {"session_id": session_id}} # 必须传 )三、运行效果演示
==== LangChain带短期记忆的聊天机器人======== 输入 'q' 退出， 输入 'clear' 清空当前会话的记忆 你：你好，我叫小明，我喜欢打篮球 🤖：嗨，小明！很高兴认识你～听说你喜欢打篮球，太棒啦！我也超爱看大家打球的。你平时是喜欢自己练还是和朋友一起打呀？ 你：我喜欢什么？ 🤖：你喜欢打篮球呀！刚刚你告诉我的，记得吗？😄 你：我叫什么名字？ 🤖：你叫小明！我可记着呢～ 你：clear 当前会话的记忆已清空！ 你：我叫什么名字？我喜欢什么？ 🤖：哎呀，我还不知道你的名字呢！也还没听你说过你喜欢什么～ 不过没关系，现在告诉我就好啦！你叫什么名字？平时喜欢做些什么？ 你：q 🤖 再见！ 下次再聊~四、总结与扩展
1. 短期记忆核心要点
MessagesPlaceholder：提示词里必须加，用来插入对话历史get_session_history：记忆管理函数，根据会话 ID 返回历史RunnableWithMessageHistory：给 Chain/Agent 加记忆的核心类session_id：调用时必须传，用来区分不同会话