如何在LangChain的agent中记录对话历史

  在前两篇文章中，我分别实现了可以抓取并总结网页的agent和一个可以管理日程的agent，里面演示了基本agent创建和使用流程，也为agent添加了特殊的功能。但你仔细观察就会发现，我们的两个agent都是只支持单轮对话，也就是你之前和它说过什么，它不知道。 有些时候其实多轮对话的能力还是很重要的，比如在网页总结的agent中，如果它总结的格式不是我们想要的，我们就可以重新让他汇总整理下，显然这个功能在这里是不支持的。所以我们今天就来看下，如何让agent具备记忆的功能。

  LangChain在早期曾推迟过Memory模块，但Memory模块目前被官方标记为beta版本，说是并为这边好投入生产，而且也不支持最新的LCEL语法，但是ChatMessageHistory这个功能是个例外，它已经支持LCEL并且基本可以用在生产上了，所以我们今天说下如何使用ChatMessageHistory让我们的agent记录下对话历史，实现多轮对话。

  首先还是来创建基本的agent，这里我们就创建一个简单的对话agent，如果你想创建具备某些功能的复杂agent，可以参考我之前两篇实践文章 抓取并总结网页的agent，管理日程的agent。

from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
from langchain_core.runnables.history import RunnableWithMessageHistory,BaseChatMessageHistory
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_openai.chat_models import ChatOpenAI

llm = ChatOpenAI(model="gpt-3.5-turbo", max_tokens=4096)
prompt = ChatPromptTemplate.from_messages(
    [
        (
            "system",
            "你是一个智能聊天机器人，名字叫二狗，请用markdown格式回答任何问题",
        ),
        MessagesPlaceholder(variable_name="history"),  
        ("human", "{input}"),
    ]
)
chain = prompt | llm

  要注意的是，上面的prompt中必须要留下历史消息history的占位符，这样agent才能在每次调用llm的时候将历史消息传递过去。

  然后就是创建agent了，当然这里和普通的agent创是有区别的，需要通过RunnableWithMessageHistory()来创建，其中有个特殊的参数，就是需要传入一个能根据session_id获取历史信息的方法，这里我们就先用最简单纯内存的实现方式，完整的创建代码如下：

store = {}
def get_session_history(session_id: str) -> BaseChatMessageHistory:
    if session_id not in store:
        store[session_id] = ChatMessageHistory()
    return store[session_id]
    
with_message_history = RunnableWithMessageHistory(
    chain,
    get_session_history,
    input_messages_key="input",
    history_messages_key="history",
)

  当然调用的agent时候，也需要新增一个config参数。

res = with_message_history.invoke(
    {"input": "我刚说过什么？？"},
    config={"configurable": {"session_id": "你的session_id"}}   # 主要是用来不同的聊天上下文 
)
res

  其中ChatMessageHistory是最基本的聊天历史记录实现，LangChain也提供很多具备持久化能力的实现，比如基于Redis的RedisChatMessageHistory……，具体可以看下官方文档https://python.langchain.com/v0.1/docs/integrations/memory/。

完整示例代码我已经放在github https://github.com/xindoo/langchain-examples/blob/main/history.ipynb，后续其他LangChain相关实践我会第一时间更新到github上，有兴趣可以关注下。