为什么需要记忆？
LLM 本身是无状态的：每次 API 调用对模型来说都是全新对话，上一轮说了什么它完全不知道。

记忆系统解决的就是这个问题，核心流程只有三步：
1.对话前 ，从 Memory 中加载历史对话；
2.对话中 ，把历史 + 当前问题一起塞进 Prompt 发给 LLM；
3.对话后，把新一轮对话存回 Memory。

下面我们介绍一下Langchain各种记忆类型的使用方式：

一、ConversationBufferMemory

这个是最简单的应用方法，它会把所有的对话原文都保存下来，无损，但缺点就是随着对话的增加，将消耗大量的Token，容易超出模型上下文窗口限制，这种方式适合比较短、保留完整对话的场景（如律师咨询）；

代码示例：

新建一个“memory.ipynb”文件，同样，我们需要把上一章的模型加载部分代码搬过来，如下图：

点击运行；

新建一段代码，如下：

from langchain.memory import ConversationBufferMemory
from langchain import ConversationChain

#创建记忆系统
memory = ConversationBufferMemory()
conversation = ConversationChain(
    llm=chat,memory=memory)

conversation.predict(input="你好,我的名字叫小明,我是一名软件工程师,我想和你聊一聊人工智能的发展趋势。")

这里，conversation.predict(input="你好,我的名字叫小明,我是一名软件工程师,我想和你聊一聊人工智能的发展趋势。")，我们先发起了一段会话，点击运行；

然后再新建一段代码，模拟第二次会话：

conversation.predict(input="你是谁？")

点击运行；

再新建一段代码，模拟第三次会话：

conversation.predict(input="我是谁？我是什么职业？")

点击运行后，可以看到，模型记住了你的名字和职业。

二、ConversationBufferWindowMemory

这种存储机制，只会存储最近的K条对话记录（包括模型输出和用户输入的），K指的是窗口的大小，表示保留多少轮会话，当新的对话发生时，最旧的对话被移除窗口，确保内存和Token使用量保持在可控范围内；这种模式需要根据应用场景来权衡K值的大小，过小则导致会话丢失，信息不足，过大则失去了效率优势。

代码示例：

from langchain.memory import ConversationBufferWindowMemory
from langchain.chains import ConversationChain

#创建记忆系统
memory = ConversationBufferWindowMemory(k=1)
#会话
conversation = ConversationChain(llm=chat, memory=memory)

运行，k值你可以自己测试，然后就像ConversationBufferMemory会话那样，多开起几轮会话，如：

conversation.predict(input="你好,我的名字叫小明")

conversation.predict(input="你好,我是一名软件工程师")

conversation.predict(input="你好,我的名字叫什么？")

然后，你观察不同的k值，输出结果有何不同；

补充：

记忆系统的memory，会话完成后，如何查看之前的历史记录呢？或者我能否手动追加会话内容？

如下所示：

print(memory.buffer)
print(memory.load_memory_variables({}))

这两种方式都可以打印出之前的会话记录，再看下面，我们可以重新初始化一个memory，如下：

#增加会话上下文
memory = ConversationBufferWindowMemory(k=2)
memory.save_context({"input": "你好,我的名字叫小明"}, {"output": "你好,小明！很高兴认识你。"})
memory.chat_memory.add_user_message("你好,我是一名软件工程师")
memory.chat_memory.add_ai_message("你好,软件工程师！很高兴认识你。")
memory.save_context({"input": "你好,我的名字叫小明"}, {"output": "你好,小明！很高兴认识你。"})

这个时候调用打印历史记录的话，第一次对话：“你好,我的名字叫小明”，“你好,小明！很高兴认识你。”没有保存，因为我的k值取了2，所以它只保存后两轮对话，k值大于2，即可保存全部会话内容了。

三、ConversationTokenBufferMemory

这种存储机制，会根据Token的数量来限制存储对话历史，用户指定一个Token数，系统会保留不超过该限制的最近对话内容，当新对话的加入导致Token总数超过限制时，最早的对话记录会被自动移除，以保持总Token数在指定的范围内。这种模式依赖LLM的Token化规则，需要合理设置最大Token数。

代码示例：

进入自己的conda环境，执行安装命令：

 pip install transformers

from langchain.memory import ConversationTokenBufferMemory
from langchain.chains import ConversationChain

memory = ConversationTokenBufferMemory(llm = chat, max_token_limit=60)
#conversation = ConversationChain(llm=chat, memory=memory)
memory.save_context({"input": "你好,我的名字叫小明"}, {"output": "你好,小明！很高兴认识你。"})
memory.chat_memory.add_user_message("你好,我是一名软件工程师")
memory.chat_memory.add_ai_message("你好,软件工程师！很高兴认识你。")
memory.save_context({"input": "你好,我的名字叫小明"}, {"output": "你好,小明！很高兴认识你。"})
print(memory.buffer)

你可以自己设置max_token_limit的值，来测试打印的会话历史记录。

四、ConversationSummaryBufferMemory

这种存储机制是一种混合模式，结合了ConversationBufferMemory和ConversationSummaryMemory的优点；它通过总结早期对话并保留近期对话，保持上下文在Token限时内，同时尽量保留关键信息，这种机制通过智能压缩历史对话，减少Token消耗，同时仍能够提供长期上下文支持；它的缺点是：一是总结的准确性和完整性依赖于使用的LLM，如果总结遗漏关键信息，可能影响上下文连贯性，二是生成对话总结需要额外的LLM调用，增加计算成本和响应时间，它不适合只需要短会话的场景。

代码示例：

from langchain.memory import ConversationSummaryBufferMemory
from langchain.chains import ConversationChain


memory = ConversationSummaryBufferMemory(llm = chat, max_token_limit=20)
conversation = ConversationChain(llm=chat, memory=memory,verbose=True) #verbose=True表示打印出模型的输出结果
print(conversation.predict(input="你好,我的名字叫小明"))

和之前的示例相同，多开几个代码段执行：print(conversation.predict(input="输入会话内容"))，输出的标记System的部分，就是机器总结的。

好的，记忆模型就先介绍到这里，后面继续介绍Langchain的文本嵌入模型 ......