LangChain-KR项目：构建带历史记忆的对话系统技术解析

最新推荐文章于 2025-07-10 02:10:33 发布

原创最新推荐文章于 2025-07-10 02:10:33 发布 · 313 阅读

4 ·

CC 4.0 BY-SA版权

LangChain-KR项目：构建带历史记忆的对话系统技术解析

引言

在现代对话系统开发中，保持对话上下文的能力至关重要。本文将深入探讨如何在LangChain框架中构建具有历史记忆能力的对话系统，特别关注RAG(检索增强生成)与对话历史结合的实现方法。

核心概念解析

对话历史管理基础

LangChain提供了RunnableWithMessageHistory类，这是实现对话记忆功能的核心组件。它通过以下机制工作：

会话ID管理：每个对话会话都有唯一标识符
历史存储：使用ChatMessageHistory类保存对话记录
上下文注入：自动将历史对话注入到当前对话上下文中

关键技术组件

MessagesPlaceholder：在提示模板中为历史对话预留位置
BaseChatMessageHistory：对话历史存储的抽象基类
ChatMessageHistory：具体实现的消息历史存储类

基础实现：带记忆的简单对话链

1. 构建基础对话链

首先创建一个基本的问答对话链，关键是在提示模板中包含历史对话占位符：

prompt = ChatPromptTemplate.from_messages([
    ("system", "당신은 Question-Answering 챗봇입니다..."),
    MessagesPlaceholder(variable_name="chat_history"),  # 历史对话占位
    ("human", "#Question:\\n{question}")  # 用户问题输入
])

2. 添加历史记忆功能

通过RunnableWithMessageHistory包装基础链：

store = {}  # 会话存储字典

def get_session_history(session_id):
    if session_id not in store:
        store[session_id] = ChatMessageHistory()
    return store[session_id]

chain_with_history = RunnableWithMessageHistory(
    chain,
    get_session_history,
    input_messages_key="question",
    history_messages_key="chat_history"
)

3. 实际对话示例

# 第一次提问
response1 = chain_with_history.invoke(
    {"question": "나의 이름은 테디입니다."},
    config={"configurable": {"session_id": "abc123"}}
)

# 后续提问(系统记得名字)
response2 = chain_with_history.invoke(
    {"question": "내 이름이 뭐라고?"},
    config={"configurable": {"session_id": "abc123"}}
)

进阶实现：RAG与对话历史结合

1. 构建RAG基础链

在RAG系统中加入对话历史需要考虑：

文档检索与历史对话的协同
提示模板中合理分配上下文权重

prompt = PromptTemplate.from_template("""
You are an assistant for question-answering tasks...
#Previous Chat History:
{chat_history}  # 历史对话部分

#Question: 
{question}

#Context: 
{context}  # 检索到的文档上下文
""")

2. 完整RAG链结构

chain = ({
    "context": itemgetter("question") | retriever,
    "question": itemgetter("question"),
    "chat_history": itemgetter("chat_history")
} | prompt | llm | StrOutputParser())

3. 实际应用示例

# 首次提问(关于特定文档内容)
response1 = rag_with_history.invoke(
    {"question": "삼성전자가 만든 생성형 AI 이름은?"},
    config={"configurable": {"session_id": "rag123"}}
)

# 后续提问(基于之前对话)
response2 = rag_with_history.invoke(
    {"question": "이전 답변을 영어로 번역해주세요."},
    config={"configurable": {"session_id": "rag123"}}
)