本文详细讲解如何使用 LangChain 中的 Memory 模块，构建支持“上下文记忆”的多轮问答系统。你将学习如何结合向量检索（RAG）、Memory 缓存、提示模板，实现一个能“记住你上句话”的智能问答助手，适用于客服机器人、企业知识库、助手应用等场景。
📘 目录
- 多轮对话系统的挑战与需求
- LangChain Memory 模块原理图解
- 技术准备：依赖安装与模型配置
- 构建基础 Memory 示例
- Memory + 检索器（RAG）集成实战
- 自定义 Memory 类型：Token Buffer vs ConversationBuffer
- 对话效果演示与代码解读
- 最佳实践与性能建议
- 总结与拓展方向
1. 多轮对话系统的挑战与需求
❓为什么 Memory 重要？
多轮对话需要“上下文保持”：
- 用户说：“北京社保多少钱？”
- 接着又说：“那上海呢？”
- 系统要“记得”之前问的是“社保”话题。
👇 常见痛点：
| 问题 | 说明 |
|---|---|
| 无上下文记忆 | 每次都是独立问答，无法理解“他/她/那个” |
| 上下文串联逻辑复杂 | 用户可能跳跃话题、回溯 |
| Token 长度限制 | 整段上下文拼接太长会触发截断 |
2. LangChain Memory 模块原理图解
+------------------------+
| 用户当前输入 UserInput |
+------------------------+
|
v
+-----------------------------+
| Memory（历史对话） |
| - ConversationBufferMemory |
+-----------------------------+
|
v
+--------------------------------------------------+
| Prompt 模板（含历史上下文 + 当前问题） |
+--------------------------------------------------+
|
v
[调用 LLM 生成回答]
|
v
+------------------------+
| 输出当前回答 ChatReply |
+------------------------+
|
v
[追加到 Memory，形成对话历史]3. 技术准备：依赖安装与模型配置
安装 LangChain 与模型支持库
pip install langchain openai（也可使用本地模型如 ChatGLM / Qwen / llama-cpp）
设置 OpenAI 环境变量（如使用 ChatGPT）
export OPENAI_API_KEY=your-key4. 构建基础 Memory 示例
from langchain.chat_models import ChatOpenAI
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain
llm = ChatOpenAI(temperature=0)
memory = ConversationBufferMemory()
conversation = ConversationChain(
llm=llm,
memory=memory,
verbose=True
)
# 多轮对话测试
conversation.predict(input="我想了解2024年北京社保政策")
conversation.predict(input="上海的呢？")输出结果：
> 记住了“北京社保”
> 接着问“上海的呢”能自动理解是“上海的社保”5. Memory + 检索器（RAG）集成实战
结合向量检索（如 Elasticsearch）与 Memory，可以实现智能问答 + 记忆系统：
from langchain.vectorstores import ElasticsearchStore
from langchain.embeddings import HuggingFaceEmbeddings
from langchain.chains import ConversationalRetrievalChain
embedding = HuggingFaceEmbeddings(model_name="BAAI/bge-base-zh")
vectorstore = ElasticsearchStore(
es_url="http://localhost:9200",
index_name="rag_docs",
embedding=embedding
)
retriever = vectorstore.as_retriever(search_kwargs={"k": 5})
memory = ConversationBufferMemory(
memory_key="chat_history",
return_messages=True
)
llm = ChatOpenAI(temperature=0)
qa = ConversationalRetrievalChain.from_llm(
llm=llm,
retriever=retriever,
memory=memory,
verbose=True
)
qa.run("我想了解2024年北京的社保基数")
qa.run("那上海是多少？")6. 自定义 Memory 类型对比
| 类型 | 说明 | 适合场景 |
|---|---|---|
ConversationBufferMemory | 默认内存，保存全对话 | 小对话场景 |
ConversationSummaryMemory | 用 LLM 压缩摘要历史 | 长对话、总结式 |
ConversationTokenBufferMemory | 限定 token 数上下文 | 控制上下文长度 |
ConversationKGMemory | 知识图谱存储实体 | 多实体复杂问答 |
示例：Token Buffer 限定上下文
from langchain.memory import ConversationTokenBufferMemory
memory = ConversationTokenBufferMemory(
llm=llm,
max_token_limit=800
)7. 对话效果演示与代码解读
输入：
用户：我想问一下北京2024年社保缴费标准？
用户：上海的呢？
用户：那我需要每月交多少钱？实际 Prompt 拼接内容：
历史对话：
Human: 我想问一下北京2024年社保缴费标准？
AI: 北京的社保缴费基数上限为xxx...
Human: 上海的呢？
AI: 上海的缴费上限为xxx...
Human: 那我需要每月交多少钱？→ LLM 能精准定位上下文“社保”话题，并跨轮整合知识。
8. 最佳实践与性能建议
| 建议 | 描述 |
|---|---|
| 控制上下文长度 | 使用 Token Buffer Memory 限制 LLM 输入 |
| 长对话摘要 | ConversationSummaryMemory 自动摘要 |
| 本地部署 | 搭配 ChatGLM、Qwen 等本地模型可离线部署 |
| 日志记录 | 结合 Streamlit 或 FastAPI 可实时展示对话 |
| 可视化调试 | 使用 verbose=True 查看 Prompt 合成 |
9. 总结与拓展方向
| 模块 | 使用说明 |
|---|---|
| LLM | ChatOpenAI / Qwen / llama-cpp |
| Memory | ConversationBufferMemory / TokenBuffer |
| 检索器 | Elasticsearch / FAISS 向量库 |
| 业务逻辑 | 结合 Chain 实现提问 + 回答 + 历史记忆 |
拓展方向：
- 多轮对话 RAG + 文档总结
- Memory + Agent 智能工具链
- 聊天机器人 WebUI + 用户会话日志持久化