LangChain 记忆功能演示

这个项目演示了如何使用 LangChain 实现智能对话机器人的记忆功能，包括基础记忆类型、智能客服应用和现代 LangGraph 记忆管理。

1. 项目结构

code/
├── README.md                    # 项目说明文档
├── requirements.txt             # Python 依赖包
├── config.example.py           # 配置文件模板
├── config.py                   # 实际配置文件（需要创建）
├── llm_factory.py              # LLM 工厂类
├── basic_memory_examples.py     # 基础记忆类型演示
├── smart_customer_service.py    # 智能客服机器人
├── langgraph_memory_example.py  # LangGraph 记忆管理
└── main.py                     # 主运行脚本˝

2. 快速开始

2.1 安装依赖

# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate     # Windows

# 安装依赖
pip install -r requirements.txt

2.2 配置 LLM

2.2.1 方法一：使用配置文件（推荐）

# 复制配置模板
cp config.example.py config.py

# 编辑配置文件
vim config.py  # 或使用其他编辑器

在 config.py 中配置你的 LLM 设置：

# OpenAI 配置
OPENAI_API_KEY = "your-openai-api-key"
OPENAI_BASE_URL = "https://api.openai.com/v1"  # 或其他兼容的 API
OPENAI_MODEL = "gpt-3.5-turbo"

# MiniMax 配置
MINIMAX_API_KEY = "your-minimax-api-key"
MINIMAX_MODEL = "MiniMax-M2.7"

# 或本地模型配置
LOCAL_BASE_URL = "http://localhost:11434/v1"  # Ollama
LOCAL_MODEL = "llama2"

2.2.2 方法二：使用环境变量

# OpenAI
export OPENAI_API_KEY="your-openai-api-key"
export OPENAI_BASE_URL="https://api.openai.com/v1"
export OPENAI_MODEL="gpt-3.5-turbo"

# MiniMax
export MINIMAX_API_KEY="your-minimax-api-key"
export MINIMAX_MODEL="MiniMax-M2.7"

# 或本地模型
export LOCAL_BASE_URL="http://localhost:11434/v1"
export LOCAL_MODEL="llama2"

2.3 检查配置

python main.py --config-check

2.4 运行演示

# 基础记忆演示
python main.py --demo basic

# 智能客服演示
python main.py --demo customer

# LangGraph 记忆演示
python main.py --demo langgraph

# 运行所有演示
python main.py --demo all

# 交互式聊天
python main.py --interactive

3 功能说明

3.1 基础记忆类型演示 (`basic_memory_examples.py`)

演示四种核心记忆类型：

ConversationBufferMemory: 保存完整对话历史
ConversationSummaryMemory: 自动总结对话内容
ConversationBufferWindowMemory: 保持固定窗口大小的对话历史
ConversationSummaryBufferMemory: 结合缓冲和总结的混合策略

python main.py --demo basic

3.2 智能客服机器人 (`smart_customer_service.py`)

功能特性：

多用户会话管理
智能记忆类型选择
性能监控和统计
会话持久化存储
错误处理和恢复

python main.py --demo customer

3.3 LangGraph 记忆管理 (`langgraph_memory_example.py`)

现代记忆管理方案：

状态图管理
持久化记忆存储
自动记忆总结
跨会话记忆保持

python main.py --demo langgraph

3.4 交互式聊天

提供实时聊天界面：

python main.py --interactive

支持的命令：

quit / exit: 退出聊天
clear: 清除对话历史
summary: 查看对话摘要

4. 配置选项

4.1 LLM 配置

参数	说明	默认值
`OPENAI_API_KEY`	OpenAI API 密钥	None
`OPENAI_BASE_URL`	OpenAI API 基础URL	“https://api.openai.com/v1”
`OPENAI_MODEL`	OpenAI 模型名称	“gpt-3.5-turbo”
`MINIMAX_API_KEY`	MiniMax API 密钥	None
`MINIMAX_MODEL`	MiniMax 模型名称	“MiniMax-M2.7”
`LOCAL_BASE_URL`	本地模型 API URL	“http://localhost:11434/v1”
`LOCAL_MODEL`	本地模型名称	“llama2”

4.2 记忆配置

参数	说明	默认值
`MAX_HISTORY_LENGTH`	最大历史记录长度	20
`SUMMARY_THRESHOLD`	触发总结的消息数量	10
`WINDOW_SIZE`	窗口记忆大小	5
`MAX_TOKEN_LIMIT`	最大token限制	2000

4.3 性能配置

参数	说明	默认值
`TEMPERATURE`	模型温度	0.7
`MAX_TOKENS`	最大生成token数	1000
`REQUEST_TIMEOUT`	请求超时时间（秒）	30

5. 支持的 LLM 提供商

5.1 OpenAI

OPENAI_API_KEY = "sk-..."
OPENAI_BASE_URL = "https://api.openai.com/v1"
OPENAI_MODEL = "gpt-3.5-turbo"  # 或 gpt-4

5.2 MiniMax

MINIMAX_API_KEY = "your-minimax-api-key"
MINIMAX_MODEL = "MiniMax-M2.7"  # 或 MiniMax-M2.7-highspeed

MiniMax 提供 OpenAI 兼容的 API 接口，支持以下模型：

MiniMax-M2.7: 最新旗舰模型，1M 上下文窗口
MiniMax-M2.7-highspeed: 高速推理版本

更多信息请访问 MiniMax 开放平台。

5.3 本地模型 (Ollama)

# 安装 Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 下载模型
ollama pull llama2
ollama pull qwen:7b

# 启动服务
ollama serve

LOCAL_BASE_URL = "http://localhost:11434/v1"
LOCAL_MODEL = "llama2"  # 或 qwen:7b

5.4 其他兼容 OpenAI API 的服务

# 例如：vLLM, FastChat, LocalAI 等
OPENAI_BASE_URL = "http://your-server:8000/v1"
OPENAI_MODEL = "your-model-name"

6. 故障排除

6.1 常见问题

导入错误
```
pip install -r requirements.txt
```
配置验证失败
```
python main.py --config-check
```
LLM 连接失败
- 检查 API 密钥是否正确
- 检查网络连接
- 检查服务是否运行（本地模型）
记忆存储问题
- 检查文件权限
- 确保有足够的磁盘空间

6.2 调试模式

在代码中启用详细日志：

import logging
logging.basicConfig(level=logging.DEBUG)