資料內(nèi)容：
一、前言
在基于大模型的 Agent 中，長期記憶的狀態(tài)維護(hù)至關(guān)重要，在 OpenAI AI 應(yīng)用研究主管 Lilian Weng 的
博客《基于大模型的 Agent 構(gòu)成》[1]中，將記憶視為關(guān)鍵的組件之一，下面我將結(jié)合 LangChain 中的代
碼，8 種不同的記憶維護(hù)方式在不同場景中的應(yīng)用。
二、Agent 如何獲取上下文對話信息？
2.1 獲取全量歷史對話
以一般客服場景為例
在電信公司的客服聊天機(jī)器人場景中，如果用戶在對話中先是詢問了賬單問題，接著又談到了網(wǎng)絡(luò)連接問
題，ConversationBufferMemory 可以用來記住整個(gè)與用戶的對話歷史，可以幫助 AI 在回答網(wǎng)絡(luò)問題時(shí)還
記得賬單問題的相關(guān)細(xì)節(jié)，從而提供更連貫的服務(wù)。
from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory()
memory.save_context({"input": "你好"}, {"output": "怎么了"})
variables = memory.load_memory_variables({})
