记忆 Memory

默认每次 model.invoke 都是「金鱼记忆」——不记得上一句。要让应用有连贯对话，需要 Memory（记忆） 组件在轮次间保存上下文。

1. BufferMemory：完整保留

最简单：把历史消息原样存起来，每次拼回提示词。

import { BufferMemory } from "langchain/memory";
import { ChatOpenAI } from "@langchain/openai";
import { ConversationChain } from "langchain/chains";
 
const memory = new BufferMemory();
const chain = new ConversationChain({
  llm: new ChatOpenAI({ model: "gpt-4o-mini" }),
  memory,
});
 
await chain.call({ input: "我叫小明。" });
const r = await chain.call({ input: "我刚才说我叫什么？" });
console.log(r.response); // 小明

ℹ️Token 会无限增长

BufferMemory 不做裁剪，聊得越久上下文越长，最终撞上窗口上限并烧钱。长对话务必用摘要式记忆。

2. ConversationSummaryMemory：摘要压缩

当历史过长时，自动把旧对话总结成一段摘要，既保留要点又省 Token：

import { ConversationSummaryMemory } from "langchain/memory";
import { ChatOpenAI } from "@langchain/openai";
 
const memory = new ConversationSummaryMemory({
  llm: new ChatOpenAI({ model: "gpt-4o-mini" }),
  memoryKey: "chat_history",
});
 
const chain = new ConversationChain({ llm, memory });
await chain.call({ input: "我是一名后端工程师，在用 Langchain.js 做客服机器人。" });
await chain.call({ input: "根据我的背景，推荐下一步学什么？" });

3. 在 LCEL 中用记忆

现代写法用 RunnableWithMessageHistory 把记忆挂到任意链上：

import { RunnableWithMessageHistory } from "@langchain/core/runnables";
import { ChatMessageHistory } from "langchain/stores/message/in_memory";
 
const store: Record<string, ChatMessageHistory> = {};
const withHistory = new RunnableWithMessageHistory({
  runnable: chain,
  getMessageHistory: async (sessionId) => {
    if (!store[sessionId]) store[sessionId] = new ChatMessageHistory();
    return store[sessionId];
  },
  inputMessagesKey: "input",
  historyMessagesKey: "history",
});
 
await withHistory.invoke(
  { input: "你好" },
  { configurable: { sessionId: "user-123" } }
);

💡用 sessionId 隔离用户

getMessageHistory 按 sessionId 返回不同历史，天然支持多用户并发对话，互不串台。

4. 选型对比

记忆类型	优点	缺点	适用
`BufferMemory`	零丢失、最简单	Token 无限涨	短对话 / 测试
`ConversationSummaryMemory`	省 Token	摘要可能丢细节	长对话
`BufferWindowMemory`	只留最近 N 轮	忘记更早上下文	固定窗口场景

⚠️记忆要持久化

示例用内存存储，进程重启即丢失。生产应把历史存到 Redis / 数据库，并以 sessionId 索引。

🎯练习

用 RunnableWithMessageHistory 写一个命令行多轮聊天，按 sessionId 区分两个「用户」，验证彼此历史不串。

小结

Memory 让对话跨轮次保持上下文
BufferMemory 全保留（Token 涨），ConversationSummaryMemory 摘要压缩
现代用 RunnableWithMessageHistory + sessionId 隔离多用户
生产记忆需持久化到外部存储
下章学习用回调观测每一步 →