【LangChain】P6 对话记忆完全指南：从原理到实战（中）

本篇博文为 【LangChain】系列第五篇博文 —— 对话记忆完全指南：从原理到实战（上）的第二篇博文。如无法衔接，请访问 【LangChain】P5 对话记忆完全指南：从原理到实战（上）

第四部分：实战案例 - 构建智能客服机器人

4.1 需求分析

假设我们要为一家酒店开发客服机器人，需求如下：

功能需求：

✅ 记住客户的姓名、房间号等信息
✅ 理解多轮对话的上下文关联
✅ 支持多个客户同时咨询（会话隔离）
✅ 对话历史持久化（程序重启后仍可继续）

非功能需求：

• 响应速度快（控制 token 消耗）
• 对话质量高（不能答非所问）
• 可追溯（记录所有对话以便分析）

4.2 核心实现：多用户会话管理

from langchain_core.messages import SystemMessage, HumanMessage, AIMessage
from typing import Dict, Listclass HotelServiceBot:"""酒店客服机器人 - 支持多用户并发"""def __init__(self, llm):self.llm = llmself.sessions: Dict[str, List] = {}  # 存储每个用户的会话# 定义客服的系统提示self.system_prompt = """你是【悦居酒店】的智能客服助手"小悦"。你的职责：
1. 热情、专业地解答客人的问题
2. 记住客人提供的重要信息（姓名、房间号、需求等）
3. 主动提供帮助建议
4. 对于设施故障等问题，及时安排处理回复风格：
- 亲切有礼，但不过度热情
- 简洁明了，避免长篇大论
- 遇到无法解决的问题，及时转人工重要提示：
- 客人的房间号格式为 XXX（三位数字）
- 工程维修通常 15-30 分钟到达
- 前台电话：8888"""def get_or_create_session(self, user_id: str) -> List:"""获取或创建用户会话设计要点：- 每个用户有独立的消息历史- 首次访问时自动创建会话- 会话包含系统提示 + 对话历史"""if user_id not in self.sessions:self.sessions[user_id] = [SystemMessage(content=self.system_prompt)]print(f"[系统] 为用户 {user_id} 创建新会话")return self.sessions[user_id]def chat(self, user_id: str, message: str) -> str:"""处理用户消息流程：1. 获取该用户的历史记录2. 添加新消息3. 调用模型4. 保存回复5. 管理历史长度"""# 获取用户的会话历史messages = self.get_or_create_session(user_id)# 添加用户消息messages.append(HumanMessage(content=message))# 调用模型生成回复response = self.llm.invoke(messages)# 保存 AI 回复messages.append(AIMessage(content=response.content))# 控制历史长度（避免 token 超限）self._trim_history(user_id, max_turns=10)return response.contentdef _trim_history(self, user_id: str, max_turns: int = 10):"""修剪单个用户的对话历史"""messages = self.sessions[user_id]# 分离系统消息和对话system_msg = [m for m in messages if isinstance(m, SystemMessage)]conversation = [m for m in messages if not isinstance(m, SystemMessage)]# 只保留最近 N 轮if len(conversation) > max_turns * 2:conversation = conversation[-(max_turns * 2):]print(f"[系统] 用户 {user_id} 的历史已修剪")self.sessions[user_id] = system_msg + conversationdef get_history(self, user_id: str) -> List:"""获取用户的对话历史"""return self.get_or_create_session(user_id)def clear_session(self, user_id: str):"""清空用户会话"""if user_id in self.sessions:del self.sessions[user_id]print(f"[系统] 用户 {user_id} 的会话已清空")def get_active_users(self) -> List[str]:"""获取当前活跃用户列表"""return list(self.sessions.keys())

4.3 完整的使用示例

# 创建机器人实例
bot = HotelServiceBot(chat_model)print("=" * 50)
print("    悦居酒店智能客服系统启动")
print("=" * 50)# ===== 用户A的对话 =====
print("\n【客人A上线】")
print("-" * 50)response1 = bot.chat("user_a", "你好，我是 301 房间的客人，我叫李明")
print(f"小悦: {response1}")response2 = bot.chat("user_a", "我房间的空调不制冷，能帮我看看吗？")
print(f"小悦: {response2}")response3 = bot.chat("user_a", "大概多久能来？对了，你还记得我是哪个房间的吗？")
print(f"小悦: {response3}")# ===== 用户B的对话（同时进行）=====
print("\n【客人B上线】")
print("-" * 50)response4 = bot.chat("user_b", "你好，我是 505 房间的客人")
print(f"小悦: {response4}")response5 = bot.chat("user_b", "附近有什么好吃的餐厅推荐吗？")
print(f"小悦: {response5}")# ===== 验证会话隔离 =====
print("\n【系统检查】")
print("-" * 50)
# 验证用户A的信息没有泄露给用户B
response6 = bot.chat("user_b", "李明是谁？")
print(f"小悦（对B）: {response6}")
# 验证用户A仍然能被记住
response7 = bot.chat("user_a", "我想换个房间，可以吗？")
print(f"小悦（对A）: {response7}")# ===== 查看系统状态 =====
print("\n【系统统计】")
print("=" * 50)
print(f"当前活跃用户: {bot.get_active_users()}")
print(f"用户A的对话轮数: {len([m for m in bot.get_history('user_a') if not isinstance(m, SystemMessage)]) // 2}")
print(f"用户B的对话轮数: {len([m for m in bot.get_history('user_b') if not isinstance(m, SystemMessage)]) // 2}")# ===== 查看详细历史 =====
print("\n【用户A的完整对话历史】")
print("-" * 50)
for i, msg in enumerate(bot.get_history('user_a'), 1):role = "系统" if isinstance(msg, SystemMessage) else ("客人" if isinstance(msg, HumanMessage) else "小悦")content = msg.content[:60] + "..." if len(msg.content) > 60 else msg.contentprint(f"{i}. {role}: {content}")

运行效果示例展示：

==================================================悦居酒店智能客服系统启动
==================================================【客人A上线】
--------------------------------------------------
[系统] 为用户 user_a 创建新会话
小悦: 您好，李先生！很高兴为您服务。请问有什么可以帮您的吗？
小悦: 好的李先生，我马上为您安排工程维修。维修师傅会在15-30分钟内到301房间检查空调。请问您方便在房间等候吗？
小悦: 当然记得，您是301房间的李先生。维修师傅会在15-30分钟内到达，请您稍等片刻。需要我帮您催一下进度吗？【客人B上线】
--------------------------------------------------
[系统] 为用户 user_b 创建新会话
小悦: 您好！很高兴为您服务。请问有什么可以帮您的吗？
小悦: 当然！酒店附近有几家不错的餐厅：- **悦居中餐厅**（酒店2楼）：主打粤菜和本地特色，环境优雅  
- **星光西餐吧**（步行5分钟）：牛排和意面很受欢迎  
- **巷子小馆**（步行8分钟）：性价比高的本地小吃  需要我帮您预订座位或提供具体路线吗？【系统检查】
--------------------------------------------------
小悦（对B）: 抱歉，我无法查询到酒店客人或员工的个人信息。如果您需要联系特定客人或工作人员，建议您联系前台（电话：8888），他们会为您提供帮助。
小悦（对A）: 李先生，我理解您想换房间的需求。由于换房需要前台协调，我建议您：1. 先让师傅检查空调情况
2. 如需换房，可拨打前台电话8888直接沟通需要我帮您转接前台吗？【系统统计】
==================================================
当前活跃用户: ['user_a', 'user_b']
用户A的对话轮数: 4
用户B的对话轮数: 3【用户A的完整对话历史】
--------------------------------------------------
1. 系统: 你是【悦居酒店】的智能客服助手"小悦"。你的职责：
1. 热情、专业地解答客人的问题
2. 记住客人提供的重要信息（...
2. 客人: 你好，我是 301 房间的客人，我叫李明
3. 小悦: 您好，李先生！很高兴为您服务。请问有什么可以帮您的吗？
4. 客人: 我房间的空调不制冷，能帮我看看吗？
5. 小悦: 好的李先生，我马上为您安排工程维修。维修师傅会在15-30分钟内到301房间检查空调。请问您方便在房间等候吗？
6. 客人: 大概多久能来？对了，你还记得我是哪个房间的吗？
7. 小悦: 当然记得，您是301房间的李先生。维修师傅会在15-30分钟内到达，请您稍等片刻。需要我帮您催一下进度吗？
8. 客人: 我想换个房间，可以吗？
9. 小悦: 李先生，我理解您想换房间的需求。由于换房需要前台协调，我建议您：1. 先让师傅检查空调情况
2. 如需换房，可拨打前...

4.4 功能亮点分析

让我们分析这个客服机器人的设计亮点：

亮点 1：完美的会话隔离

# 数据结构设计
self.sessions = {"user_a": [SystemMessage(...), HumanMessage(...), AIMessage(...)],"user_b": [SystemMessage(...), HumanMessage(...), AIMessage(...)],"user_c": [...]
}

为什么这样设计？

• 每个用户有独立的"记忆空间"
• 用户A的信息不会泄露给用户B
• 支持大量用户并发使用

类比理解： 就像医院的病历系统，每个病人有独立的病历档案，医生不会把张三的病情记到李四的档案里。

亮点 2：智能的系统提示

self.system_prompt = """你是【悦居酒店】的智能客服助手"小悦"。你的职责：
1. 热情、专业地解答客人的问题
2. 记住客人提供的重要信息（姓名、房间号、需求等）
...

系统提示的作用：

作用	说明	示例
定义角色	告诉 AI 它是谁	“你是酒店客服” vs “你是医生”
设定规则	约束 AI 的行为	“记住客人信息”、“及时转人工”
统一风格	保持回复一致性	“亲切有礼，简洁明了”
提供知识	补充背景信息	“前台电话8888”

亮点 3：动态历史管理

def _trim_history(self, user_id: str, max_turns: int = 10):# 只保留最近 10 轮对话if len(conversation) > max_turns * 2:conversation = conversation[-(max_turns * 2):]

为什么要限制历史长度？

问题场景：

第 1 轮：客人问早餐时间
第 2 轮：客人问 WiFi 密码
...
第 50 轮：客人问洗衣服务如果保留所有 50 轮对话：
- Token 消耗：~5000 tokens（约 $0.01/次）
- 响应时间：~3 秒
- 信息噪音：前 40 轮的内容可能已经不相关

解决方案：

只保留最近 10 轮：
- Token 消耗：~1000 tokens（节省 80%）
- 响应时间：~1 秒（快 3 倍）
- 信息质量：更聚焦当前话题

---

本篇博文为 【LangChain】系列，对话记忆完全指南：从原理到实战 的第二篇文章，围绕一个简答的酒店服务示例展开。第三部分（下）部分内容将对这个示例进一步展开，讨论进一步优化的方案。

2025.10.01 祖国母亲节日快乐！祝愿我的大家庭一直幸福，顺利！

中国·吉林长春