开源模型应用落地-LangChain高阶-记忆组件-ConversationBufferMemory正确使用（一）_conversationbuffermemory 如何使用

一、前言

    LangChain 的记忆组件发挥着至关重要的作用，其旨在协助大语言模型（LLM）有效地留存历史对话信息。通过这一功能，使得大语言模型在对话过程中能够更出色地维持上下文的连贯性和一致性，进而能够像人类的记忆运作方式那样，进行更为自然、流畅且智能化的交互。

    它仿佛是为大语言模型赋予了一种类似人类记忆的能力，让其在处理对话时，不仅能够清晰地记住之前交流的内容，还能依据这些历史信息做出更贴合语境、更富有逻辑和更具有针对性的回应，极大地提升了交互的质量和效果。

    本篇学习如何正确使用ConversationBufferMemory组件。

二、术语

2.1.记忆组件

    记忆组件是一种用于帮助大语言模型（LLM）记住历史对话信息的工具。大语言模型本身是无状态的，不会记住之前的对话内容，而记忆组件通过存储和管理历史对话的相关信息，让 LLM 在对话中能够更好地保持上下文，从而进行更自然和智能的交互。

2.2.ConversationBufferMemory

    存储对话的所有消息，并能将这些消息抽取到一个变量中。它会如实记录所有历史消息，但随着对话延长，所需存储量会增大，向 LLM 发送的 token 成本也可能增加。

2.3.load_memory_variables方法

    用于获取当前存储在该记忆组件中的对话历史信息。通过调用这个方法，可以以特定的格式返回之前保存的对话内容。默认情况下，它可能会返回一个包含对话历史的变量字典，其中有一个名为"history"的变量存