ComenzarEmpieza gratis

Utilizar la memoria gráfica para conversar

Ahora que tu chatbot tiene acceso a la memoria, puedes transmitir sus respuestas a preguntas de seguimiento. Ten en cuenta que tus preguntas de seguimiento no necesitarán contexto adicional, ya que el chatbot puede acceder a la conversación completa almacenada en su memoria. Las preguntas ya están preparadas para ti.

Este ejercicio forma parte del curso

Diseño de Sistemas Agenéticos con LangChain

Ver curso

Instrucciones del ejercicio

  • Crea un diccionario config con "configurable", que contenga "thread_id" ajustado a "single_session_memory".
  • Recorre en bucle cada gráfico event, aplicando el método .stream() a graph, pasando un diccionario con "messages" que contiene el user_input etiquetado "user" y el diccionario config.
  • Recorre event.values() con value e imprime "Agent:" seguido de "messages" si existe en value y no está vacío.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Set up a streaming function for a single user
def stream_memory_responses(user_input: str):
    ____ = {"____": {"____": "____"}}
    
    # Stream the events in the graph
    for ____ in graph.____({"messages": [("user", ____)]}, ____):
        
        # Return the agent's last response
        for ____ in event.____():
            if "messages" in ____ and value["____"]:
                print("Agent:", value["messages"])

stream_memory_responses("Tell me about the Eiffel Tower.")
stream_memory_responses("Who built it?")
Editar y ejecutar código