CommencezCommencez gratuitement

Utiliser la mémoire du graphe pour la conversation

Maintenant que votre agent conversationnel a accès à une mémoire, vous pouvez diffuser ses réponses aux questions de suivi. Notez que vos questions de suivi n'auront pas besoin de contexte supplémentaire, puisque l'agent peut accéder à toute la conversation stockée dans sa mémoire. Les questions sont déjà préparées pour vous.

Cette activité fait partie du cours

Concevoir des systèmes agentiques avec LangChain

Voir le cours

Instructions de l’exercice

  • Créez un dictionnaire config avec "configurable", qui contient "thread_id" défini à "single_session_memory".
  • Parcourez chaque event du graphe en appelant la méthode .stream() sur graph, en lui passant un dictionnaire avec "messages" contenant le user_input étiqueté "user", ainsi que le dictionnaire config.
  • Parcourez event.values() avec value et affichez "Agent :" suivi de "messages" si ce champ existe dans value et n'est pas vide.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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?")
Modifier et exécuter le code