Zacznij terazZacznij za darmo

Korzystanie z pamięci grafu w rozmowie

Twój chatbot ma już dostęp do pamięci, więc możesz strumieniować jego odpowiedzi na pytania uzupełniające. Pytania kontynuacyjne nie wymagają dodatkowego kontekstu – chatbot ma dostęp do pełnej historii rozmowy przechowywanej w pamięci. Pytania zostały już dla ciebie przygotowane.

To ćwiczenie jest częścią kursu

Projektowanie systemów agentowych z LangChain

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz słownik config z kluczem "configurable", zawierający "thread_id" ustawiony na "single_session_memory".
  • Przeiteruj po każdym zdarzeniu event, wywołując metodę .stream() na graph i przekazując słownik z "messages" zawierającym user_input oznaczony jako "user" oraz słownik config.
  • Przeiteruj po event.values() przy użyciu zmiennej value i wypisz "Agent:", a następnie "messages", jeśli klucz ten istnieje w value i nie jest pusty.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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?")
Edytuj i uruchom kod