ComeçarComece de graça

Uso da memória gráfica para conversação

Agora que o seu chatbot tem acesso à memória, você pode transmitir as respostas dele para as perguntas de acompanhamento. Observe que suas perguntas de acompanhamento não precisarão de contexto adicional, pois o chatbot pode acessar a conversa completa armazenada em sua memória. As perguntas já foram preparadas para você.

Este exercício faz parte do curso

Projetando sistemas agênticos com LangChain

Ver curso

Instruções do exercício

  • Crie um dicionário config com "configurable", contendo "thread_id" definido como "single_session_memory".
  • Faça um loop em cada gráfico event, aplicando o método .stream() a graph, passando um dicionário com "messages" contendo o user_input rotulado como "user" e o dicionário config.
  • Faça um loop em event.values() usando value e imprima "Agent:" seguido de "messages" se ele existir em value e não estiver vazio.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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 e executar o código