Kom igångKom igång gratis

Använda grafminne för konversation

Nu när din chatbot har tillgång till minne kan du strömma dess svar på uppföljningsfrågor. Observera att uppföljningsfrågorna inte behöver något extra sammanhang, eftersom chatboten kan komma åt hela konversationen som lagrats i minnet. Frågorna har redan ställts in åt dig.

Den här övningen är en del av kursen

Designa agentbaserade system med LangChain

Visa kurs

Övningsinstruktioner

  • Skapa ett config-ordboksobjekt med "configurable", där "thread_id" är satt till "single_session_memory".
  • Iterera genom varje graf-event genom att använda metoden .stream() på graph, och skicka ett ordboksobjekt med "messages" innehållande user_input märkt som "user" samt config-ordboksobjektet.
  • Iterera genom event.values() med hjälp av value och skriv ut "Agent:" följt av "messages" om det finns i value och inte är tomt.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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?")
Redigera och kör kod