admin管理员组

文章数量:1530518

实现思路
  1. 使用LangChain的ConversationChain实现对话记忆
  2. 使用streamlit作为前端交互
实现代码
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain_community.chat_models import ChatTongyi
import streamlit as st

st.set_page_config(page_title="Conversation Streamlit App")
st.title('Conversation Streamlit App')

# 实例化一个memory
memory = ConversationBufferMemory(memory_key="chat_history")

# 创建一个大模型
llm = ChatTongyi()

# 初始化history
if 'chat_history' not in st.session_state:
    st.session_state['chat_history'] = ConversationBufferMemory()

# 创建一个专用对话链
conversation = ConversationChain(
    llm=llm,
    memory=st.session_state['chat_history'],
)

# 加载历史对话消息
for msg in conversation.memory.chat_memory.messages:
    st.chat_message(msg.type).write(msg.content)

if user_input := st.chat_input(placeholder="请输入问题"):
    st.chat_message("user").write(user_input)
    ai_response = conversation.invoke(user_input)
    st.chat_message("ai").write(ai_response["response"])

本文标签： 记忆ConversationChain

版权声明：本文标题：基于ConversationChain实现带记忆的对话应用 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/xitong/1725457914a1024424.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。