admin管理员组文章数量:1566990
实现思路
- 使用LangChain的ConversationChain实现对话记忆
- 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://www.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。
发表评论