資料內容：
一、前言
在基于大模型的 Agent 中，長期記憶的狀態(tài)維護至關重要，在 OpenAI AI 應用研究主管 Lilian Weng 的
博客《基于大模型的 Agent 構成》[1]中，將記憶視為關鍵的組件之一，下面我將結合 LangChain 中的代
碼，8 種不同的記憶維護方式在不同場景中的應用。
二、Agent 如何獲取上下文對話信息？
2.1 獲取全量歷史對話
以一般客服場景為例
在電信公司的客服聊天機器人場景中，如果用戶在對話中先是詢問了賬單問題，接著又談到了網絡連接問
題，ConversationBufferMemory 可以用來記住整個與用戶的對話歷史，可以幫助 AI 在回答網絡問題時還
記得賬單問題的相關細節(jié)，從而提供更連貫的服務。
from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory()
memory.save_context({"input": "你好"}, {"output": "怎么了"})
variables = memory.load_memory_variables({})
