开源模型应用落地-LangChain高阶-记忆组件-ConversationTokenBufferMemory正确使用（七）

一、前言

    LangChain 的记忆组件发挥着至关重要的作用，其旨在协助大语言模型（LLM）有效地留存历史对话信息。通过这一功能，使得大语言模型在对话过程中能够更出色地维持上下文的连贯性和一致性，进而能够像人类的记忆运作方式那样，进行更为自然、流畅且智能化的交互。

    它仿佛是为大语言模型赋予了一种类似人类记忆的能力，让其在处理对话时，不仅能够清晰地记住之前交流的内容，还能依据这些历史信息做出更贴合语境、更富有逻辑和更具有针对性的回应，极大地提升了交互的质量和效果。

    本篇学习如何正确使用ConversationTokenBufferMemory组件。

二、术语

2.1.记忆组件

    记忆组件是一种用于帮助大语言模型（LLM）记住历史对话信息的工具。大语言模型本身是无状态的，不会记住之前的对话内容，而记忆组件通过存储和管理历史对话的相关信息，让 LLM 在对话中能够更好地保持上下文，从而进行更自然和智能的交互。

2.2.ConversationTokenBufferMemory

     是一种用于处理对话记忆的工具。在与语言模型的交互中，为了实现更流畅和连贯的对话，需要对对话历史进行有效的管理和存储。

    ConversationTokenBufferMemory 组件的主要特点是可以指定记忆的 token 数量。由于语言模型通常存在最大 token 数限制，并且是按 token 数计费的，因此这种基于 token 数量的控制具有很强的实用性。

    例如，当设置了特定的 token 数量限制后，组件会根据这个限制来管理和存储对话历史。如果超出了限制，可能会采