LangChain内存类型简介
如果你曾经使用过OpenAI API，我相信你一定注意到了一个问题。
<p明白了吗？
没错！每次调用ChatGPT API时，模型都没有记忆之前你所做的请求。换句话说：每次API调用都是一个独立的交互。
<p当你需要进行后续交互时，这绝对是非常恼人的。聊天机器人就是需要后续交互的典型例子。
<p在本文中，我们将探讨如何在使用OpenAI API时为ChatGPT提供记忆，以便它记住我们之前的交互。
热身！
让我们与模型进行一些交互，以便我们体验一下默认的无记忆现象：
prompt = "我的名字是Andrea"response = chatgpt_call(prompt)print(response)# 输出：很高兴认识你，Andrea！有什么我可以帮助你的吗？<p但是当问一个后续问题时：
prompt = "你记得我的名字吗？"response = chatgpt_call(prompt)print(response)# 输出：很抱歉，作为一个AI语言模型，我没有记住关于个别用户的具体信息的能力。<p没错，事实上，即使在第一次交互中提供了我的名字，模型也不记得它。
注意：chatgpt_call()方法只是OpenAI API的一个包装器。我们已经在ChatGPT API Calls: A Gentle Introduction中尝试了如何轻松调用GPT模型，如果你想了解更多，请查看！
<p有些人通常通过在每次进行新的API调用时预先提供先前的对话历史来解决这种无记忆的情况。然而，这种做法不是成本优化的，并且对于长对话来说肯定有限制。
<p为了为ChatGPT创建一个记忆，使其意识到之前的交互，我们将使用流行的langchain框架。该框架允许您轻松管理ChatGPT的对话历史，并通过选择适合您的应用程序的正确的内存类型来进行优化。