智能体构建与应用开发（Python+LangChain）（微课版）课件 项目1-4 认识大语言模型和智能体-实现对话上下文记忆管理

项目1认识大语言模型和智能体汇报人:时间:2026/05/01项目1认识大语言模型和智能体目录CONTENTS01项目描述02任务1-1使用Cline智能体生成代码03任务1-2使用智能运维助手配置Linux服务器01项目描述项目1认识大语言模型和智能体项目背景与人物王亮入职人工智能公司，公司专注于构建和开发智能体。作为新人，他需要尽快掌握大语言模型和智能体的基本知识，技术主管要求其首先学习大语言模型的基本原理和应用。项目任务与目标通过Cline智能体自动生成社团宣传网页、运维助手智能体自动安装和运行服务，熟悉智能体与大语言模型之间的关系以及智能体的工作流程。项目1任务思维导图如图1-1所示。02任务1-1使用Cline智能体生成代码

学习目标知识目标了解大语言模型的应用场景，了解大语言模型的发展历史，掌握智能体和大语言模型之间的关系。技能目标能够在硅基流动平台上申请API开发密钥，能够使用Cline智能体自动生成企业网站。素养目标通过学习和使用DeepSeek国产大模型，培养学生的爱国主义精神；通过学习Cline智能体，培养观察和处理技术细节，不断提升技术水平的素养。1.1.1任务描述技术变革背景2022年11月，ChatGPT大语言模型发布后，迅速渗透到各行各业，改变了传统的工作模式，其中编写程序向自动化生成代码模式转变。任务核心要求技术主管要求王亮在硅基流动平台申请大语言模型API密钥，然后安装VisualStudio工具和Cline智能体。最终交付成果在对接到硅基流动平台的大语言模型后，使用Cline智能体自动生成企业网站，完成社团宣传网页的构建任务。1.1.2必备知识大语言模型定义大语言模型（LLM）是一种基于深度学习技术的模型，通过大量文本数据训练，学习语言的结构、词汇、语法和语义，在处理自然语言任务时表现出强大能力。训练过程特点训练过程非常庞大和复杂，通常需要大量的计算资源和时间。模型通过不断优化参数，使其能够准确地理解和预测文本内容。十大应用场景涵盖智能客服、内容生成、翻译和语言转换、写作助手、编程助手、虚拟助手和对话系统、个性化推荐系统、医学和健康管理、法律和合同分析、教育和学习辅导。智能体与LLM关系智能体包含大语言模型，LLM负责语言理解、推理决策和任务规划，为智能体提供思考能力；智能体扩展感知模块和执行模块，两者共同构成完整系统。1.1.3申请大语言模型API密钥平台选择与注册由于本地部署对服务器要求高，使用网络上的大语言模型。硅基流动提供模型多，新用户注册赠送14元费用可覆盖学习成本。打开官网/zh/login，输入手机号获取验证码登录，查看模型广场中的DeepSeekV3.1和R1等模型。创建API密钥单击左侧导航栏中的API密钥，单击新建API密钥，在弹出的对话框中输入名称密码名称test，单击新建密钥按钮，完成后在API密钥页面查看用户创建的密钥。1.1.4安装Cline并集成大语言模型API安装VisualStudioCode下载运行visualstudiocode.exe，接受协议，保持默认安装位置，选择创建桌面快捷方式和添加到PATH选项，单击安装按钮完成安装。集成Cline智能体插件启动VisualStudioCode，单击左侧扩展图标，在搜索框中输入cline，选择第一项Cline插件，单击Install安装按钮，等待成功后安装Cline智能体插件。配置大语言模型API单击Cline图标，单击设置图标弹出API配置对话框，选择ActMode模式，APIProvider选择OpenAICompatible，输入硅基流动平台URL和API密钥，勾选enabled和read自动批准选项，完成配置。1.1.5自动生成社团宣传网站创建工作空间在D盘新建目录myweb，选择VisualStudioCode文件菜单下的AddFoldertoWorkspace，选择myweb目录添加，选择Yes信任目录中的文件，成功添加工作空间。输入提示词任务在Cline交互对话框输入：创建人工智能社团宣传网站，包含index.html、activity.html、contactus.html，导航栏包含首页、活动内容、联系我们，蓝白色调，自适应PC和手机浏览。智能体生成代码Cline发送请求给DeepSeek-V3，模型分析任务返回执行步骤。Cline依次创建index.html、activity.html、contactus.html、style.css文件，每个文件提示用户Save或Reject，选择Save接受代码。测试运行效果DeepSeek-V3返回TaskCompleted，提议运行index.html。选择RunCommand启动页面，测试导航栏链接，成功访问首页、活动内容页和联系我们页，验证网站功能完整。03任务1-2使用智能运维助手配置Linux服务器学习目标知识与技能目标掌握Linux服务器的应用场景，了解智能运维在企业中的应用场景；能够使用VMwareWorksation运行Linux服务器，能够使用运维助手智能体配置Linux服务。素养目标通过本地运行Linux服务器，培养学生勇于尝试、精益求精的工匠精神；通过使用运维助手智能体配置Linux服务，激发学生的求知欲望和探索精神。1.2.1任务描述任务核心内容公司准备在Linux服务器上部署网站，为降低配置难度，技术主管要求王亮通过运维助手智能体对接大语言模型与Linux服务器，使用自然语言，实现在Linux服务器上安装启动Nginx网站服务，同时配置防火墙放行Nginx服务。1.2.2必备知识Linux服务器应用场景Linux作为开源操作系统，凭借高稳定性、强大安全性和灵活可定制性，广泛应用于Web服务器、数据库服务器、文件服务器、虚拟化与云计算、邮件服务器、开发与测试环境、网络安全与防火墙等七大领域。智能运维AIOps应用场景智能运维通过自动化和智能化方式提升企业IT管理效率，包括服务器监控与管理、自动化故障修复、资源优化与调度、安全管理、性能优化与决策支持五大应用场景，减少故障保障系统稳定运行。1.2.3运行Linux服务器01安装VMwareWorksation下载vm16目录，运行VMware-workstation.exe，接受许可协议，保持默认安装位置，选择将控制台工具添加到系统PATH，去掉检查更新和体验计划选项，完成安装。02启动Linux服务器下载linux目录，启动VMwareWorksation选择文件打开，选择linux.vmx文件加载openEuler服务器，开启虚拟机，在localhostlogin处输入root，密码abc@123.com成功登录。03测试网络连通性服务器IP为28，ping测试外部网络访问，在Windows主机cmd中使用ping命令测试与服务器连通性，验证双向网络正常。1.2.4智能体集成大语言模型API与服务器对接DeepSeek大语言模型运行Linux智能体.exe，在大语言模型设置部分输入硅基流动APIURL和API密钥，测试连接成功获取116个模型，默认选择deepseek-ai/DeepSeek-V3模型。SSH连接Linux服务器输入服务器IP28、端口22、用户名root、密码abc@123.com，勾选保存设置，单击连接按钮，SSH状态从红灯变为绿灯表示成功连接。自然语言执行运维任务隐藏连接设置，输入问题：安装启动nginx服务，设置为开机自启动，配置防火墙放行nginx服务。DeepSeek-V3返回配置命令，确认风险后执行，智能体在服务器上自动运行命令完成配置。验证服务部署效果在Windows主机浏览器通过28访问linux服务器部署的nginx服务，页面显示Welcometonginx!，验证服务正常运行，任务完成。项目1认识大语言模型和智能体-小结项目一介绍了大语言模型和智能体，在任务一中介绍Cline智能体，在对接DeepSeek大语言模型后，通过自然语言自动生成社团宣传网站，在任务二中介绍智能运维助手智能体，在对接大语言模型后，通过自然语言在Linux服务器上安装和启动服务，通过二个任务的实践，使读者理解智能体和大语言模型的功能以及两者之间的关系。感谢您的观看THANK

YOU

FOR

WATCHING汇报人:时间:2026/05/01项目2使用Coze平台构建智能体汇报人:时间:2026/05/01

项目二使用coze平台构建智能体目录CONTENTS01项目描述与任务概览02任务2-1构建基础智能体03任务2-2构建基于工作流的智能体04任务2-3构建基于知识库的智能体05任务2-4使用AgentSkills技能沉淀用户经验01项目描述与任务概览项目2使用Coze平台构建智能体Coze平台简介Coze是北京字节跳动科技有限公司推出的低代码平台，旨在简化智能体的创建和开发流程，通过图形化界面和拖拽式操作降低技术门槛。核心功能特色平台提供大量模板和预设功能，用户可快速组合组件、设置逻辑，构建符合需求的智能体，无需编程基础即可轻松上手。应用场景价值用户可学习智能体构建基础知识，探索聊天机器人和自动化工作流程等应用场景，非常适合智能体开发者的入门学习。项目2任务思维导图四大核心任务项目包含任务2-1构建基础智能体、任务2-2构建基于工作流的智能体、任务2-3构建基于知识库的智能体、任务2-4使用AgentSkills技能沉淀用户经验四个递进模块。教学闭环设计每个任务下设学习目标、任务描述、必备知识和实操步骤四个模块，形成从基础到进阶、从简单到复杂的完整学习路径。02任务2-1构建基础智能体

任务2-1构建基础智能体学习目标知识目标掌握Coze智能体平台的功能、Coze智能体提示词的通用结构、智能体插件的功能三大核心知识要点。技能目标能够使用提示词创建语言翻译助手智能体，能够基于提示词和插件创建新闻播报助手智能体。素养目标通过提示词构建培养创新思维和创造力，通过插件构建培养逻辑思维与问题解决能力。任务2-1构建基础智能体任务描述工作情境王亮所在公司专注于智能体的构建和开发，由于刚刚接触智能体，需要学习智能体的基础知识。任务要求公司技术负责人要求王亮登录Coze智能体开发平台，熟悉基本操作，利用提示词创建语言翻译助手智能体、使用插件创建新闻播报助手智能体。Coze智能体平台核心功能角色定义与内置插件用户可使用自然语言设定AI角色，赋予专业知识与对话风格；平台集成联网搜索、天气查询等即插即用插件快速扩展功能。知识库增强与多模态交互支持上传PDF、Word等文档构建专属知识库；不仅支持文本对话，部分高级模型还具备图像识别与生成能力。自定义API与社交平台发布可将企业内部私有API便捷接入平台；构建完成的智能体可一键发布至微信、飞书等主流社交与协作平台。Coze智能体提示词通用结构角色与目标角色定义是提示词设计的起点，用简洁明确的话概括智能体核心身份；目标应聚焦1-2个核心目标确保行为一致性。技能与工作流技能列举实现目标所需的专业能力和知识储备；工作流将模糊复杂的任务转化为能够精准执行的一系列清晰指令。输出格式与限制输出格式规定回复的组织结构和呈现样式；限制条件设定行为边界和禁止事项，是保障安全性的关键环节。设计原则提示词设计是迭代过程，建议先完成角色、目标、限制三个基础部分，再逐步细化技能、流程和格式要求。智能体插件功能详解外部集成与自动化赋能插件充当智能体与外部世界连接的标准化桥梁，实现与社交媒体、办公软件、数据库的无缝集成；让智能体具备自动发送邮件、创建日历、管理文档等实际操作能力。交互增强与企业定制通过图像、语音等多模态插件增强交互体验；支持创建自定义插件，将内部CRM、ERP系统API封装成私有插件，打造专属智能助手。创建语言翻译助手智能体登录与创建登录Coze官网，单击扣子编程菜单，选择智能体开发，采用标准创建方式输入名称和功能描述。配置提示词选择单AgentLLM模式，使用通用结构提示词，输入角色和目标提示词，删除其他内容。选择模型选择DeepSeek-V3.2大语言模型，确保翻译质量和响应效果。测试验证在预览与调试窗口输入你好进行测试，验证智能体成功将中文翻译成英文。发布语言翻译助手智能体01设置开场白开场白是智能体对话的起点，具有引导、吸引和设定期望的多重作用，输入让我来帮你实现英文翻译吧。02选择发布平台可发布到Coze商店、豆包、飞书、抖音小程序、微信等平台，也可作为API或ChatSDK发布实现对接。03完成发布Coze商店默认已授权配置，直接发布后可通过立即对话或复制链接使用，同时保存到项目管理菜单。创建新闻播报助手智能体创建与配置创建智能体新闻播报助手，选择DeepSeek-V3-0324模型，搜索并添加头条相关插件，在人设与回复逻辑中设置角色和目标，使用大括号符号调用getToutiaoNews插件。测试使用在预览与调试页面输入AI创业进行测试，验证新闻播报助手调用头条新闻插件，成功列出相关新闻内容。03任务2-2构建基于工作流的智能体任务2-2构建基于工作流的智能体学习目标知识目标理解智能体中工作流的基本概念，了解工作流中节点常用数据类型，了解变量的特点。技能目标能够创建生成小红书笔记的工作流，能够创建基于工作流的智能体。素养目标通过创建工作流培养关注细节和精确执行的能力，通过创建智能体培养逻辑思维和问题解决能力。任务2-2构建基于工作流的智能体任务描述工作情境王亮帮助多个客户运营微信公众号，面临频繁的文案创作和内容优化任务，需要提高工作效率并确保文案质量。解决方案在Coze平台上基于工作流智能体，根据用户输入搜索相关素材生成个性化文案，减少手动编写时间，提高文案质量和创意。智能体中工作流的基本概念01工作流介绍Coze工作流注重自动化和灵活性，通过将多个步骤自动执行形成可复用流程，支持可视化方式组合插件、大语言模型、代码块等。02为什么需要工作流大语言模型基于概率生成内容，在高精度任务中可能无法达到理想输出，工作流能够补充大模型不足，确保流程稳定可靠。03解决的五大问题提示词无法达到预期效果、需多次调用插件或外部工具、需使用代码加工数据、需条件分支处理、需一次请求多次输出消息。工作流节点常用数据类型与变量特点基础数据类型Integer整数、String字符串、Number数字、Boolean布尔值用于表示基础数值和文本信息。复杂数据类型Object对象、Array数组用于表示结构化数据和有序元素集合，Time时间和File文件用于特定场景。模型响应类型Response_for_model表示模型处理后的结果或响应，用于机器学习和人工智能领域。变量三大特点变量有名字便于访问修改，可存储不同类型数据，可以随时更新存储内容，是灵活的数据容器。创建生成微信公众号文案的工作流创建与添加节点进入扣子编程页面单击工作流开发，输入名称wxgzh和描述。添加头条搜索插件的search功能和大模型节点，调整四个节点位置后用边连接开始、search、大模型和结束节点。编辑节点配置编辑开始节点接收input变量，search节点配置input_query，大模型节点选择DeepSeek-V3.2并设置系统提示词和用户提示词，结束节点输出大模型结果。试运行与发布工作流01试运行验证单击试运行按钮，输入DeepSeek使用技巧，等待四个节点全部运行完成后查看结果，单击预览按钮生成微信公众号文案。02正式发布确认工作流运行正常后单击发布按钮，输入版本描述，将工作流发布到资源库中供后续调用。03查看资源发布完成后在资源库的资源中可以查看刚刚发布的工作流，验证发布成功。创建使用微信公众号文案助手智能体创建与添加工作流创建新智能体微信公众号文案助手，选择DeepSeek-V3.2模型，单击工作流右侧加号按钮，选择已创建的wxgzh工作流并添加。配置与测试在人设与回复逻辑中设置角色、目标和技能，将用户输入传递给wxgzh工作流。输入deepseek使用技巧测试，验证返回文案内容。04任务2-3构建基于知识库的智能体任务2-3构建基于知识库的智能体学习目标01知识目标掌握知识库和大语言模型之间的关系，了解Coze知识库中支持的多模态数据。02技能目标能够创建课程知识库并导入知识库数据，能够发布智能体为API接口，能够在静态网页中嵌入智能体API接口。03素养目标通过创建知识库培养将复杂问题进行拆分和组装的素养，通过嵌入API培养面对挑战时保持专注和韧性。任务2-3构建基于知识库的智能体任务描述工作情境李明是某高校专业带头人，积累了大量教学素材，传统管理方式已无法满足日益增长的教学需求。解决方案王亮通过Coze平台建立全面课程资源库，支持在线更新与扩展，提升教学管理效率，增强学生实践能力与创新能力。知识库与大语言模型关系及多模态数据知识库核心价值为大模型提供精准、实时且专属的行业数据，弥补训练数据滞后、缺乏领域细节等不足，在准确性、实时更新、定制化、结构化、专业支持、安全性六方面提升回答质量。文本与表格格式文本支持PDF、TXT、MD、DOC、DOCX、在线数据、飞书、公众号、Notion；表格支持Excel、CSV、JSON格式API内容、飞书表格。图片类型支持支持JPG、JPEG、PNG等常见图像格式，用于存储和分析非文本信息，辅助展示内容。建立专业教学知识库创建知识库进入资源库菜单选择知识库，选择创建扣子知识库，选择文本格式，输入名称云计算专业和描述。上传文档支持PDF、TXT、DOC、DOCX、MD格式，每个文件不超过100M，PDF最多500页，上传本地课程资源。分段策略设置分段标识符为自定义，默认以三个井号作为标识符，分段最大长度5000，重叠度为0，内容较少时不进行分段。处理完成在分段预览页面查看原始文档和预览情况，确认后进入数据处理页面等待全部内容处理完成。创建使用教学助手智能体创建与配置创建智能体教学助手，选择DeepSeek-V3.2模型，添加云计算专业知识库，设置人设与回复逻辑定义教学助手角色和行为规范。测试验证输入共有几门课程验证返回五门课程信息，询问Linux操作系统课程有哪些项目验证返回八个教学项目，询问Apache服务配置验证返回相关配置方法。05任务2-4使用AgentSkills技能沉淀用户经验任务2-4使用AgentSkills技能沉淀用户经验学习目标01知识目标掌握Skills技能的核心概念与价值，了解Skills技能与插件、工作流的区别。02技能目标能够添加和使用平台的Skills技能，能够创建和使用自己的Skills技能。03素养目标通过使用平台Skills培养资源整合与效率意识，通过创建自己的Skills培养经验沉淀与抽象思维。Skills技能核心概念与价值及区别核心概念与价值Skills技能是可复用的工作经验包，将专业知识、操作流程、最佳实践封装成结构化模块，把隐性知识转化为显性资产。核心价值在于实现经验的固化与复用，降低知识传递成本，让通用AI按专家方式做事。与插件、工作流的区别与插件区别：插件是工具级能力集合提供外部接口，Skills是封装完整工作方法的专家系统。与工作流区别：工作流是可视化流程引擎强调执行路径，Skills是经验知识包让通用AI变成领域专家。

项目二使用coze平台构建智能体-小结项目2介绍了智能体的创建和使用方法，在任务2-1中介绍了如何基于提示词和插件创建智能体。任务2-2中首先创建了生成微信公众号文案的工作流，然后基于工作流创建智能体，任务2-3首先创建了课程知识库并向知识库中导入数据，然后基于知识库创建智能体，任务2-4中介绍了Skills技能的创建和使用。感谢您的观看THANK

YOU

FOR

WATCHING汇报人:时间:2026/05/01项目3熟悉LangChain开发基础汇报人:时间:2026/05/01项目3熟悉LangChain开发基础目录CONTENTS01项目描述02任务3-1配置LangChain开发环境03任务3-2使用ModelIO核心组件01项目描述项目3熟悉LangChain开发基础项目背景与需求Coze平台功能受限于预设模块，难以实现复杂业务逻辑。LangChain作为企业级开发框架，提供代码级控制能力，支持任意模型组合、自定义工具链、复杂记忆管理及本地知识库集成，实现高度定制化工作流。学习目标与价值项目3从环境搭建开始，逐步深入LangChain核心模块，掌握构建可扩展、可维护的智能应用关键技能，完成从可视化平台使用者到AI开发者的关键跨越，培养企业级AI应用开发能力。02任务3-1配置LangChain开发环境学习目标知识目标了解LangChain和大语言模型的关系，理解LangChain的核心架构设计思想，掌握框架与模型间的协同增强机制。技能目标能够完成Python环境与LangChain依赖的安装配置，能够使用PyCharm创建和调试LangChain项目，具备基础工程实践能力。素养目标掌握AI应用开发基础工程配置能力，培养依赖管理、环境排查与解决实际技术问题的综合素养。3.1.1任务描述业务场景分析王亮所在公司需要为客户开发定制化、专业级智能体应用，超出低代码平台能力范围，必须掌握主流LangChain智能体编程框架。具体任务要求从零开始搭建LangChain本地开发环境，安装Python解释器与PyCharm，通过包管理工具安装LangChain核心依赖并验证成功，为深入框架核心组件与链式开发奠定基础。3.1.2必备知识基础关系LangChain是专为LLM应用开发设计的框架，本身不提供或训练模型，而是连接开发者与各种LLM的桥梁和工具箱。协同增强通过提示模板、记忆管理、工具调用、检索增强等抽象，将单一文本生成模型升级为智能体系统。整体架构采用模块化架构，拆分为langchain-core核心抽象层、langchain主集成包、langchain-community第三方集成包。核心组件涵盖Runnable接口、LCEL表达式语言、模型层、提示系统、输出解析器、记忆模块、工具与智能体、检索器等九大组件。3.1.3安装Python解释器和集成开发环境01Python解释器安装访问官网下载Python3.12.9，自定义安装至D盘python目录，勾选添加PATH环境变量及管理员权限等关键选项。02PyCharm安装配置下载Windows版本PyCharm，完成安装选项配置，启动后修改主题为LightwithLightHeader。03项目创建新建纯Python项目，位置D:\langchain\project3，解释器类型选择项目venv，指定已安装的python.exe文件。3.1.4安装LangChain核心依赖01镜像源配置将pip默认包下载地址设置为阿里云镜像源，加快国内下载速度，提升依赖安装效率。02核心依赖包安装langchain、langchain-openai、langchain-community三个核心包及python-dotenv环境变量管理包。03包功能说明langchain提供模块化工具和标准接口，langchain-openai封装OpenAIAPI调用，python-dotenv管理敏感配置信息。04安装验证创建test_env.py导入依赖并查看langchain版本号，运行输出版本信息验证安装成功。03任务3-2使用ModelIO核心组件

学习目标知识目标了解LangChainModelIO模块核心组件，了解调用模型常用输入格式，掌握输出解析器的作用与原理。技能目标能够调用大语言模型API完成基础文本生成，设计动态提示词模板，配置输出解析器转换结构化数据。素养目标培养模块化编程思维与接口规范意识，提升自然语言交互逻辑的抽象能力。3.2.1任务描述任务要求技术主管要求王亮学习LangChainModelIO模块，通过接口调用大语言模型实现基础文本生成，创建动态提示词模板，配置输出解析器将非结构化文本转换为结构化数据格式，完成模型调用、模板应用与数据解析的完整技能链。3.2.2必备知识ModelIO核心组件大语言模型接口统一多模型源API，提示词模板动态构建指令，输出解析器格式化非结构化响应。基础输入格式纯文本格式适合简单任务，结构化消息格式区分系统、用户、助手角色，适合多轮对话。高级输入格式包括提示模板生成文本和消息、文档格式、工具函数调用格式、多模态格式等增强型输入。输出解析器作用将AI自由文本自动转换为结构化数据，实现从聊天伙伴到自主完成标准化任务智能助手的转变。3.2.3调用大语言模型01环境变量配置使用硅基流动平台API密钥，新建.env文件输入API_KEY和BASE_URL，实现配置与代码分离保障安全。02模型调用实现实例化ChatOpenAI类配置api_key、base_url、model参数，通过invoke方法发送指令并处理异常。03关键参数说明常用参数包括api_key认证、base_url服务地址、model模型标识、temperature随机性、max_tokens最大生成数等。3.2.4创建和使用提示词模板文本提示词模板PromptTemplate创建填空式文本框架，通过变量替换生成具体提示，适合批量处理和标准化任务。聊天提示词模板ChatPromptTemplate构建角色对话框架，支持系统、用户、助手三种角色，确保多轮对话格式一致。多轮对话实现将前一轮真实回复嵌入assistant消息，使AI在完整上下文中理解任务，实现连贯对话。核心方法属性包括from_template创建模板、format填充变量、format_messages生成消息列表、append追加消息等。3.2.5使用输出解析器StrOutputParser字符串输出解析器从复杂消息对象中提取纯文本内容，通过invoke方法将AIMessage转换为可读字符串。JsonOutputParserJSON输出解析器识别符合JSON格式的内容，转化为Python字典，支持通过键名访问各字段数据。CommaSeparatedListOutputParser列表解析器将逗号分隔文本转换为Python字符串列表，通过get_format_instructions生成格式指令引导模型输出。项目3熟悉LangChain开发基础-小结项目3介绍了LangChain框架的基础开发知识，帮助学习者建立起利用LangChain进行大模型应用开发的基础能力。在任务3-1中完成了LangChain及必要依赖的环境配置，为后续开发打下基础。任务3-2深入讲解了ModelIO组件，这是连接语言模型与数据输入输出的关键模块。任务3-3讲解了基础链与路由链的构建与应用，展示了如何将多个组件串联以实现复杂的处理流程。感谢您的观看THANK

YOU

FOR

WATCHING汇报人:时间:2026/05/01项目4实现对话上下文记忆管理汇报人:时间:2026/05/01项目4实现对话上下文记忆管理目录CONTENTS01项目描述02任务4-1配置基础记忆功能03任务4-2配置持久化记忆功能01项目描述项目4实现对话上下文记忆管理项目背景与目标AI应用需记住会话历史、重要细节及上下文关联，提供连贯、个性化的交互体验。本项目深入LangChain记忆管理，实现会话上下文的临时存储和持久化存储，为构建具备长期记忆的AI应用打下坚实基础。任务架构概览项目4任务思维导图涵盖两大核心模块：任务4-1配置基础记忆功能，实现内存中的会话缓存；任务4-2配置持久化记忆功能，支持文件与数据库级别的长期存储方案。02任务4-1配置基础记忆功能任务4-1配置基础记忆功能01学习目标体系知识目标：了解记忆必要性、Token计量、Message类作用及InMemoryChatMessageHistory特点。技能目标：配置完整会话上下文与指定轮次最近会话。素养目标：培养设计思维与工程能力。02任务场景描述王亮面临AI应用开发关键挑战：让会话应用在多轮交互中保持连贯性，为客户提供专业的连续服务体验，实现维护完整会话历史及保留最近N轮会话内容的能力。03核心知识模块必备知识包括四大板块：记忆会话上下文的必要性、Token上下文容量计量单位、Message类的核心作用、InMemoryChatMessageHistory的特点和应用场景，为后续实践奠定理论基础。记忆会话上下文的必要性信息断层现象用户每次提问需重新提供背景信息，形成失忆式会话模式。客服场景中反复陈述订单号、问题细节，导致沟通成本指数级增长。指代理解失效自然语言中30%内容依赖上下文指代，无记忆AI无法解析它、这个等代词，必须要求用户完整重复信息，破坏流畅性。交互体验割裂每次会话如与陌生人初次交流，无法建立连续性关系。教育、医疗、咨询等深度服务场景中，严重降低用户信任度。技术基石价值记忆消除重复沟通成本，支持复杂任务分解与延续，赋能个性化服务与长期关系维护，是构建差异化竞争力的核心。Token上下文容量计量单位Token核心概念与影响Token是大语言模型处理文本的最小语义单元，中文通常一个汉字对应一个Token，英文单词可能拆分为多个Tokens。每个模型有固定上下文窗口限制，Token消耗直接关联API调用成本和服务响应速度，开发者需在上下文丰富性与成本效率间寻求平衡，不同模型的Token划分存在差异。Message类的核心作用01类型体系与角色划分采用层次化类型系统：HumanMessage表示用户输入，AIMessage封装模型回复，SystemMessage承载系统指令，严格对应会话三方参与角色。02内部结构与数据表示核心结构包括content字段存储文本内容，type字段标识角色类型，additional_kwargs保存扩展参数。支持字符串与多模态内容，实现字典与对象格式转换。03高级特性与生态集成支持tool_calls工具调用字段，统一处理文本、图像等多模态输入。深度集成ChatPromptTemplate、链式调用和智能体系统，提供转换工具实现外部数据交换。InMemoryChatMessageHistory特点和应用场景核心特点零配置启动，导入即可使用；消息顺序存储，确保时序完整性；纯内存操作，纳秒级响应但程序结束后数据永久丢失；单机限制，无法跨实例同步共享状态。适用场景开发测试阶段快速验证会话流程；短期会话应用如一次性问答、简单查询工具；演示环境构建可立即运行的会话样例，无需配置后端存储服务。保存完整会话上下文环境初始化创建项目4，安装langchain等核心依赖，拷贝.env和model.py文件，建立基础开发环境。无记忆问题演示建立forget.py展示模型无法记住历史信息，每轮调用仅传入当前输入，导致AI无法回答我叫什么名字等依赖上下文的问题。完整记忆实现建立save_all.py，使用InMemoryChatMessageHistory创建存储器，通过add_message添加消息，messages属性获取历史，extend批量保存问答对。运行效果验证多轮会话完整保存，AI正确理解它指代python，实现上下文感知的连贯回复，show_history函数可视化展示会话轨迹。保存最近会话上下文截断原因分析硬件资源限制：内存显存天花板；模型架构约束：Transformer平方级复杂度与固定上下文窗口；经济性能平衡：Token消耗转化API成本；语义时效规律：最近2-4轮涵盖90%相关信息，早期内容增加认知噪声。主动截断实现建立save_limit.py，设置MAX_MESSAGES为4保留最近2轮。流程：构建临时上下文供AI理解，extend存入本轮问答，超限