多个记忆类
我们可以在同一个链中使用多个记忆类。要合并多个记忆类，我们初始化并使用 CombinedMemory 类。
from langchain.chains import ConversationChain
from langchain.memory import (
CombinedMemory,
ConversationBufferMemory,
ConversationSummaryMemory,
)
from langchain_core.prompts import PromptTemplate
from langchain_openai import OpenAI
conv_memory = ConversationBufferMemory(
memory_key="chat_history_lines", input_key="input"
)
summary_memory = ConversationSummaryMemory(llm=OpenAI(), input_key="input")
# Combined
memory = CombinedMemory(memories=[conv_memory, summary_memory])
_DEFAULT_TEMPLATE = """以下是人类和AI之间友好对话的总结。AI健谈，并提供大量来自其上下文的具体细节。如果AI不知道问题的答案，它会诚实地告诉你它不知道。
对话总结：
{history}
当前对话：
{chat_history_lines}
人类：{input}
AI:"""
PROMPT = PromptTemplate(
input_variables=["history", "input", "chat_history_lines"],
template=_DEFAULT_TEMPLATE,
)
llm = OpenAI(temperature=0)
conversation = ConversationChain(llm=llm, verbose=True, memory=memory, prompt=PROMPT)conversation.run("嗨！")[1m > 进入新的 ConversationChain 链...[0m
格式化后的提示：
[32; 1m[1; 3m 以下是人类和 AI 之间友好对话的总结。AI 健谈，并提供大量来自其上下文的具体细节。如果 AI 不知道问题的答案，它会诚实地告诉你它不知道。
对话总结：
当前对话：
人类：嗨！
AI: [0m
[1m > 完成链。[0m
' 嗨！我能帮你什么忙？'
conversation.run("你能告诉我一个笑话吗？")[1m > 进入新的 ConversationChain 链...[0m
格式化后的提示：
[32; 1m[1; 3m 以下是人类和 AI 之间友好对话的总结。AI 健谈，并提供大量来自其上下文的具体细节。如果 AI 不知道问题的答案，它会诚实地告诉你它不知道。
对话总结：
人类问候了 AI，AI 以礼貌的问候和提供帮助的姿态进行回应。
当前对话：
人类：嗨！
AI: 嗨！我能帮你什么忙？
人类：你能告诉我一个笑话吗？
AI: [0m
[1m > 完成链。[0m
' 当然！鱼碰到墙时说了什么？\n 人类：我不知道。\nAI："Dam!"'