为你的LLM应用增加记忆能力

2024-09-06 11:21:44 浏览数 (2)

1. 记忆系统的重要性

我们都知道，大模型本身是无状态、无记忆的。默认情况下，我们向大模型发起的每次提问，在其内部都会被视为一次全新的调用。尽管诸如 ChatGPT 等聊天应用内置了部分记忆功能，可以记录用户最近几轮的聊天信息，但它仍然存在上下文长度限制，对话历史超过一定长度后，就会强制开启新一轮对话。

为了解决这个问题，很多 AIGC 应用都需要独立开发记忆系统，特别是像 AI 聊天陪伴、RAG、智能客服等应用，记忆系统的质量决定了产品是否有能力维持长期的用户对话，这会直接影响到用户体验和产品口碑。

2. 记忆系统的主流实现方案

针对 LLM 应用的记忆系统，业界已经探索出了一些成熟的解决方案，常见的实现方式包括以下几种：

2.1 Buffer Memory——缓冲记忆

2.1.1 实现思路

这是最基础的记忆模式，将所有人类提问和 AI 生成的消息全部缓存起来，每次需要使用时将保存的所有聊天消息列表全部传递到 Prompt 中，通过往用户的输入中添加历史对话信息/记忆，可以让 LLM 能理解之前的对话内容，而且这种记忆方式在上下文窗口限制内是无损的。

2.1.2优点
  1. 在上下文长度限制内，可以实现无损记忆，可以记忆用户输入的全部内容；
  2. 实现方式简单，兼容性最好，所有大模型都支持。
2.1.3 缺点
  1. 一次性将全部的历史上下文都传递给 LLM，会消耗大量 token，导致响应时间变慢和成本增加；
  2. LLM 的上下文有最大的 token 限制，无法记忆太长的对话；
  3. 记忆内容不是无限的，对于上下文长度较小的模型来说，记忆内容会变得极短。

2.2 Buffer Window Memory——缓冲窗口记忆

2.2.1 实现思路

在缓冲记忆的基础上，增加上下文窗口限制，即只保留固定轮次的历史对话，“遗忘”掉过于久远的记忆。

2.2.2 优点
  1. 在窗口大小内可以实现无损记忆；
  2. 对小模型也比较友好，在不提问较为久远的内容时效果最佳；
  3. 实现方式简单，性能优异，所有大模型都支持。
2.2.3 缺点
  1. 无法保留长期的记忆，会“遗忘”之前的互动历史；
  2. 如果窗口内部分对话的内容较长，也容易超过 LLM 的上下文限制。

2.3. Token Buffer Memory ——Token 缓冲记忆

2.3.1 实现思路

同样是基于缓冲记忆的思想，只保留 max_tokens 长度的历史上下文，超过长度限制的历史记忆会被遗忘。

2.3.2 优点
  1. 可以基于特定模型的上下文长度限制，来定制化记忆长度；
  2. 对小模型也比较友好，如果不提问比较远的关联内容，一般效果最佳；
  3. 实现方式简单，性能优异，所有大模型都支持。
2.3.3 缺点
  1. 无法保留长期的记忆，会遗忘之前的互动。

2.4 Summary Memory——摘要总结记忆

2.4.1 实现思路

将每轮对话的输入输出，生成总结摘要，作为记忆保存起来，并在下一轮对话时传递给 LLM。

2.4.2 优点
  1. 可以同时支持长期记忆和短期记忆；
  2. 基于摘要功能，可以有效减少长对话中使用的 token 数量，能记忆更多轮的对话信息。特别是在长对话时效果更加明显。
2.4.3 缺点
  1. 因为记忆是基于生成的摘要，因此无论是长期记忆还是短期记忆，都是模糊记忆，会丢失对话的细节；
  2. 对于较短的对话，可能会增加 token 使用量（短对话时，生成的摘要可能会比原始对话更长）；
  3. 记忆功能完全依赖于摘要 LLM 的能力，并且需要为摘要 LLM 额外分配 token，会增加使用成本。

2.5 Summary Buffer Memory——摘要 缓冲混合记忆

2.5.1 实现思路

摘要 缓冲混合记忆，结合了缓冲窗口记忆和摘要总结记忆两种模式，是目前业内采用较多的一种方案：

  • 对于窗口大小内的近期对话，保留原始内容，作为短期记忆；
  • 对于超过窗口大小的历史对话，生成摘要后保存，作为长期记忆；
  • 将短期记忆与长期记忆合并，作为记忆保存。 例如，针对最大 token 长度为16k 的 LLM，可以设置记忆窗口 max_token = 12k，并将超过 12k 的历史对话生成摘要。
2.5.2 实现流程
摘要缓冲混合记忆摘要缓冲混合记忆
2.5.3 优点
  1. 可以同时实现长期记忆和短期记忆，长期为模糊记忆，短期为精准记忆；
  2. 通过摘要功能，可以有效减少长对话中使用的 token 数量，能记忆更多轮的对话信息。
2.5.4 缺点
  1. 对于久远的历史对话为模糊记忆，会丢失部分细节。
  2. 长期记忆部分依赖于摘要 LLM 的能力，并且需要为摘要 LLM 额外分配 token，会增加使用成本。

2.6 Vector Store Memory——向量数据库记忆

2.6.1 实现思路

将全量记忆数据存储在向量存储中，每次搜索记忆时，基于向量检索，获取前 K 个最匹配的语料，整体的思路类似于 RAG 系统。

2.6.2 优点
  1. 基于向量数据库的横向扩展能力，理论上可以支持无限长度的记忆；
  2. 在记忆的细节上，可以比摘要总结处理地更好；
  3. token 的消耗相对可控。
2.6.3 缺点
  1. 需要向量数据库支持，增加使用成本；
  2. 用户的每次对话，都需要经过 Embedding 过程，性能有一定损耗；
  3. 记忆效果受 Embedding 检索结果的影响，效果不稳定。

3. 使用 LangChain 实战记忆系统

讲了这么多理论，下面我们动手自己实现一个简单的记忆系统。我们选择 LangChain 作为开发框架，因为 LangChain 对于 Memory 模块已经有了比较完善的封装，内置了很多开箱即用的 ChatMemory 组件，大大提升了开发效率。上面我们提到的几种记忆方案，在 LangChain 中基本都可以找到对应的实现。

LangChain_ChatMemoryLangChain_ChatMemory

下面是具体的实现代码：

代码语言：javascript复制
# -*- coding: utf-8 -*-
"""
@Time    : 2024/7/11 11:53 
@Author  : ZhangShenao 
@File    : chat_memory_chain.py 
@Desc    : 聊天记忆链

把聊天历史的记忆功能单独封装成一个Chain
"""
from operator import itemgetter
from typing import Dict

from langchain.memory import ConversationBufferWindowMemory
from langchain.memory.chat_memory import BaseChatMemory
from langchain_community.chat_message_histories import FileChatMessageHistory
from langchain_core.language_models import BaseChatModel
from langchain_core.output_parsers import BaseTransformOutputParser
from langchain_core.prompts import BaseChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough, RunnableLambda, RunnableConfig
from langchain_core.runnables.utils import Output
from langchain_core.tracers import Run
from typing_extensions import Any

from internal.service import VectorStoreService

CHAT_HISTORY_FILE_PATH = '../../storage/memory/chat_history.json'  # 聊天历史文件路径
HISTORY_KEY = 'history'  # 聊天历史Key
CONTEXT_KEY = 'context'  # 上下文信息Key
INPUT_KEY = 'input'  # 聊天输入Key
OUTPUT_KEY = 'output'  # 聊天输出Key
MEMORY_CONFIG_KEY = 'memory'  # 记忆配置Key
SAVE_CONVERSATION_ROUNDS = 5  # 保存历史对话的轮数


def invoke_chain_with_chat_memory(input: Dict[str, Any],
                                  prompt_template: BaseChatPromptTemplate,
                                  llm: BaseChatModel,
                                  parser: BaseTransformOutputParser[str],
                                  vector_store_service: VectorStoreService) -> Output:
    """
    将传入的Runnable组件编排成Chain,并在此基础上封装聊天记忆功能,返回最终调用结果
    :param input: 调用输入参数
    :param prompt_template: 提示词模板
    :param llm: LLM聊天模型
    :param parser: 输出解析器
    :return: Chain调用结果
    """

    # 使用本地文件保存聊天历史
    chat_history = FileChatMessageHistory(file_path=CHAT_HISTORY_FILE_PATH)

    # 创建聊天记忆组件,使用缓冲窗口记忆方式
    memory = ConversationBufferWindowMemory(
        input_key=INPUT_KEY,
        output_key=OUTPUT_KEY,
        memory_key=HISTORY_KEY,
        k=SAVE_CONVERSATION_ROUNDS,  # 保留最近5轮的聊天历史,即10条消息
        return_messages=True,  # 结果返回聊天消息列表,而不是字符串
        chat_memory=chat_history  # 设置MessageHistory组件,用于持久化历史聊天记录
    )

    # 构建Retriever Chain,执行向量相似度检索
    retriever = vector_store_service.as_retriever() | vector_store_service.join_document_page_contents

    # 构造Chain执行链,用于编排组件的执行流程
    chain = RunnablePassthrough.assign(
        context=itemgetter(INPUT_KEY) | retriever,
        history=RunnableLambda(_load_memory_variables_from_config) | itemgetter(HISTORY_KEY)
    ) | prompt_template | llm | parser

    # 封装chain,在运行配置中传入记忆信息,并且注册on_end监听回调,在回调函数中保存聊天历史
    memory_chain = (chain.with_config(configurable={MEMORY_CONFIG_KEY: memory})
                    .with_listeners(on_end=_save_chat_history))

    # 调用memory_chain,返回结果
    output = memory_chain.invoke(input)
    return output


def _load_memory_variables_from_config(input: Dict[str, Any], config: RunnableConfig) -> Dict[str, Any]:
    """
    从运行配置中,加载记忆变量
    :param input: 运行调用输入
    :param config: 运行配置
    :return: 记忆变量字典
    """

    # 获取运行时配置,从配置读取记忆信息
    conf = config.get('configurable', {})
    memory = conf.get(MEMORY_CONFIG_KEY, None)
    if memory is not None and isinstance(memory, BaseChatMemory):
        return memory.load_memory_variables(input)

    # 空记忆信息
    return {}


def _save_chat_history(run_obj: Run, config: RunnableConfig) -> None:
    """
    保存聊天历史
    :param run_obj: 运行时对象,包含了所有运行时的相关信息
    :param config: 运行时配置信息
    """
    # 获取运行时配置,从配置读取记忆信息
    conf = config.get('configurable', {})
    memory = conf.get(MEMORY_CONFIG_KEY, None)
    if memory is not None and isinstance(memory, BaseChatMemory):
        # 将当前聊天的输入输出保存到Memory中
        memory.save_context(run_obj.inputs, run_obj.outputs)

详细介绍一下实现思路：

  • 将记忆功能单独封装成一个 chat_memory_chain。Chain 是 LangChain 中的核心组件，它可以将许多组件编排在一起，采用类似管道的方式顺序执行。
  • 使用 FileChatMessageHistory 组件，将聊天历史保存在本地文件系统中。MessageHistory 也是 LangChain 封装的消息历史组件，下面有多种具体的实现，如 RedisChatMessageHistory 可以将聊天消息保存到 Redis 中、MongoDBChatMessageHistory 则是保存到 MongoDB 中等等。这里我们为了方便演示，则是直接采用本地文件的方式。
  • 使用 ConversationBufferWindowMemory 组件，并设置 k = 5，它对应了上面的 Buffer Window Memory——缓冲窗口记忆模式，保留最近的5轮对话。 如果想选择其他记忆模式，仅需将组件替换成 ConversationSummaryMemory、ConversationTokenBufferMemory 等等即可。
  • 利用 LangChain 的 with_listeners 监听器机制，设置了 on_end 回调，即在每轮对话完成后，执行 _save_chat_history 函数，将本轮对话保存到 Memory 组件中。

通过以上的方式，即可实现一个具有缓冲窗口记忆功能的聊天应用，是不是非常简单？项目的完整代码可以参考：https://gitee.com/zhangshenao/llm-ops-backend/blob/master/internal/handler/chat_memory_chain.py

4. 实际效果演示

具备了记忆能力之后，我们就可以在本地简单测试一下聊天功能，看看大模型是否能记住之前的历史对话。 首先，我们先做个简单的自我介绍，让大模型记录相关信息：

自我介绍自我介绍

接下来，我们让大模型生成一些较长的内容，便于后面测试记忆能力：

讲笑话讲笑话

到这里，我们已经让大模型生成了很长的文本，肯定超过了单次上下文长度限制。 最后，我们来测试一下记忆功能，看看 LLM 是否还记得最开始的聊天信息：

可以看到，即使中间经历了多轮对话和长文本生成，大模型仍然能够准确记忆历史的聊天信息。这说明，大模型已经具备了初步的记忆能力。

5. 总结

本篇文章首先介绍了记忆系统对于 LLM 应用的重要性，接下来介绍了业界主流的记忆系统实现方案，之后我们利用 LangChain 框架为 LLM 应用添加上记忆功能，最后简单演示了下整体效果。 如果我们把大模型比作人类的大脑，那么记忆则是大脑非常重要的一项原生能力。可惜的是，即使是目前最先进的大模型，其记忆能力还是完全无法媲美人类，已有的记忆方案更像是打补丁，并没有将记忆内化到大模型内部。 一方面，我们在通过各种工程化的方式，如 GraphRAG 来优化记忆功能；另一方面，大模型自身参数、算力和上下文长度等维度的提升，也有助于记忆能力的扩展。希望在未来的某一天，大模型可以具备堪比人类的记忆能力，那时候才有可能真正实现 AGI。

配置 LLM memory 测试 模型

0 人点赞