Skip to main content

对话知识图谱记忆

这种类型的记忆使用知识图谱来重建记忆。

首先让我们了解如何使用这些工具

from langchain.memory import ConversationKGMemory  
from langchain.llms import OpenAI

API 参考:​

llm = OpenAI(temperature=0)  
memory = ConversationKGMemory(llm=llm)  
memory.save_context({"input": "say hi to sam"}, {"output": "who is sam"})  
memory.save_context({"input": "sam is a friend"}, {"output": "okay"})  
memory.load_memory_variables({"input": "who is sam"})  
{'history': 'On Sam: Sam is friend.'}

我们还可以将历史记录作为消息列表获取（如果您正在与聊天模型一起使用，这将非常有用）。

memory = ConversationKGMemory(llm=llm, return_messages=True)  
memory.save_context({"input": "say hi to sam"}, {"output": "who is sam"})  
memory.save_context({"input": "sam is a friend"}, {"output": "okay"})  
memory.load_memory_variables({"input": "who is sam"})  
{'history': [SystemMessage(content='On Sam: Sam is friend.', additional_kwargs={})]}

我们还可以更模块化地从新消息中获取当前实体（将使用先前的消息作为上下文）。

memory.get_current_entities("what's Sams favorite color?")  
['Sam']

我们还可以更模块化地从新消息中获取知识三元组（将使用先前的消息作为上下文）。

memory.get_knowledge_triplets("her favorite color is red")  
[KnowledgeTriple(subject='Sam', predicate='favorite color', object_='red')]

在链中使用​

现在让我们在链中使用它！

llm = OpenAI(temperature=0)  
from langchain.prompts.prompt import PromptTemplate  
from langchain.chains import ConversationChain  

template = """The following is a friendly conversation between a human and an AI. The AI is talkative and provides lots of specific details from its context.   
If the AI does not know the answer to a question, it truthfully says it does not know. The AI ONLY uses information contained in the "Relevant Information" section and does not hallucinate.  

Relevant Information:  

{history}  

Conversation:  
Human: {input}  
AI:"""  
prompt = PromptTemplate(input_variables=["history", "input"], template=template)  
conversation_with_kg = ConversationChain(  
    llm=llm, verbose=True, prompt=prompt, memory=ConversationKGMemory(llm=llm)  
)

API 参考:​

conversation_with_kg.predict(input="Hi, what's up?")  
> 进入新的 ConversationChain 链...
格式化后的提示：
下面是一个友好的人机对话。AI 喜欢说话，并从上下文中提供大量具体细节。
如果 AI 不知道问题的答案，它会真实地说自己不知道。AI 仅使用“相关信息”部分中包含的信息，不会产生幻觉。

相关信息：


对话：
人类：嗨，最近怎么样？
AI：

> 链结束。

"嗨！我很好。我正在学习周围的世界。我正在了解不同的文化、语言和习俗。非常有趣！你呢？"
conversation_with_kg.predict(  
    input="My name is James and I'm helping Will. He's an engineer."  
)  
> 进入新的 ConversationChain 链...
格式化后的提示：
下面是一个友好的人机对话。AI 喜欢说话，并从上下文中提供大量具体细节。
如果 AI 不知道问题的答案，它会真实地说自己不知道。AI 仅使用“相关信息”部分中包含的信息，不会产生幻觉。

相关信息：


对话：
人类：我的名字是詹姆斯，我在帮助威尔。他是一名工程师。
AI：

> 链结束。

"嗨詹姆斯，很高兴认识你。我是一个 AI，我知道你在帮助工程师威尔。他从事什么类型的工程？"
conversation_with_kg.predict(input="What do you know about Will?")  
> 进入新的 ConversationChain 链...
格式化后的提示：
下面是一个友好的人机对话。AI 喜欢说话，并从上下文中提供大量具体细节。
如果 AI 不知道问题的答案，它会真实地说自己不知道。AI 仅使用“相关信息”部分中包含的信息，不会产生幻觉。

相关信息：

关于威尔：威尔是一名工程师。

对话：
人类：你知道威尔的什么情况？
AI：

> 链结束。

'威尔是一名工程师。'