`langchain.memory.buffer`.ConversationBufferMemory^¶

class langchain.memory.buffer.ConversationBufferMemory[来源]¶

基类：BaseChatMemory

存储对话内存的缓冲区。

param ai_prefix: str = 'AI'¶

param chat_memory: BaseChatMessageHistory [可选]¶

param human_prefix: str = 'Human'¶

param input_key: Optional[str] = None¶

param output_key: Optional[str] = None¶

param return_messages: bool = False¶

async abuffer() → Any[来源]¶

内存的字符串缓冲区。

返回类型: Any

async abuffer_as_messages() → List[BaseMessage][source]¶

在return_messages为False的情况下，将缓冲区以消息列表的形式公开。

返回类型: 列表[BaseMessage]

async abuffer_as_str() → str[source]¶

在return_messages为True的情况下，将缓冲区以字符串的形式公开。

返回类型: str

async aclear() → None¶

清除内存内容。

返回类型: None

async aload_memory_variables(inputs: Dict[str, Any]) → Dict[str, Any][source]¶

给定给链的文本输入，返回键值对。

参数: inputs (Dict[str, Any]) –
返回类型: Dict[str, Any]

async asave_context(inputs: Dict[str, Any], outputs: Dict[str, str]) → None¶

从这次对话中保存上下文到缓冲区。

参数

inputs (Dict[str, Any]) –
outputs (Dict[str, str]) –

返回类型

None

clear() → None¶

清除内存内容。

返回类型: None

load_memory_variables(inputs: Dict[str, Any]) → Dict[str, Any][source]¶

返回历史缓冲区。

参数: inputs (Dict[str, Any]) –
返回类型: Dict[str, Any]

save_context(inputs: Dict[str, Any], outputs: Dict[str, str]) → None¶