AI Agents with LangChain & Autonomous Workflows · レッスン

エージェントにメモリと会話状態を持たせる

LangChainエージェントに短期・長期メモリを追加し、ターンをまたいでコンテキストを記憶して、一貫性のある複数ステップの会話を生成できるようにします。

「エージェントにメモリと会話状態を持たせる」はCoddyKit上の無料AI Agents with LangChain & Autonomous Workflowsレッスンです。これはレッスン4/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはAI Agents with LangChain & Autonomous Workflows学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 AI Agents with LangChain & Autonomous Workflowsコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

Why Agents Need Memory

LLMs are stateless: each call knows nothing about the last unless you tell it. Without memory, an agent forgets your name the instant you say it.

The Context Window

Memory ultimately means stuffing prior info into the context window. That window is finite, so the real challenge is deciding what to keep and what to drop.

Buffer Memory

Buffer memory stores the whole conversation and replays it every turn. Accurate, but it grows without bound and eventually overflows the context window.

from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory()
memory.save_context({'input': 'Hi, I am Lena'}, {'output': 'Hello Lena!'})

Windowed Memory

Windowed memory keeps only the last N exchanges. It bounds size and forgets older context — perfect when only recent turns matter.

from langchain.memory import ConversationBufferWindowMemory
memory = ConversationBufferWindowMemory(k=4)

Summary Memory

Summary memory periodically condenses older turns with the LLM, keeping the gist plus recent messages — preserving meaning in a small footprint.

from langchain.memory import ConversationSummaryMemory
memory = ConversationSummaryMemory(llm=llm)

Short-Term vs Long-Term

Two flavors serve different needs: short-term memory holds the current chat in the prompt, while long-term persists facts across sessions in a store.

Long-Term Memory with Vectors

For knowledge that must survive sessions, store messages as embeddings in a vector store and retrieve the most relevant ones by similarity instead of replaying everything.

from langchain.memory import VectorStoreRetrieverMemory
memory = VectorStoreRetrieverMemory(retriever=vectorstore.as_retriever())

Wiring Memory into a Chain

Wire memory into a conversation chain. Each call loads prior context, runs the model, and saves the new exchange automatically.

from langchain.chains import ConversationChain
chain = ConversationChain(llm=llm, memory=memory)
print(chain.predict(input='What is my name?'))

Session and User Scoping

Real apps serve many users at once. Scope memory by session or user id so separate conversations never leak into each other.

store = {}
def get_memory(session_id):
    if session_id not in store:
        store[session_id] = ConversationBufferMemory()
    return store[session_id]

Cost and Privacy Tradeoffs

More memory means more tokens — higher cost and latency. Long-term stores may hold sensitive data, so mind retention limits and what you're allowed to keep.

Choosing a Memory Strategy

Choosing a strategy: buffer or window for short chats, summary for long ones, vector for cross-session facts — always scoped per user and mindful of cost.

Quick Check

You've met several memory types — which fits when? Time to put it to the test.

Recap

Recap: memory feeds prior context into a finite window. Buffer, window, and summary trade accuracy for size, vector stores enable long-term recall — always scope and watch cost.

よくある質問

「エージェントにメモリと会話状態を持たせる」レッスンは無料ですか？

はい。「エージェントにメモリと会話状態を持たせる」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、AI Agents with LangChain & Autonomous Workflowsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 AI Agents with LangChain & Autonomous Workflowsコースには全4レッスンが含まれています。

「エージェントにメモリと会話状態を持たせる」で何を学びますか？

LangChainエージェントに短期・長期メモリを追加し、ターンをまたいでコンテキストを記憶して、一貫性のある複数ステップの会話を生成できるようにします。ブラウザで直接実行するハンズオンコードでAI Agents with LangChain & Autonomous Workflowsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

AI Agents with LangChain & Autonomous Workflowsを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのAI Agents with LangChain & Autonomous Workflowsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。これはレッスン4/4です。

「エージェントにメモリと会話状態を持たせる」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このAI Agents with LangChain & Autonomous Workflowsレッスンでコードを書いて実行できますか？

はい。すべてのAI Agents with LangChain & Autonomous Workflowsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

← AI Agents with LangChain & Autonomous Workflowsに戻る