Agents geheugen en conversatiestatus geven
Voeg kortetermijn- en langetermijngeheugen toe aan LangChain-agents, zodat ze context tussen beurten onthouden en coherente gesprekken met meerdere stappen voeren.
Agents geheugen en conversatiestatus geven is een gratis AI-agents met LangChain en autonome werkstromen-les op CoddyKit. Dit is les 4 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject AI-agents met LangChain en autonome werkstromen. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus AI-agents met LangChain en autonome werkstromen bevat in totaal 4 lessen.
Waarom agents geheugen nodig hebben
LLM's zijn stateless: elke aanroep weet niets van de vorige, tenzij je dat doorgeeft. Zonder geheugen vergeet een agent je naam zodra je die hebt verteld.
Het contextvenster
Geheugen betekent uiteindelijk dat je eerdere informatie in het contextvenster stopt. Dat venster is eindig, dus de echte uitdaging is bepalen wat je bewaart en wat je weglaat.
Buffergeheugen
Buffergeheugen slaat het hele gesprek op en speelt het bij elke beurt opnieuw af. Het is nauwkeurig, maar groeit onbeperkt en loopt uiteindelijk over, waardoor het contextvenster te klein wordt.
from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory()
memory.save_context({'input': 'Hi, I am Lena'}, {'output': 'Hello Lena!'})Geheugen met venster
Geheugen met venster bewaart alleen de laatste N uitwisselingen. De omvang blijft daardoor begrensd en oudere context wordt vergeten — ideaal wanneer alleen recente beurten belangrijk zijn.
from langchain.memory import ConversationBufferWindowMemory
memory = ConversationBufferWindowMemory(k=4)Samenvattingsgeheugen
Samenvattingsgeheugen vat oudere beurten periodiek samen met de LLM en bewaart de kern plus recente berichten — zo blijft de betekenis behouden in een klein formaat.
from langchain.memory import ConversationSummaryMemory
memory = ConversationSummaryMemory(llm=llm)Korte termijn versus lange termijn
Twee varianten voorzien in verschillende behoeften: kortetermijngeheugen bevat de huidige chat in de prompt, terwijl langetermijngeheugen feiten tussen sessies bewaart in een opslag.
Langetermijngeheugen met vectoren
Voor kennis die sessies moet overleven, sla je berichten als embeddings op in een vectoropslag en haal je de meest relevante berichten op basis van overeenkomst op, in plaats van alles opnieuw af te spelen.
from langchain.memory import VectorStoreRetrieverMemory
memory = VectorStoreRetrieverMemory(retriever=vectorstore.as_retriever())Geheugen in een keten integreren
Verbind geheugen met een gespreksketen. Elke aanroep laadt eerdere context, voert het model uit en slaat de nieuwe uitwisseling automatisch op.
from langchain.chains import ConversationChain
chain = ConversationChain(llm=llm, memory=memory)
print(chain.predict(input='What is my name?'))Sessies en gebruikers afbakenen
Echte apps bedienen veel gebruikers tegelijk. Baken geheugen af per sessie of gebruikers-id, zodat afzonderlijke gesprekken nooit in elkaar overlopen.
store = {}
def get_memory(session_id):
if session_id not in store:
store[session_id] = ConversationBufferMemory()
return store[session_id]Afwegingen tussen kosten en privacy
Meer geheugen betekent meer tokens — dus hogere kosten en latentie. Langdurige opslag kan gevoelige gegevens bevatten, dus let op bewaarlimieten en wat je mag bewaren.
Een geheugenstrategie kiezen
Een strategie kiezen: buffer of venster voor korte gesprekken, samenvatting voor lange gesprekken, vector voor feiten uit meerdere sessies — altijd per gebruiker afgebakend en met aandacht voor de kosten.
Korte controle
Je hebt verschillende geheugentypen leren kennen — welk type past wanneer? Tijd om je kennis te testen.
Samenvatting
Samenvatting: geheugen voert eerdere context aan een venster met beperkte omvang. Buffer, venster en samenvatting ruilen nauwkeurigheid in tegen omvang, en vectoropslag maakt langdurig terughalen mogelijk — baken het altijd af en houd de kosten in de gaten.
Leer AI-agents met LangChain en autonome werkstromen met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 12
- Lessen
- 50
Veelgestelde vragen
Is de les “Agents geheugen en conversatiestatus geven” gratis?
Ja — de volledige tekst van “Agents geheugen en conversatiestatus geven” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus AI-agents met LangChain en autonome werkstromen wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus AI-agents met LangChain en autonome werkstromen bevat in totaal 4 lessen.
Wat leer ik in “Agents geheugen en conversatiestatus geven”?
Voeg kortetermijn- en langetermijngeheugen toe aan LangChain-agents, zodat ze context tussen beurten onthouden en coherente gesprekken met meerdere stappen voeren. Je oefent met AI-agents met LangChain en autonome werkstromen door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met AI-agents met LangChain en autonome werkstromen te beginnen?
Ervaring vooraf is niet nodig. AI-agents met LangChain en autonome werkstromen op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 4 van 4.
Hoe lang duurt de les “Agents geheugen en conversatiestatus geven”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over AI-agents met LangChain en autonome werkstromen?
Ja. Elke les over AI-agents met LangChain en autonome werkstromen bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- AI-agents en LLM’s begrijpen
- De kerncomponenten van LangChain uitgelegd
- Uw eerste eenvoudige agent bouwen
- Agents geheugen en conversatiestatus geven