Pamięć buforowa i okno kontekstu
Uczestnicy zaimplementują ConversationBufferMemory i ConversationBufferWindowMemory, aby zachowywać w kontekście ostatnich N tur rozmowy, oraz zmierzą wpływ rozmiaru okna na spójność i koszt.
Pamięć buforowa i okno kontekstu to bezpłatna lekcja AI Engineering Academy na CoddyKit. To lekcja 2 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Engineering Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Engineering Academy zawiera 4 lekcji w sumie.
Pamięć buforowa: zachowaj wszystko
Pamięć buforowa to najprostsza strategia: przechowuje każdą wiadomość z każdej wymiany na liście i dołącza pełną historię do każdego wywołania API. Zapewnia kompletny kontekst — model może odwołać się do dowolnej wypowiedzi. Wadą jest liniowy, nieograniczony wzrost kontekstu. W przypadku krótkich sesji, takich jak wykonanie pojedynczego zadania, pamięć buforowa jest właściwym wyborem i najłatwiejszą opcją implementacji.
from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory(
return_messages=True, # return Message objects, not a string
memory_key='history' # key to inject into prompt template
)
# Add messages manually
memory.chat_memory.add_user_message('What is a neural network?')
memory.chat_memory.add_ai_message('A neural network is a system of layers...')
# Load what will be injected
print(memory.load_memory_variables({}))Integracja pamięci buforowej z łańcuchem
Aby użyć pamięci buforowej z LCEL, należy podłączyć ją za pomocą RunnableWithMessageHistory albo użyć ConversationChain w starszym podejściu. Obiekt pamięci przechowuje historię, a łańcuch korzysta z elementu MessagesPlaceholder w szablonie promptu, aby ją wstrzyknąć. Po każdym wywołaniu pamięć automatycznie dopisuje nową wymianę.
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.output_parsers import StrOutputParser
from langchain_core.chat_history import InMemoryChatMessageHistory
from langchain_core.runnables.history import RunnableWithMessageHistory
store = {}
def get_history(session_id: str):
if session_id not in store:
store[session_id] = InMemoryChatMessageHistory()
return store[session_id]
chain = (
ChatPromptTemplate.from_messages([
('system', 'You are helpful.'),
MessagesPlaceholder('history'),
('human', '{input}')
])
| ChatOpenAI(model='gpt-4o-mini')
| StrOutputParser()
)
with_memory = RunnableWithMessageHistory(
chain, get_history,
input_messages_key='input',
history_messages_key='history'
)Problem z nieograniczonym buforem
Pamięć buforowa działa do momentu, gdy rozmowa stanie się zbyt długa i przekroczy okno kontekstu modelu. Przy oknie kontekstu 128K modelu GPT-4o-mini typowa rozmowa może obejmować 200–400 wymian, zanim dojdzie do przepełnienia. W praktyce już przy 50 wymianach każde żądanie może zawierać ponad 50 tys. tokenów — to znaczny koszt. Potrzebna jest strategia, która pozwoli ograniczyć rozmiar historii.
import tiktoken
enc = tiktoken.encoding_for_model('gpt-4o-mini')
def count_history_tokens(messages: list) -> int:
total = 0
for msg in messages:
total += len(enc.encode(msg.content))
total += 4 # per-message overhead
return total
# Check how big the history has grown
history = store.get('session-1')
if history:
token_count = count_history_tokens(history.messages)
print(f'History size: {len(history.messages)} messages, {token_count} tokens')Pamięć okienkowa: zachowaj ostatnie N wymian
Pamięć okienkowa zachowuje tylko ostatnich K wymian rozmowy, odrzucając starsze wiadomości. Ogranicza to kontekst do K * avg_tokens_per_turn, niezależnie od długości rozmowy. Wadą jest utrata bardzo wczesnego kontekstu — model może zapomnieć informacje podane przez użytkownika wiele wymian wcześniej. W przypadku większości chatbotów ogólnego przeznaczenia okno obejmujące 5–10 wymian zapewnia dobrą spójność przy akceptowalnym koszcie.
from langchain.memory import ConversationBufferWindowMemory
# Keep last 5 turns (10 messages: 5 user + 5 assistant)
memory = ConversationBufferWindowMemory(
k=5, # number of TURNS to keep (each turn = user + AI)
return_messages=True,
memory_key='history'
)
# After 10 turns, only turns 6-10 will be in context
# Turns 1-5 are silently droppedImplementacja pamięci okienkowej za pomocą InMemoryChatMessageHistory
Element InMemoryChatMessageHistory z LangChain przechowuje wszystkie wiadomości, ale historię można skrócić przed wstrzyknięciem jej do promptu. Często stosuje się wzorzec polegający na przechowywaniu pełnej historii na potrzeby logowania, a przekazywaniu do LLM tylko ostatnich N wiadomości. Aby pobrać najnowsze okno, należy użyć notacji wycinka języka Python dla history.messages.
from langchain_core.chat_history import InMemoryChatMessageHistory
from langchain_core.runnables import RunnableLambda
WINDOW_SIZE = 10 # last 10 messages (5 turns)
def get_windowed_history(session_id: str):
full_history = store.get(session_id, InMemoryChatMessageHistory())
store[session_id] = full_history
return full_history
# In the chain, trim before injecting
def trim_history(messages):
return messages[-WINDOW_SIZE:] if len(messages) > WINDOW_SIZE else messages
# Use in prompt with trimming
from langchain_core.messages import trim_messages
trimmer = trim_messages(
max_tokens=2000,
strategy='last',
token_counter=ChatOpenAI(model='gpt-4o-mini'),
include_system=True
)Okno oparte na tokenach a okno oparte na wymianach
Rozmiar okna można określić w wymianach (ostatnie K par wiadomość użytkownika/AI) albo w tokenach (ostatnie T tokenów historii). Okno oparte na tokenach jest bardziej niezawodne, ponieważ długość wymian jest różna — wymiana zawierająca kod może być 10 razy dłuższa niż wymiana z odpowiedzią „tak”. Narzędzie trim_messages() w LangChain obsługuje obie strategie i może zachować prompt systemowy podczas skracania historii.
from langchain_core.messages import trim_messages, SystemMessage, HumanMessage, AIMessage
# Token-based trimming — keep last 1000 tokens of conversation
trimmer = trim_messages(
max_tokens=1000,
strategy='last', # keep most recent messages
token_counter=len, # approximate: count characters / 4
include_system=True, # always include the system prompt
allow_partial=False, # don't split a message in half
start_on='human' # start window on a human message
)
trimmed = trimmer.invoke(all_messages)
print(f'Trimmed to {len(trimmed)} messages')Pomiar spójności a rozmiar okna
Wybór właściwego rozmiaru okna wymaga zmierzenia, jak spójność rozmowy pogarsza się wraz ze zmniejszaniem okna. Należy uruchomić serię rozmów testowych, w których wymiana N odwołuje się do informacji z wymiany N-5, N-10 i N-20. Następnie trzeba sprawdzić, czy model nadal potrafi poprawnie odpowiedzieć przy oknach obejmujących 5, 10 i 20 wymian. Wynik wskaże minimalny rozmiar okna potrzebny w konkretnym przypadku użycia.
def test_reference_at_distance(chain_with_memory, distances=[5, 10, 20]):
results = {}
for distance in distances:
session_id = f'test-dist-{distance}'
# Fill with filler turns
for i in range(distance):
chain_with_memory.invoke(
{'input': f'Turn {i}: filler message'},
config={'configurable': {'session_id': session_id}}
)
# Ask about something said at the start
first_msg = 'Recall that the user said the magic word is AZURE.'
response = chain_with_memory.invoke(
{'input': 'What was the magic word?'},
config={'configurable': {'session_id': session_id}}
)
results[distance] = 'AZURE' in response.upper()
return resultsŁączenie promptu systemowego z pamięcią okienkową
Podczas korzystania z pamięci okienkowej należy zawsze zachować prompt systemowy — definiuje on osobowość AI i obowiązujące reguły. Bez niego model może utracić swoją osobowość, gdy okno przesunie się poza pierwszą wymianę. Należy użyć opcji include_system=True w funkcjach skracających albo zawsze wstawiać wiadomość systemową przed historią objętą oknem w szablonie promptu.
# Always put system prompt BEFORE the windowed history
prompt = ChatPromptTemplate.from_messages([
('system', 'You are a Python tutor. Always explain with code examples.'),
MessagesPlaceholder('history'), # windowed history injected here
('human', '{input}'),
])
# The system prompt is never trimmed — only the history window is managed
# This ensures the model's persona is always present regardless of windowJak wybrać między pamięcią buforową a okienkową
Pamięć buforową należy stosować, gdy: rozmowy są krótkie i ograniczone (jednorazowe zadanie, kreator formularza), pełny kontekst ma kluczowe znaczenie (analiza prawna, przegląd kodu), a budżet tokenów nie stanowi problemu. Pamięć okienkową należy stosować, gdy: rozmowy mogą mieć dowolną długość (obsługa klienta, asystenci ogólnego przeznaczenia), najnowszy kontekst jest ważniejszy od odległego oraz potrzebne są przewidywalne i ograniczone koszty tokenów.
# Decision matrix in code
def choose_memory_strategy(
expected_turns: int,
max_context_tokens: int = 128000,
avg_tokens_per_turn: int = 200
) -> str:
buffer_tokens = expected_turns * avg_tokens_per_turn
if buffer_tokens < max_context_tokens * 0.5:
return 'buffer' # Safe to keep everything
elif expected_turns <= 20:
return 'window_10' # Keep last 10 turns
else:
return 'summary' # Need summarization for long convos
print(choose_memory_strategy(5)) # 'buffer'
print(choose_memory_strategy(50)) # 'window_10'
print(choose_memory_strategy(200)) # 'summary'Zapisywanie okna w Redis
W środowisku produkcyjnym należy przechowywać pełną historię rozmowy w Redis (aby zapewnić szybki odczyt), a przy odczycie skracać ją do rozmiaru okna. Redis z TTL gwarantuje automatyczne wygasanie starych sesji. Należy użyć posortowanego zbioru albo listy z LRANGE, aby efektywnie pobierać tylko ostatnie N wiadomości bez wczytywania całej historii.
from langchain_community.chat_message_histories import RedisChatMessageHistory
def get_windowed_redis_history(session_id: str, window: int = 10):
# RedisChatMessageHistory stores all messages
history = RedisChatMessageHistory(
session_id=session_id,
url='redis://localhost:6379',
ttl=3600 # 1 hour TTL
)
# Trim to window size in-memory before use
all_msgs = history.messages
if len(all_msgs) > window * 2: # window turns = window*2 messages
history.messages = all_msgs[-(window * 2):]
return historyMonitorowanie stanu pamięci w środowisku produkcyjnym
W środowisku produkcyjnym należy śledzić te metryki, aby wykrywać problemy związane z pamięcią: średnią liczbę tokenów historii na żądanie w celu wykrywania zbyt dużych sesji, wykorzystanie okna kontekstu (ostrzeżenie po przekroczeniu 80%), liczbę sesji w magazynie w celu wykrywania wycieków pamięci w magazynie sesji oraz częstotliwość trafień w pamięć podręczną dla sesji wczytywanych ponownie z Redis. Należy skonfigurować alert po przekroczeniu przez średnią liczbę tokenów historii określonego progu.
import time
from langchain_core.callbacks import BaseCallbackHandler
class MemoryMonitorCallback(BaseCallbackHandler):
def on_chain_start(self, serialized, inputs, **kwargs):
history = inputs.get('history', [])
token_estimate = sum(len(m.content.split()) * 1.3 for m in history)
if token_estimate > 50000:
print(f'WARNING: Large history {token_estimate:.0f} estimated tokens')
def on_chain_end(self, outputs, **kwargs):
# Log usage for dashboards
passSzybki test
Sprawdź swoją wiedzę na temat strategii pamięci buforowej i okienkowej.
Podsumowanie lekcji
W tej lekcji nauczyłeś się, że: pamięć buforowa zachowuje pełną historię, ale rośnie bez ograniczeń, dlatego nadaje się tylko do krótkich, ograniczonych rozmów; pamięć okienkowa zachowuje jedynie ostatnie K wymian, zapewniając przewidywalny i ograniczony koszt kosztem odległego kontekstu; a skracanie na podstawie tokenów za pomocą trim_messages() jest bardziej niezawodne niż okna oparte na wymianach, ponieważ długość wiadomości jest różna. W następnej części omówimy pamięć podsumowującą dla długich, otwartych rozmów.
Często zadawane pytania
Czy lekcja „Pamięć buforowa i okno kontekstu” jest bezpłatna?
Tak — pełny tekst „Pamięć buforowa i okno kontekstu” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Engineering Academy, przejdź na CoddyKit PRO. Kurs AI Engineering Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Pamięć buforowa i okno kontekstu”?
Uczestnicy zaimplementują ConversationBufferMemory i ConversationBufferWindowMemory, aby zachowywać w kontekście ostatnich N tur rozmowy, oraz zmierzą wpływ rozmiaru okna na spójność i koszt. Ćwiczysz AI Engineering Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć AI Engineering Academy?
Nie wymagamy żadnego doświadczenia. AI Engineering Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 4.
Ile czasu zajmuje lekcja „Pamięć buforowa i okno kontekstu”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji AI Engineering Academy?
Tak. Każda lekcja AI Engineering Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Dlaczego bezstanowe LLM-y potrzebują pamięci zewnętrznej
- Pamięć buforowa i okno kontekstu
- Pamięć podsumowań i skracanie uwzględniające tokeny
- Trwałe przechowywanie historii czatu w Redis i PostgreSQL