Память буфера и окна
Реализуйте ConversationBufferMemory и ConversationBufferWindowMemory, чтобы сохранять в контексте последние N реплик, и измерьте влияние размера окна на связность и стоимость.
«Память буфера и окна» — бесплатный урок AI Engineering Academy на CoddyKit. Это урок 2 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Engineering Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Engineering Academy содержит 4 уроков всего.
Память буфера: сохраняем всё
Память буфера — самая простая стратегия: сохранять каждое сообщение каждого обмена в списке и включать полную историю в каждый вызов API. Она сохраняет полный контекст — модель может ссылаться на любую реплику разговора. Недостаток заключается в линейном росте контекста без верхнего ограничения. Для коротких сеансов, например выполнения одной задачи, память буфера вполне подходит и проще всего реализуется.
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({}))Интеграция памяти буфера с цепочкой
Чтобы использовать память буфера с LCEL, подключите её через RunnableWithMessageHistory или используйте ConversationChain в устаревшем варианте. Объект памяти хранит историю, а цепочка использует MessagesPlaceholder в шаблоне запроса, чтобы вставить её. После каждого вызова память автоматически добавляет новый обмен сообщениями.
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'
)Проблема неограниченного буфера
Память буфера работает, пока разговор не становится слишком длинным и не превышает окно контекста модели. При окне контекста 128K у GPT-4o-mini обычный чат может продлиться на 200–400 обменов, прежде чем произойдёт переполнение. На практике даже при 50 обменах Вы отправляете более 50K токенов в каждом запросе — это значительные расходы. Вам нужна стратегия, которая ограничивает размер истории.
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')Память окна: сохраняем последние N обменов
Память окна сохраняет только последние K обменов в разговоре, отбрасывая более старые сообщения. Это ограничивает контекст значением K * avg_tokens_per_turn независимо от продолжительности разговора. Компромисс заключается в потере самого раннего контекста — модель может забыть то, что пользователь сказал много обменов назад. Для большинства чат-ботов общего назначения окно в 5–10 обменов обеспечивает хорошую связность при приемлемых расходах.
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 droppedРеализация памяти окна с помощью InMemoryChatMessageHistory
InMemoryChatMessageHistory в LangChain сохраняет все сообщения, но перед вставкой истории в запрос Вы можете сократить её. Распространённый подход — хранить полную историю для ведения журнала, но передавать LLM только последние N сообщений. Используйте обозначение среза Python для history.messages, чтобы получить самое новое окно.
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
)Окно по токенам и по обменам
Размер окна можно задавать в обменах (последние K пар сообщений пользователя и ИИ) или в токенах (последние T токенов истории). Окно по токенам надёжнее, поскольку длина обменов различается: обмен с кодом в 10 раз длиннее обмена со словом «да». Утилита LangChain trim_messages() поддерживает обе стратегии и может сохранять системный запрос при сокращении истории.
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')Измерение связности в зависимости от размера окна
Чтобы выбрать подходящий размер окна, нужно измерить, как ухудшается связность разговора при его уменьшении. Проведите набор тестовых разговоров, в которых обмен N ссылается на информацию из обменов N-5, N-10 и N-20. Проверьте, может ли модель по-прежнему правильно отвечать при окнах в 5, 10 и 20 обменов. Ответ покажет минимальный размер окна, необходимый для Вашего конкретного сценария.
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 resultsОбъединение системного запроса с памятью окна
При использовании памяти окна всегда сохраняйте системный запрос — он задаёт образ ИИ и правила. Без него модель может потерять заданный образ, когда окно переместится за пределы первого обмена. Используйте параметр include_system=True в функциях сокращения либо всегда вставляйте системное сообщение перед историей окна в шаблоне запроса.
# 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 windowКак выбрать между памятью буфера и памятью окна
Используйте память буфера, если: разговоры короткие и ограниченные (разовая задача, пошаговое заполнение формы), полный контекст критически важен (юридический анализ, проверка кода), а бюджет токенов не имеет значения. Используйте память окна, если: разговоры могут быть сколь угодно длинными (поддержка клиентов, универсальные помощники), недавний контекст важнее далёкого, а Вам нужны предсказуемые и ограниченные расходы на токены.
# 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'Сохранение окна в Redis
В рабочем окружении храните полную историю разговора в Redis (для быстрого извлечения), а при чтении сокращайте её до размера окна. Redis с TTL обеспечивает автоматическое удаление старых сеансов. Используйте отсортированное множество или список с LRANGE, чтобы эффективно получать только последние N сообщений, не загружая всю историю.
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 historyМониторинг состояния памяти в рабочем окружении
Отслеживайте в рабочем окружении следующие показатели, чтобы выявлять проблемы, связанные с памятью: среднее количество токенов истории на запрос для обнаружения слишком больших сеансов, использование окна контекста (предупреждайте при значении более 80%), количество сеансов в хранилище для обнаружения утечек памяти в хранилище сеансов и коэффициент попаданий в кэш для сеансов, повторно загруженных из Redis. Создавайте предупреждение, когда среднее количество токенов истории превышает настраиваемый порог.
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
passБыстрая проверка
Проверьте, насколько Вы понимаете стратегии памяти буфера и окна.
Итоги урока
В этом уроке Вы узнали, что память буфера сохраняет полную историю, но растёт без ограничений, поэтому подходит только для коротких ограниченных разговоров; память окна сохраняет только последние K обменов, обеспечивая предсказуемые ограниченные расходы за счёт потери далёкого контекста; а сокращение по токенам с помощью trim_messages() надёжнее окон по обменам, поскольку длина сообщений различается. Далее мы рассмотрим память сжатого содержания для длинных разговоров без заранее заданного конца.
Часто задаваемые вопросы
Урок «Память буфера и окна» бесплатный?
Да — полный текст урока «Память буфера и окна» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Engineering Academy, подпишись на CoddyKit PRO. Курс AI Engineering Academy содержит 4 уроков всего.
Чему я научусь в уроке «Память буфера и окна»?
Реализуйте ConversationBufferMemory и ConversationBufferWindowMemory, чтобы сохранять в контексте последние N реплик, и измерьте влияние размера окна на связность и стоимость. Ты практикуешь AI Engineering Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать AI Engineering Academy?
Предыдущий опыт не требуется. AI Engineering Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 2 из 4.
Сколько времени занимает урок «Память буфера и окна»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке AI Engineering Academy?
Да. Каждый урок AI Engineering Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Зачем бессостояниным LLM нужна внешняя память
- Память буфера и окна
- Память сводки и усечение с учётом токенов
- Сохранение истории чата в Redis и PostgreSQL