หน่วยความจำแบบบัฟเฟอร์และหน้าต่าง
ใช้ ConversationBufferMemory และ ConversationBufferWindowMemory เพื่อเก็บการโต้ตอบ N รอบล่าสุดไว้ในบริบท และวัดว่าขนาดหน้าต่างส่งผลต่อความต่อเนื่องและค่าใช้จ่ายอย่างไร
หน่วยความจำแบบบัฟเฟอร์และหน้าต่าง เป็นบทเรียน AI Engineering Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Engineering Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Engineering Academy มีบทเรียนทั้งหมด 4 บทเรียน
หน่วยความจำแบบบัฟเฟอร์: เก็บทุกอย่าง
หน่วยความจำแบบบัฟเฟอร์ เป็นกลยุทธ์ที่ง่ายที่สุด โดยจัดเก็บทุกข้อความจากทุกการโต้ตอบไว้ในรายการ และใส่ประวัติทั้งหมดลงในการเรียก API ทุกครั้ง วิธีนี้รักษาบริบทได้อย่างครบถ้วน โมเดลจึงอ้างอิงสิ่งที่พูดไว้ในช่วงใดก็ได้ ข้อเสียคือบริบทจะเพิ่มขึ้นเป็นเส้นตรงโดยไม่มีขอบเขต สำหรับเซสชันสั้น ๆ เช่น การทำงานหนึ่งงานให้เสร็จ หน่วยความจำแบบบัฟเฟอร์เหมาะสมอย่างยิ่งและนำไปใช้ได้ง่ายที่สุด
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({}))การผสานหน่วยความจำแบบบัฟเฟอร์เข้ากับสายงาน
หากต้องการใช้หน่วยความจำแบบบัฟเฟอร์กับ LCEL ให้เชื่อมผ่าน RunnableWithMessageHistory หรือใช้ ConversationChain สำหรับแนวทางแบบเดิม วัตถุหน่วยความจำจะเก็บประวัติไว้ และสายงานจะใช้ MessagesPlaceholder ในแม่แบบพรอมต์เพื่อแทรกประวัตินั้น หลังการเรียกใช้แต่ละครั้ง หน่วยความจำจะเพิ่มการโต้ตอบรอบใหม่โดยอัตโนมัติ
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'
)ปัญหาของบัฟเฟอร์ที่ไม่จำกัด
หน่วยความจำแบบบัฟเฟอร์จะใช้งานได้จนกว่าการสนทนาจะยาวเกินไปและเกินหน้าต่างบริบทของโมเดล ด้วยบริบทขนาด 128K ของ GPT-4o-mini แชตทั่วไปอาจดำเนินไปได้ประมาณ 200–400 รอบก่อนจะล้น แต่ในทางปฏิบัติ แม้มีเพียง 50 รอบ คุณก็อาจส่งโทเค็นมากกว่า 50K ต่อคำขอ ซึ่งมีค่าใช้จ่ายสูง คุณจึงต้องมีกลยุทธ์เพื่อ จำกัดขนาดประวัติ
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')หน่วยความจำแบบหน้าต่าง: เก็บ N รอบล่าสุด
หน่วยความจำแบบหน้าต่าง จะเก็บเฉพาะการโต้ตอบ K รอบล่าสุด และทิ้งข้อความที่เก่ากว่า วิธีนี้จำกัดบริบทไว้ที่ K * avg_tokens_per_turn ไม่ว่าการสนทนาจะยาวเพียงใด ข้อแลกเปลี่ยนคือบริบทช่วงแรก ๆ จะหายไป โมเดลอาจลืมสิ่งที่ผู้ใช้พูดไว้หลายรอบก่อน สำหรับแชตบอตทั่วไปส่วนใหญ่ หน้าต่างขนาด 5–10 รอบให้ความต่อเนื่องที่ดีด้วยค่าใช้จ่ายที่ยอมรับได้
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 droppedการนำหน่วยความจำแบบหน้าต่างไปใช้ด้วย InMemoryChatMessageHistory
InMemoryChatMessageHistory ของ LangChain จะเก็บข้อความทั้งหมดไว้ แต่คุณสามารถตัดประวัติก่อนแทรกลงในพรอมต์ได้ รูปแบบที่ใช้กันทั่วไปคือเก็บประวัติทั้งหมดไว้สำหรับการบันทึกข้อมูล แต่ส่งเฉพาะข้อความ N รายการล่าสุดไปยัง LLM ใช้สัญกรณ์การแบ่งส่วนของ Python กับ history.messages เพื่อดึงหน้าต่างล่าสุด
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
)หน้าต่างตามโทเค็นเทียบกับหน้าต่างตามรอบ
คุณสามารถระบุขนาดหน้าต่างเป็น รอบ ได้แก่ คู่มนุษย์/AI K คู่ล่าสุด หรือเป็น โทเค็น ได้แก่โทเค็น T รายการล่าสุดของประวัติ การกำหนดหน้าต่างตามโทเค็นเชื่อถือได้มากกว่า เพราะความยาวของแต่ละรอบแตกต่างกัน รอบที่มีโค้ดอาจยาวกว่ารอบที่ตอบว่า 'ใช่' ถึง 10 เท่า ยูทิลิตี trim_messages() ของ LangChain รองรับทั้งสองกลยุทธ์ และสามารถเก็บพรอมต์ระบบไว้ขณะตัดประวัติได้
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')การวัดความต่อเนื่องเทียบกับขนาดหน้าต่าง
การเลือกขนาดหน้าต่างที่เหมาะสมจำเป็นต้องวัดว่าความต่อเนื่องของการสนทนาลดลงอย่างไรเมื่อหน้าต่างเล็กลง ให้เรียกใช้ชุดการสนทนาทดสอบที่รอบ N อ้างอิงข้อมูลจากรอบ N-5, N-10 และ N-20 ทดสอบว่าโมเดลยังตอบได้ถูกต้องหรือไม่เมื่อใช้หน้าต่าง 5, 10 และ 20 รอบ ผลลัพธ์จะบอกขนาดหน้าต่างขั้นต่ำที่จำเป็นสำหรับกรณีการใช้งานเฉพาะของคุณ
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 resultsการรวมพรอมต์ระบบเข้ากับหน่วยความจำแบบหน้าต่าง
เมื่อใช้หน่วยความจำแบบหน้าต่าง ให้เก็บ พรอมต์ระบบ ไว้เสมอ เพราะพรอมต์นี้กำหนดบุคลิกและกฎของ AI หากไม่มีพรอมต์ดังกล่าว โมเดลอาจสูญเสียบุคลิกเมื่อหน้าต่างเลื่อนผ่านรอบแรก ใช้ตัวเลือก include_system=True ในฟังก์ชันตัดข้อความ หรือแทรกข้อความระบบไว้ก่อนประวัติแบบหน้าต่างในแม่แบบพรอมต์เสมอ
# 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 windowคู่มือเลือกใช้หน่วยความจำแบบบัฟเฟอร์เทียบกับแบบหน้าต่าง
ใช้ หน่วยความจำแบบบัฟเฟอร์ เมื่อการสนทนาสั้นและมีขอบเขตแน่นอน เช่น งานครั้งเดียวหรือตัวช่วยกรอกแบบฟอร์ม บริบททั้งหมดมีความสำคัญ เช่น การวิเคราะห์ทางกฎหมายหรือการตรวจสอบโค้ด และไม่ต้องกังวลเรื่องงบประมาณโทเค็น ใช้ หน่วยความจำแบบหน้าต่าง เมื่อการสนทนาอาจยาวได้ไม่จำกัด เช่น การสนับสนุนลูกค้าหรือผู้ช่วยทั่วไป บริบทล่าสุดสำคัญกว่าบริบทที่ห่างออกไป และคุณต้องการค่าใช้จ่ายโทเค็นที่คาดการณ์ได้และมีขอบเขต
# 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'การจัดเก็บหน้าต่างไว้ใน Redis
สำหรับการใช้งานจริง ให้จัดเก็บประวัติการสนทนาทั้งหมดใน Redis เพื่อให้เรียกคืนได้รวดเร็ว แล้วตัดให้เหลือขนาดหน้าต่างเมื่ออ่านข้อมูล Redis ที่ใช้ TTL จะทำให้เซสชันเก่าหมดอายุโดยอัตโนมัติ ใช้ชุดเรียงลำดับหรือรายการร่วมกับ LRANGE เพื่อดึงเฉพาะข้อความ N รายการล่าสุดได้อย่างมีประสิทธิภาพ โดยไม่ต้องโหลดประวัติทั้งหมด
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 historyการตรวจสอบสุขภาพของหน่วยความจำในการใช้งานจริง
ติดตามตัวชี้วัดเหล่านี้ในการใช้งานจริงเพื่อค้นหาปัญหาที่เกี่ยวข้องกับหน่วยความจำ: จำนวนโทเค็นประวัติเฉลี่ยต่อคำขอ เพื่อตรวจหาเซสชันที่ใหญ่เกินไป การใช้หน้าต่างบริบท โดยแจ้งเตือนหากเกิน 80% จำนวนเซสชันในที่จัดเก็บ เพื่อตรวจหาหน่วยความจำรั่วในที่จัดเก็บเซสชัน และ อัตราการพบในแคช สำหรับเซสชันที่โหลดซ้ำจาก Redis ให้แจ้งเตือนเมื่อจำนวนโทเค็นประวัติเฉลี่ยเกินค่าขีดจำกัดที่กำหนดค่าได้
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
passตรวจสอบความเข้าใจอย่างรวดเร็ว
ทดสอบความเข้าใจของคุณเกี่ยวกับกลยุทธ์หน่วยความจำแบบบัฟเฟอร์และแบบหน้าต่าง
ทบทวนบทเรียน
ในบทเรียนนี้ คุณได้เรียนรู้ว่า หน่วยความจำแบบบัฟเฟอร์ รักษาประวัติทั้งหมดไว้แต่เพิ่มขึ้นโดยไม่มีขอบเขต จึงเหมาะเฉพาะกับการสนทนาสั้น ๆ ที่มีขอบเขตแน่นอน หน่วยความจำแบบหน้าต่าง เก็บเพียง K รอบล่าสุดเพื่อให้ค่าใช้จ่ายคาดการณ์ได้และมีขอบเขต โดยแลกกับการสูญเสียบริบทที่ห่างออกไป และ การตัดตามโทเค็นด้วย trim_messages() เชื่อถือได้กว่าหน้าต่างตามรอบ เพราะความยาวของข้อความแตกต่างกัน บทถัดไปเราจะสำรวจหน่วยความจำแบบสรุปสำหรับการสนทนายาวที่ไม่มีจุดสิ้นสุดแน่นอน
คำถามที่พบบ่อย
บทเรียน “หน่วยความจำแบบบัฟเฟอร์และหน้าต่าง” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “หน่วยความจำแบบบัฟเฟอร์และหน้าต่าง” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Engineering Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Engineering Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “หน่วยความจำแบบบัฟเฟอร์และหน้าต่าง”
ใช้ ConversationBufferMemory และ ConversationBufferWindowMemory เพื่อเก็บการโต้ตอบ N รอบล่าสุดไว้ในบริบท และวัดว่าขนาดหน้าต่างส่งผลต่อความต่อเนื่องและค่าใช้จ่ายอย่างไร คุณปฏิบัติ AI Engineering Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Engineering Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Engineering Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน
บทเรียน “หน่วยความจำแบบบัฟเฟอร์และหน้าต่าง” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน AI Engineering Academy นี้ได้ไหม
ได้ บทเรียน AI Engineering Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- เหตุใด LLM แบบไร้สถานะจึงต้องใช้หน่วยความจำภายนอก
- หน่วยความจำแบบบัฟเฟอร์และหน้าต่าง
- หน่วยความจำแบบสรุปและการตัดข้อความโดยคำนึงถึงโทเคน
- การเก็บประวัติการสนทนาใน Redis และ PostgreSQL