模型没失忆，是你没给它记忆——速通 LangChain Memory最短路径

DeepSeek 官网能记住我叫大煊、刚才聊啥；同样的问题搬到本地invoke（调模型），第二轮它直接回「我不知道你刚才提到的名字」。模型没坏，是我没给记忆。

对 Javaer 来说，LangChain 的 Memory（记忆）就像HttpSession 里塞对话记录，或者 ThreadLocal 里挂的上下文——不是大模型自带记忆，是你在每次请求前后维护一份「聊天记录副本」，再塞给模型看。

我从对照实验到RunnableWithMessageHistory（带历史消息的可运行链）跑通的最短路径：内存版 → 多 session 隔离 → 可选 Redis 落盘。

真相：失忆发生在应用层，不在模型里

模型本身不会自动记住上一轮。是应用层在读历史、写历史、拼 Prompt（提示词）。

实现记忆就三件事：

1. 读：从记忆组件取出历史对话
2. 拼：历史 + 当前用户输入塞进 Prompt，传给模型
3. 写：本轮问答写回记忆组件

可以记一句：Memory 不是让模型变聪明，是让每次请求变「完整」。

RunnableWithMessageHistory

LangChain 早期有个ConversationChain，几行代码就能聊，但提示模板和内存逻辑绑死，跟 LCEL （链式调用）的Runnable体系不太合拍。

LangChain 0.3.x 起推荐RunnableWithMessageHistory：你的链还是prompt | llm | parser，外面套一层壳，通过get_session_history回调决定历史存哪儿。跟 Spring 从「一个大而全的 Facade」往「小接口 + 组合」演进的路数有点像——换存储后端不用动链本身。

自己往history.messages里塞消息再llm.invoke也能拼，但 Runnable替你自动化了读 → 拼 → 写那一圈。

存储后端怎么选

BaseChatMessageHistory是用来保存聊天消息历史的抽象基类,其中最重要就是清空所有消息和添加消息

点开抽象基类可以看到Langchain可选的记忆存储组件还是有很多选型

对照实验：没 Memory 的「我不知道」

跑下面这段，两轮invoke彼此独立——上一轮的内容根本没传进去：

importosfromdotenvimportload_dotenvfromlangchain_core.output_parsersimportStrOutputParserfromlangchain_core.promptsimportPromptTemplatefromlangchain.chat_modelsimportinit_chat_model load_dotenv()llm=init_chat_model(model=os.getenv("DEEPSEEK_MODEL","deepseek-chat"),model_provider="openai",api_key=os.getenv("DEEPSEEK_API_KEY"),temperature=0.0,base_url=os.getenv("DEEPSEEK_BASE_URL","https://api.deepseek.com"),)prompt=PromptTemplate.from_template("请根据用户问题作答：{question}")chain=prompt|llm|StrOutputParser()print(chain.invoke({"question":"你好，我是大煊，你怎么称呼？"}))print(chain.invoke({"question":"你还记得我刚才自我介绍的名字吗？"}))

自动挡：多 session + RunnableWithMessageHistory

真实项目里不同用户得隔离历史。用一个dict按session_id（会话标识）存各自的InMemoryChatMessageHistory——跟 Java 里Map<String, HttpSession>按 userId 取 Session 是一个路数。

importosfromdotenvimportload_dotenvfromlangchain.chat_modelsimportinit_chat_modelfromlangchain_core.chat_historyimportInMemoryChatMessageHistoryfromlangchain_core.runnables.historyimportRunnableWithMessageHistoryfromlangchain_core.promptsimportChatPromptTemplate,MessagesPlaceholderfromlangchain_core.output_parsersimportStrOutputParser load_dotenv()llm=init_chat_model(model=os.getenv("DEEPSEEK_MODEL","deepseek-chat"),model_provider="openai",api_key=os.getenv("DEEPSEEK_API_KEY"),base_url=os.getenv("DEEPSEEK_BASE_URL","https://api.deepseek.com"),)store={}defget_session_history(session_id:str):ifsession_idnotinstore:store[session_id]=InMemoryChatMessageHistory()returnstore[session_id]prompt=ChatPromptTemplate.from_messages([("system","你是一个耐心的中文助理，会结合上文连贯作答。"),MessagesPlaceholder("history"),("human","{question}"),])memory_chain=prompt|llm|StrOutputParser()with_history=RunnableWithMessageHistory(memory_chain,get_session_history,input_messages_key="question",history_messages_key="history",)cfg={"configurable":{"session_id":"user-001"}}print("AI：",with_history.invoke({"question":"我是大煊，Javaer 一枚。"},cfg))print("AI：",with_history.invoke({"question":"你记得我叫啥不？"},cfg))

三个名字必须对齐：模板里MessagesPlaceholder("history")、history_messages_key="history"、input_messages_key="question"与 Prompt 里 human 的{question}一致——我对过一次，少一个历史就是空的，模型每轮都像第一次见面。

可选进阶：Redis Stack

内存版进程一挂，历史就没了。要上生产或本地重启还想接着聊，把get_session_history里的实现换成RedisChatMessageHistory就行——链和 Prompt 不用动，只改回调。开发阶段注意REDIS_URL端口和 reids端口映射对齐；有ttl的话历史可能被自动清掉。

Redis Stack是redis的扩展版，也是近年来redis的主推版本

复杂多 Agent 编排以后可以换 LangGraph 的 Checkpointer

这是「AI Agent 实战踩坑」系列的第 5 篇。欢迎大家关注，后续还会继续分享知识片段

参考：LangChain Short-term memory