如何为搭载双工具的Agent传入已创建的Combined Memory

核心原因 #

你遇到的问题根源是默认Agent的Prompt模板没有包含CombinedMemory中定义的多个记忆变量。默认模板只会引用单一的chat_history变量，而你的CombinedMemory包含chat_history_buffer、chat_history_summary、chat_history_KG三个独立记忆键，这些变量没有被注入到Agent的Prompt中，导致记忆功能不生效。

解决步骤：修改Prompt模板 #

必须自定义Agent的Prompt，将所有记忆变量明确加入模板内容，同时保留Agent运行所需的核心变量（如input、agent_scratchpad）。

完整实现代码 #

from langchain.chat_models import ChatOpenAI
from langchain.memory import (
    ConversationBufferWindowMemory,
    ConversationSummaryMemory,
    ConversationKGMemory,
    CombinedMemory
)
from langchain.agents import initialize_agent, AgentType
from langchain.tools import Tool
from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder

# 初始化LLM实例
llm_code = ChatOpenAI(temperature=0, model_name="gpt-4-0613")
llm_context = ChatOpenAI(temperature=0.5, model_name="gpt-4")

# 定义工具（替换为你的python_reply_tool和search_documents）
python_reply_tool = Tool(
    name="Python代码执行",
    func=lambda x: "执行Python代码的结果：" + x,
    description="用于执行Python代码并返回结果"
)
search_documents = Tool(
    name="文档搜索",
    func=lambda x: "搜索到的文档内容：" + x,
    description="用于搜索指定文档的相关信息"
)
tools = [python_reply_tool, search_documents]

# 创建组合记忆实例
chat_history_buffer = ConversationBufferWindowMemory(
    k=5,
    memory_key="chat_history_buffer",
    input_key="input",
    return_messages=True  # 适配ChatPromptTemplate的消息格式
)

chat_history_summary = ConversationSummaryMemory(
    llm=llm_context, 
    memory_key="chat_history_summary",
    input_key="input",
    return_messages=True
)

chat_history_KG = ConversationKGMemory(
    llm=llm_context, 
    memory_key="chat_history_KG",
    input_key="input",
    return_messages=True
)

memory = CombinedMemory(memories=[chat_history_buffer, chat_history_summary, chat_history_KG])

# 自定义Prompt模板：加入所有记忆变量
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个具备多记忆能力的助手，结合以下信息回答用户问题：\n1. 近期对话记录：{chat_history_buffer}\n2. 对话总结：{chat_history_summary}\n3. 对话知识图谱：{chat_history_KG}"),
    ("user", "{input}"),
    ("assistant", "{agent_scratchpad}")
])

# 初始化Agent，传入自定义Prompt和组合记忆
agent = initialize_agent(
    tools,
    llm_code,
    agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,
    memory=memory,
    prompt=prompt,
    verbose=True
)

# 测试Agent
agent.run(input="帮我搜索关于LangChain组合记忆的文档")

关键注意点 #

• 确保每个记忆实例的memory_key与Prompt模板中的变量名完全一致
• 开启return_messages=True（针对Chat模型），让记忆返回消息格式的内容，适配ChatPromptTemplate
• 自定义Prompt时必须保留agent_scratchpad变量，这是Agent思考过程的占位符
• 选择适配的Agent类型（如CHAT_CONVERSATIONAL_REACT_DESCRIPTION），与Chat模型和记忆类型匹配

内容的提问来源于stack exchange，提问作者Jakub Szlaur