跳转至

构建具有记忆功能的聊天助手

本指南演示如何利用 ChatMemory 功能创建一个能够跨多次交互记住历史对话内容的命令行聊天应用。

该 CLI 应用执行以下循环：

  • 从控制台读取用户输入
  • 若输入不是 /bye 且非空，则使用用户输入和指定会话 ID 运行助手
  • 助手首先加载该会话 ID 对应的历史对话记录，并将消息与用户输入一同加入提示词
  • 助手执行 LLM 交互
  • 在运行结束返回响应前，助手将完整对话历史存储至指定会话 ID 下，并限制仅保留最新的 20 条消息
  • 应用随后输出助手的响应

流程示意图如下：

graph TB
    subgraph agent [Agent with chat memory]
        load[Load chat history]
        save[Save chat history]
        llm([LLM interaction])

        load --> llm --> save
    end

    start((Start))
    read[Read input]
    print[Print response]
    exit((Exit))

    start --> read
    read --"/bye"--> exit
    read --"empty"--> read
    read --"User input"--> agent
    agent --"Agent response"--> print --> read

代码实现

前置准备

确保您的环境和项目满足以下要求：

  • JDK 17+
  • Kotlin 2.2.0+
  • Gradle 8.0+ 或 Maven 3.8+

添加主 Koog 助手包 及 聊天记忆功能包 作为依赖项：

build.gradle.kts
dependencies {
    implementation("ai.koog:koog-agents:0.7.0")
    implementation("ai.koog:agents-features-memory:0.7.0")
}
build.gradle
dependencies {
    implementation 'ai.koog:koog-agents:0.7.0'
    implementation 'ai.koog:agents-features-memory:0.7.0'
}
pom.xml
<dependency>
    <groupId>ai.koog</groupId>
    <artifactId>koog-agents-jvm</artifactId>
    <version>0.7.0</version>
</dependency>
<dependency>
    <groupId>ai.koog</groupId>
    <artifactId>agents-features-memory-jvm</artifactId>
    <version>0.7.0</version>
</dependency>

从 LLM 提供商获取 API 密钥，或通过 Ollama 运行本地 LLM。 更多信息请参阅 快速入门。

本页示例假设您已设置 OPENAI_API_KEY 环境变量。

suspend fun main() {
    val sessionId = "my-conversation"

    simpleOpenAIExecutor(System.getenv("OPENAI_API_KEY")).use { executor ->
        val agent = AIAgent(
            promptExecutor = executor,
            llmModel = OpenAIModels.Chat.GPT5_2,
            systemPrompt = "You are a helpful assistant."
        ) {
            install(ChatMemory) {
                windowSize(20) // 仅保留最近20条消息
            }
        }

        while (true) {
            print("You: ")
            val input = readln().trim()
            if (input == "/bye") break
            if (input.isEmpty()) continue

            val reply = agent.run(input, sessionId)
            println("Assistant: $reply\n")
        }
    }
}

```java public class ExampleChatAgentOpenAI { public static void main(String[] args) { String sessionId = "my-conversation";

``` try (var executor = simpleOpenAIExecutor(System.getenv("OPENAI_API_KEY"))) { AIAgent agent = AIAgent.builder() .promptExecutor(executor) .llmModel(OpenAIModels.Chat.GPT5_2) .systemPrompt("你是一个乐于助人的助手。") .install(ChatMemory.Feature, config -> { config.windowSize(20); // 仅保留最近的20条消息 }) .build();

            Scanner scanner = new Scanner(System.in);
            while (true) {
                System.out.print("你: ");
                String input = scanner.nextLine().trim();
                if (input.equals("/bye")) break;
                if (input.isEmpty()) continue;

                String reply = agent.run(input, sessionId);
                System.out.println("助手: " + reply + "\n");
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}
```

实现细节

agent.run() 的第二个参数是用于识别和区分不同对话的会话ID。 在我们的示例中，由于每次只有一个对话，因此该ID保持恒定。 在实际应用中，可以为同一用户的相关对话分配独立的唯一ID。

该代理使用默认的历史记录提供器， 该提供器将对话历史存储在内存中。 这意味着当应用程序退出时，历史记录会丢失。 在实际应用中，应实现自定义的历史记录提供器， 以便将历史记录持久化存储到数据库或文件中。

windowSize(20) 预处理器确保上下文大小受限： 代理仅存储最多20条最新消息。 若无此限制，提示词大小可能超出上下文限制。

示例会话

You: My name is Alice.
Assistant: Nice to meet you, Alice! How can I help you today?

You: What's my favorite color? It's blue.
Assistant: Got it — your favorite color is blue!

You: What's my name?
Assistant: Your name is Alice!

尽管每次交互都是独立的代理运行，但代理仍能正确回答“你的名字是Alice！”， 这是因为ChatMemory功能在处理第三条消息前加载了先前的对话记录。