基于LangChain+Redis构建会话持久化的智能 Agent系统

LangChain Agent 会话持久化系统（Redis版）

1. 项目概述

1.1 项目简介

本项目是一个基于LangChain框架构建的智能 Agent 系统，集成了多种工具（百科检索、实时搜索），并使用Redis实现会话历史的持久化存储。系统支持多用户、多对话的会话管理，具备完整的降级机制，在网络受限环境下也能正常运行。

1.2 核心功能

2. 技术架构

2.1 系统架构图

┌─────────────────────────────────────────────────────────────────────────────┐ │ 用户查询入口 │ │ user_id + conversation_id + input │ └─────────────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ RunnableWithMessageHistory │ │ (会话历史管理 + 自动保存/加载) │ └─────────────────────────────────────────────────────────────────────────────┘ │ ┌───────────────┼───────────────┐ ▼ ▼ ▼ ┌───────────────┐ ┌───────────────┐ ┌───────────────┐ │ Redis 存储 │ │ Agent │ │ LLM │ │ (会话历史) │ │ Executor │ │ GPT-3.5-turbo │ └───────────────┘ └───────────────┘ └───────────────┘ │ │ ▼ ▼ ┌───────────────┐ ┌───────────────┐ │ Redis DB │ │ Tool Set │ │ 127.0.0.1 │ │ 百科/搜索 │ └───────────────┘ └───────────────┘

2.2 技术栈

3. 核心模块详解

3.1 向量化模块

设计目的: 使用FakeEmbeddings进行模拟向量化，完全不消耗 token，适合开发测试环境。

使用示例:

fromlangchain_core.embeddingsimportFakeEmbeddings embeddings=FakeEmbeddings(size=1536)

向量化降级策略:

3.2 百科检索工具

核心流程:

分块参数配置:

降级机制:

3.3 实时搜索工具

核心流程:

降级机制:

模拟工具定义:

@tooldeftavily_search_tool(query:str)->str:returnf"搜索结果:{query}- 模拟数据"

3.4 智能 Agent

核心组件:

Prompt 结构:

3.5 Redis 会话存储（核心模块）

3.5.1 Redis 连接配置

连接测试:

importredis r=redis.Redis.from_url(redis_url)r.ping()# 返回 True 表示连接成功

3.5.2 会话历史获取函数

defget_history(user_id:str,conversation_id:str)->RedisChatMessageHistory:returnRedisChatMessageHistory(session_id=f"{user_id}:{conversation_id}",url=redis_url)

3.5.3 RunnableWithMessageHistory 配置

配置字段:

配置参数:

4. 工具注册与调用

4.1 工具列表

4.2 多轮对话调用流程

┌─────────────────────────────────────────────────────────────────────┐ │ 第一次调用 │ │ input: "Hi，我的名字是Cyber" │ │ config: {"user_id": "user01", "conversation_id": "conversation_1"} │ └─────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────┐ │ Redis 存储: "user01:conversation_1" → [HumanMessage, AIMessage] │ └─────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────┐ │ 第二次调用 │ │ input: "我叫什么名字？" │ │ config: {"user_id": "user01", "conversation_id": "conversation_1"} │ └─────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────┐ │ Redis 读取历史 → Agent 理解上下文 → 回答: "你叫Cyber" │ └─────────────────────────────────────────────────────────────────────┘

4.3 调用示例

# 第一次对话response=with_agent_history.invoke({"input":"Hi，我的名字是Cyber"},config={"configurable":{"user_id":"user01","conversation_id":"conversation_1"}})# 第二次对话（同一会话）response=with_agent_history.invoke({"input":"我叫什么名字？"},config={"configurable":{"user_id":"user01","conversation_id":"conversation_1"}})

5. 环境变量配置

5.1 必需环境变量

5.2 Redis 配置

5.3 设置方法

Windows PowerShell:

# 临时设置（当前终端有效）$env:OPENAI_API_KEY="your-key"$env:TAVILY_API_KEY="your-key"# 永久设置（用户级别）[Environment]::SetEnvironmentVariable("OPENAI_API_KEY","your-key","User")[Environment]::SetEnvironmentVariable("TAVILY_API_KEY","your-key","User")

6. 依赖安装

6.1 核心依赖

6.2 一键安装

pip install langchain langchain-openai langchain-community langchain-tavily faiss-cpu redis python-dotenv

7. Redis 安装与配置

7.1 Windows 安装

方式一：使用 Chocolatey

choco install redis-64

方式二：手动安装

1. 下载 Redis: https://github.com/tporadowski/redis/releases
2. 解压到D:\Redis
3. 添加到 PATH 环境变量

7.2 启动 Redis

# 启动 Redis 服务器redis-server.exe# 连接测试redis-cli.exe ping# 返回 PONG 表示成功

7.3 Redis 数据结构

8. 运行说明

8.1 前提条件

8.2 运行步骤

# 1. 启动 Redis（如果未运行）redis-server.exe# 2. 切换到项目目录cd e:\AI-Study\AI-demo\day-07\agent# 3. 设置环境变量$env:OPENAI_API_KEY="your-key"# 4. 运行脚本python agent_tools_llm_memory_redis.py

8.3 预期输出

正常模式:

✅ Redis 连接成功！ True > Entering new AgentExecutor chain... 你好，Cyber，很高兴见到你！有什么我可以帮助你的吗？ > Finished chain. {'input': 'Hi，我的名字是Cyber', 'history': [...], 'output': '你好，Cyber...'} > Entering new AgentExecutor chain... 你说你的名字是Cyber。有什么我可以帮你的吗，Cyber？ > Finished chain. {'input': '我叫什么名字？', 'history': [...], 'output': '你说你的名字是Cyber...'}

Redis 连接失败:

❌ Redis 连接失败: Connection refused

实战演示：

9. 代码优化建议

9.1 改进方向

9.2 待修复的废弃警告

10. 故障排除

10.1 常见问题

10.2 调试命令

# 检查 Redis 连接redis-cli.exe ping# 查看 Redis 中的会话数据redis-cli.exe-n 2 keys"*"# 查看会话历史redis-cli.exe-n 2 lrange user01:conversation_1 0-1

11. 版本历史

12. 附录

12.1 Redis 会话管理命令

# 获取会话历史history=get_history("user01","conversation_1")messages=history.messages# 手动添加消息history.add_user_message("Hello")history.add_ai_message("Hi there!")# 清空会话历史history.clear()# 删除会话importredis r=redis.Redis.from_url("redis://localhost:6379/2")r.delete("user01:conversation_1")

12.2 多用户多对话示例

# 用户1 - 对话1response=with_agent_history.invoke({"input":"今天天气怎么样?"},config={"configurable":{"user_id":"user01","conversation_id":"conv_001"}})# 用户1 - 对话2（独立会话）response=with_agent_history.invoke({"input":"推荐一些电影"},config={"configurable":{"user_id":"user01","conversation_id":"conv_002"}})# 用户2 - 对话1（完全独立）response=with_agent_history.invoke({"input":"你好"},config={"configurable":{"user_id":"user02","conversation_id":"conv_001"}})

想要获取源代码，有三种路径：记得给个star哦！
访问我的gitee仓库（推荐）https://gitee.com/weh_coder/weh-langchain-agent-demo/blob/master/agent_tools_llm_memory_redis.py