基于LangChain的RAG与Agent智能体开发 - 持久化会话记忆功能实现(RunnableWithMessageHistory+RedisChatMessageHistory)
大家好，我是小锋老师，最近更新《2027版 基于LangChain的RAG与Agent智能体 开发视频教程》专辑，感谢大家支持。
本课程主要介绍和讲解RAG，LangChain简介，接入通义千万大模型 ，Ollama简介以及安装和使用，OpenAI 库介绍和使用，以及最重要的基于LangChain实现RAG与Agent智能体开发技术。
视频教程+课件+源码打包下载 ：
链接：https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg
提取码：0000
基于LangChain的RAG与Agent智能体开发 - 持久化会话记忆功能实现(RunnableWithMessageHistory+RedisChatMessageHistory)
前面我们实现的示例会话历史记录存在内存里的，当程序关闭就没有了。我们实际企业级项目需要持久化会话历史记录，比如存redis，postgres等。
我们用RedisChatMessageHistory来实现下持久化会话记忆功能。
首先我们电脑上要安装redis server端。
直接双击安装即可，都默认配置。
接着我们项目里要安装redis客户端库。
pip install redis -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn我们来实现下代码，基于上一讲的示例：
import redis from langchain_community.chat_message_histories import RedisChatMessageHistory from langchain_community.llms.tongyi import Tongyi from langchain_core.chat_history import InMemoryChatMessageHistory from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain_core.runnables import RunnableWithMessageHistory # 1. 定义聊天提示模板（和图片结构一致） prompt = ChatPromptTemplate.from_messages([ ("system", "你是一个友好的AI助手，会结合对话历史回答用户问题。"), # 系统消息：设定AI基础角色 MessagesPlaceholder("history"), # 对话历史占位符：后续会被真实历史数据替换 ("human", "请回答如下问题：{question}") # 当前用户的提问（带变量占位） ]) model = Tongyi(model="qwen-plus") # 创建模型 chain = prompt | model # 实现根据session_id获取RedisChatMessageHistory类对象 def get_session_history(session_id): return RedisChatMessageHistory( url="redis://localhost:6379/0", session_id=session_id, key_prefix="chat_history:" # Redis key 前缀 ) # 创建带有会话历史数据的链 message_history_chain = RunnableWithMessageHistory( chain, # 被增强的原有链 get_session_history, # 根据会话id获取InMemoryChatMessageHistory类对象 input_messages_key="question", # 输入消息的键名 history_messages_key="history" # 历史消息的键名 ) if __name__ == '__main__': session_config = { "configurable": { "session_id": "user01" } } result = message_history_chain.invoke({"question": "IT行业里哪个细分领域职位最有前途，直接告诉我职位名称即可"}, session_config) print("第一次AI大模型回答：", result) result = message_history_chain.invoke({"question": "这个职位需要多少技术积累？简单回答即可"}, session_config) print("第二次AI大模型回答：", result) result = message_history_chain.invoke({"question": "这个职位在北京5年经验年薪平均多少万？简单回答即可"}, session_config) print("第三次AI大模型回答：", result)运行下：效果一样。
我们用redis desktop Manager打开，可以看到redis里存了会话历史记录了。