LLM 存储优化：大量 QA 与长对话问题实战

通过摘要存储维护长期上下文，解决'Token 不够用、资源消耗大、连贯性差'三大问题。

技术原理

就像记笔记——不抄老师每句话，只记重点。模型也一样：用大模型（如通义千问）把对话生成摘要，后续交互只传摘要，相当于'带着笔记聊天'，而非'带着整本书聊天'。

优势

1. 省 Token：摘要比全量历史小 80%，再也不担心超限制；
2. 保连贯：摘要含关键信息，模型知道之前聊了啥；
3. 易扩展：可存在 MongoDB、Milvus，支持多用户、大数据量。

四、带摘要存储的对话系统

实战准备

先安装依赖：

pip install langchain langchain-openai langchain-core pymilvus # 按需装存储依赖

实战 1：基础版——生成对话摘要

这是最基础的用法，用来测试摘要效果，看看模型能不能抓关键信息：

from langchain.memory import ConversationSummaryMemory
from langchain_openai import ChatOpenAI

# 初始化大模型（使用通义千问，替换自己的 api_key）
llm = ChatOpenAI(
    model_name="qwen-plus",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    api_key="你的 api_key",
    temperature=0.7
)

# 初始化摘要记忆（核心组件）
memory = ConversationSummaryMemory(llm=llm)

# 模拟对话
memory.save_context({"input":"AI 大模型怎么入门？"}, {"output":"先学基础概念，再调用 API，然后学 LangChain、RAG，最后实战做项目"})
memory.save_context({"input":"有没有适合零基础的课程？"}, {"output":"可以看零基础学 AI 大模型系列，从 API 调用讲到 Agent 实战"})

# 取摘要
summary = memory.load_memory_variables({})
print("对话摘要")
print(summary["history"])

实战 2：进阶版——带摘要存储的对话链

这是现在项目里用的核心代码，用 LCEL 链式结构，支持多轮对话，自动更摘要，特别稳定：

from langchain.memory import ConversationSummaryMemory
from langchain_openai import ChatOpenAI
from langchain_core.runnables import RunnablePassthrough
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate

# 1. 初始化大模型
llm = ChatOpenAI(
    model_name="qwen-plus",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    api_key="你的 api_key",
    temperature=0.7
)

# 2. 初始化摘要记忆
memory = ConversationSummaryMemory(
    llm=llm,
    memory_key="chat_history",
    return_messages=True
)

# 3. 定义 prompt
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是 AI 助手，基于对话摘要回答问题，语气亲切像聊天"),
    ("human", "对话摘要：{chat_history}\n用户现在问：{input}")
])

# 4. 构建 LCEL 链
chain = (
    RunnablePassthrough.assign(
        chat_history=lambda _: memory.load_memory_variables({})["chat_history"]
    )
    | prompt
    | llm
    | StrOutputParser()
)

# 5. 模拟用户多轮对话
user_inputs = [
    "怎么用 LangChain 做记忆功能？",
    "ConversationSummaryMemory，能存多少轮对话？",
    "它和 Milvus 结合的话，怎么存摘要？"
]

# 6. 运行对话
for query in user_inputs:
    print(f"\n用户：{query}")
    response = chain.invoke({"input": query})
    print(f"助手：{response}")
    memory.save_context({"input": query}, {"output": response})
    current_summary = memory.load_memory_variables({})["chat_history"]
    print(f"当前对话摘要：{current_summary}")

看！就算聊多轮，模型也不会'失忆'，摘要里全是关键信息，Token 消耗特别少～

五、关键知识点：LCEL 和 LLMChain 怎么选？

六、避坑指南

1. 变量名要一致：memory_key（如"chat_history"）必须和 prompt 里的变量名一样，不然会报'变量未定义'；
2. 摘要模板可定制：想让摘要包含更多 QA 细节，可改 prompt，比如加一句'摘要要包含用户问题和助手核心回答'；
3. 敏感信息过滤：保存摘要前，用正则替换手机号、邮箱，避免合规风险；
4. 存储扩展：量大时，把摘要存 Milvus，用 VectorStoreRetrieverMemory，检索更快。

七、总结

其实解决大量 QA、长对话存储问题，核心就是'抓重点'——用 ConversationSummaryMemory 生成摘要，只存关键信息，再根据项目复杂度选 LCEL 或 LLMChain。