自动维护聊天记录

上一节我们体验了“手动维护聊天记录”，每次都要：

• 把用户发言添加到 history
• 把模型输出添加到 history
• 每轮都手动调用 getMessages() 构造上下文

await history.addMessage(new HumanMessage(input))
await history.addMessage(fullRes)

虽然原理简单，但实际开发中太过繁琐。尤其在构建多轮对话 Agent 时，这种手动维护非常不优雅。所以这一节，我们引入 LangChain.js 提供的“自动加记忆”工具 —— RunnableWithMessageHistory。

快速上手#

前面我们有介绍过 Runnable 相关的接口，例如

• RunnableLambda
• RunnableMap
• RunnableSequence
• RunnablePassthrough

这里的 RunnableWithMessageHistory 也属于 Runnable 家族的一员。在实例化的时候，接收一个配置对象：

new RunnableWithMessageHistory({
  runnable: baseChain, // 原始链
  getMessageHistory: (sessionId) => chatHistory, // 指定聊天记录
  inputMessagesKey: 'input', // 用户输入字段名
  historyMessagesKey: 'chat_history', // Prompt 中历史记录占位符
})

配置对象通常需要配置这几个参数：

• runnable：需要被包裹的 chain，可以是任意 chain
• getMessageHistory(sessionId)：传入会话 ID，返回一个 BaseChatMessageHistory 实例
• inputMessagesKey：本轮用户消息在哪个 key，调用后会被追加进历史。
• historyMessagesKey：历史注入到输入对象这个 key，下游用 new MessagesPlaceholder("<同名>") 接住。
• outputMessagesKey：：当链输出是对象时，指定对象里哪一个字段是消息（否则默认把顶层输出当消息）。

课堂演示

快速上手示例

stream() 方法，方法签名如下：

stream(
  input: Input,
  options?: RunnableConfig
): AsyncGenerator<StreamEvent<Output>>

1. 输入参数 (input)

类型：Input

与 invoke() 方法保持一致：

• 如果是 LLM：可以传字符串、BaseMessage、BaseMessage[]
• 如果是 Chain / Runnable：则是该 Chain 约定的输入对象（例如 { input: "..." }）
• 如果是 Embeddings：通常是字符串或字符串数组

换句话说，input 的类型由具体的 Runnable 实例 决定。

2. 配置参数

类型：RunnableConfig（可选） 常见字段包括：

• configurable：运行时传入的上下文配置（例如用户 ID、对话 ID，用于内存/持久化关联）。
• tags：给运行标记，用于调试、Tracing。
• metadata：附加元信息，方便日志或监控。
• callbacks：传入回调函数（如 handleLLMNewToken 等），可用于实时处理 token。
• maxConcurrency：并发控制。
• timeout：超时设置。

实战案例#

把上节课的对话练习改为 RunnableWithMessageHistory