喜欢的条友记得点赞、关注、转发、收藏，你们的支持就是我最大的动力源泉。

安装 LangChain 和 Ollama + Qwen2 看前期教程：

【手把手包会】Python + Ollama + Qwen2 实现本地大语言模型简单调用

本期课程，我将带大家通过一个示例来说明如何设计和实现 LLM 的聊天机器人。并且这个聊天机器人将能够记住以前的对话。

我们首先直接使用模型。ChatModel是 LangChain “Runnables” 的实例，这意味着它们公开了一个用于与它们交互的标准接口。要简单地调用模型，我们可以将消息列表传递给 .invoke 方法。

from langchain_community.llms import Ollama

model = Ollama(
    model="qwen2",
)

from langchain_core.messages import HumanMessage

print(model.invoke([HumanMessage(content="你好，我是小冯。")]))
print("-"*50)
print(model.invoke([HumanMessage(content="你好，我是谁？")]))

运行结果如下：

该模型本身没有任何状态的概念。例如，您提出后续问题，我们可以看到，它没有将之前的对话转化为上下文，也无法回答问题。这会导致糟糕的聊天机器人体验！

为了解决这个问题，我们需要将整个对话历史传递到模型中。让我们看看当我们这样做时会发生什么：

from langchain_community.llms import Ollama

model = Ollama(
    model="qwen2",
)

from langchain_core.messages import HumanMessage
from langchain_core.messages import AIMessage

print(
model.invoke(
    [
        HumanMessage(content="你好，我是小冯。"),
        AIMessage(content="你好，小冯! 今天有什么我能帮忙的吗？"),
        HumanMessage(content="你好，我是谁？"),
    ]
)
)

运行结果如下：

结果发生了变化，准确的回答了我的问题[可爱]。