Memory（会話履歴の管理）

LangChainにおける「Memory（メモリ）」は、LLM（大規模言語モデル）との対話における会話履歴や状態を保持・管理するための仕組みです。これは、チャットボットやエージェントが過去のコンテキストを理解し、継続的かつ一貫性のある対話を実現するために不可欠なコンポーネントです。

---

1. Memoryの役割

LLMは一般にステートレス（文脈を持たない）な設計になっているため、LangChainではMemoryを導入することで、一連の会話や操作の履歴を管理し、プロンプトに再利用します。

主な役割は以下の通りです：

• 会話履歴の保存：過去の質問や応答を蓄積。

• プロンプトへの埋め込み：保存した履歴をプロンプトテンプレートに自動挿入。

• 状態管理：対話の進行状態やユーザーの意図を保持。

---

2. 主なMemoryクラス

LangChainにはいくつかのメモリ実装があり、用途に応じて選択できます。

2.1 ConversationBufferMemory

• 特徴：すべての会話履歴を順に蓄積。

• 用途：履歴全体が必要な単純なチャットシステム。

2.2 ConversationSummaryMemory

• 特徴：履歴の要約を生成して保持。

• 用途：長い会話でもプロンプトがオーバーフローしないようにしたい場合。

2.3 ConversationBufferWindowMemory

• 特徴：最新の履歴N件のみを保持（ウィンドウ形式）。

• 用途：直近の文脈のみを反映させたい場合。

2.4 ConversationTokenBufferMemory

• 特徴：保持する履歴のトークン数を制限。

• 用途：トークン数の制限に敏感な環境（例：OpenAI API）での利用。

2.5 VectorStoreRetrieverMemory

• 特徴：履歴を埋め込みベクトルとして保存し、必要時に検索してプロンプトに挿入。

• 用途：ナレッジベースのような形式で履歴を柔軟に活用したい場合。

---

3. Memoryの使用例

以下のようにChainにMemoryを組み込むことができます。

python
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain
from langchain.llms import OpenAI

memory = ConversationBufferMemory()
conversation = ConversationChain(
    llm=OpenAI(),
    memory=memory,
    verbose=True
)

conversation.predict(input="こんにちは")
conversation.predict(input="天気はどう？")

この例では、2回目の入力時に1回目の「こんにちは」の履歴もプロンプトに含まれます。

---

4. Memoryの重要性

• 自然な会話体験：文脈を理解した自然な返答が可能になります。

• 対話の一貫性：ユーザーの過去の発言を踏まえた応答ができるようになります。

• 応用性の向上：FAQボット、パーソナルアシスタント、マルチステップ推論などに有効です。

---

まとめ

LangChainの「Memory」は、ステートレスなLLMに会話的な文脈記憶を持たせるための機構であり、チャットボットやエージェント型アプリケーションの開発において不可欠です。用途や性能要件に応じて、複数のMemoryクラスから選択・組み合わせることができます。