Memory

记忆功能使你能够与AI聊天，就像AI拥有之前对话的记忆一样。

人类：嗨，我是鲍勃

AI：你好，Bob！很高兴见到你。今天我能为你提供什么帮助吗？

人类：我叫什么名字？

AI：如您之前所述，您的名字是Bob。

在幕后，这些对话被存储在数组或数据库中，并作为上下文提供给大型语言模型（LLM）。例如：

你是一个由OpenAI训练的大型语言模型驱动的人工智能助手。

无论人类是想要就某个具体问题寻求帮助，还是只是想就某个特定话题进行对话，你都会在这里提供协助。

当前对话：
{history}

内存节点：

为多个用户分别进行对话

用户界面与嵌入式聊天

默认情况下，用户界面（UI）和嵌入式聊天功能会自动将不同用户的对话分开。这是通过为每次新交互生成一个唯一的**chatId**来实现的。这一逻辑由Flowise在后台处理。

预测API

您可以通过指定唯一的**sessionId**来区分多个用户的对话

对于每个内存节点，你应该能够看到一个输入参数**Session ID**

  1. 在 /api/v1/prediction/{your-chatflowid} 的 POST 请求体中，在 overrideConfig 中指定 sessionId


/// 译文内容：
---
根据上面的信息，执行如下指令：
缺失译文，请检查输入
{
    “问题”：“你好！”，
    "overrideConfig": {
        "sessionId": "user1"
    }
}

消息API

  • GET /api/v1/chatmessage/{your-chatflowid}

  • 删除 /api/v1/chatmessage/{your-chatflowid}

查询参数
类型
值

sessionId

字符串

sort

枚举

ASC 或 DESC

startDate

字符串

endDate

字符串

所有对话都可以通过用户界面（UI）进行可视化和管理：

对于OpenAI助手，将使用线程来存储对话。

PreviousReplicateNextBuffer Memory

Last updated