Dify工作流中的LLM节点：_fetch_memory方法
输入“/”快速插入内容
Dify工作流中的LLM节点：_fetch_memory方法
Dify工作流中的LLM节点：_fetch_memory方法
用户4443用户44432025年7月2日修改
本文使用Dify v1.4.0版本，使用qwen-vl-max-latest作为多模态大模型。主要介绍了Dify工作流中的LLM节点的_fetch_memory方法的执行流程。
一.Chatflow流程例子
SYSTEM：
代码块
执行指令{{#sys.query#}}。
USER：
代码块
{{#sys.query#}}
{{#sys.files#}}
比如，用户在对话的时候，上传了一张图像，并且配上文字：一句话描述图像
二._fetch_memory源码
源码位置：dify\api\core\workflow\nodes\llm\node.py
这个函数用于获取对话记忆，是LLM节点处理对话历史的关键组件。这个函数在工作流执行过程中确保LLM模型能够访问到之前的对话历史，从而提供连贯的对话体验。
代码块
def _fetch_memory(
self, node_data_memory: Optional[MemoryConfig], model_instance: ModelInstance
) -> Optional[TokenBufferMemory]:
if not node_data_memory:
return None
# get conversation id
conversation_id_variable = self.graph_runtime_state.variable_pool.get(
["sys", SystemVariableKey.CONVERSATION_ID.value]
)
if not isinstance(conversation_id_variable, StringSegment):
return None
conversation_id = conversation_id_variable.value
# get conversation
conversation = (
db.session.query(Conversation)
.filter(Conversation.app_id == self.app_id, Conversation.id == conversation_id)
.first()
)
if not conversation:
return None
memory = TokenBufferMemory(conversation=conversation, model_instance=model_instance)
return memory