用LangChain搭Agent，工具调用时上下文总丢，大佬们怎么解决的？

这个问题我踩过一模一样的坑，后来发现核心不在memory，而在你的tool返回值里。LangChain的AgentExecutor确实不会自动把工具输出写进chat_history，你得自己把tool的observation拼进返回给模型的消息里。我当时是把工具结果包成一条HumanMessage或者AIMessage带tool_call信息，塞回messages列表，这样模型才能在下轮看到“刚才查到的订单状态”。不过更省事的办法是直接用langgraph，它的StateGraph能把每一步的tool输出显式存进状态，比AgentExecutor可控得多。还有个小细节，你prompt里得明确告诉模型“优先复用对话中已有的信息，不要重复调用工具”，不然模型即使看到历史也倾向于再查一次。代码片段的话，核心就是自定义一个回调函数，在tool执行后把observation追加到memory的buffer里，或者重写_plan_and_execute的逻辑，但这个改动有点大。建议先试试langgraph的persistent state，真的一劳永逸。

这个问题我踩过，工具输出得手动塞进messages，光靠memory不管用，得在agent的prompt里显式注明历史工具结果。

试试把工具返回存到scratchpad，然后每次迭代都拼进prompt，别依赖默认行为。

这问题我上周刚踩完坑，LangChain的AgentExecutor确实默认不把中间工具输出塞回prompt，它只保留最后一步的observation。你加memory和chat_history只解决了用户对话的上下文，但工具结果属于内部状态，得手动塞进system prompt或者用ConversationBufferMemory的return_messages=True再配合agent的scratchpad。我之前试过在工具函数里把返回值print到stdout，然后用capture_output=True回传，但那样太hack了。最稳的做法是自定义Agent的prompt模板，把工具输出的摘要拼进当前轮次的message，或者干脆换个思路，用create_react_agent的时候把工具结果存进一个全局dict，然后让工具本身读取这个dict做缓存判断。不过说实话，如果你对控制流要求高，建议直接上手LangGraph，它的StateGraph能显式管理所有中间变量，工具结果想留就留。另外你提到“刚才那个订单”这种指代，本质是实体记忆问题，光靠塞工具输出不够，还得做个简单的槽位填充，把订单号抽出来存进memory。代码片段我倒是能贴，但得看你用的是哪种agent类型，老版AgentExecutor和新版create_agent的写法差挺多的。

工具结果默认确实不进上下文，得自己在回调里拼到memory的messages里，我之前也踩过这坑。

工具输出默认不进memory的，得自己在agent里把中间结果塞回prompt，或者换个带状态管理的框架。

这问题我踩过，工具返回得手动塞回messages，光加memory不够，试试在agent的prompt里把工具输出格式化成上下文。

我之前也踩过这坑，工具返回得自己手动塞回prompt模板里，光挂memory没用。

试下把工具结果写进memory的return_messages里，再在prompt里显式引用，AgentExecutor默认确实不存这些。

我之前也踩过这个坑，AgentExecutor确实不会自动把中间工具的输出塞回memory里，得自己手动在工具函数里return结果时拼一段字符串，然后扔进chat_history。或者你可以试试用ConversationBufferWindow，把最近几轮的工具调用和结果都显式拼进prompt，不然它只记得用户说了啥。另外检查下你的memory是不是只挂了对话层，没挂到tool层，这两个得分开处理。我后来是直接改写了工具函数，把每次查询结果存进一个全局dict，然后每次agent行动前把dict内容更新到system message里，虽然粗暴但够用。

这问题太典型了，AgentExecutor默认确实不会把tool output自动塞回prompt，你加的那些memory只存了用户和assistant的对话，工具结果得自己处理。我一般是在tool的func里显式把结果append到memory的chat_history，或者干脆用langchain的ConversationBufferMemory配合return_messages=True，然后自己把tool message格式化成HumanMessage塞进去。另外建议看看你用的那个tool的description，Agent判断要不要重查跟这个描述关系很大，写清楚“返回的是实时数据”或者“包含订单状态”能减少误判。

这问题我也踩过坑，光加memory没用，得把工具返回值写进prompt的中间步骤里，试试return_intermediate_steps=True。

多轮里搞个全局缓存字典，按对话id存工具结果，下次直接查缓存比啥都靠谱。

我之前也踩过这个坑，LangChain的AgentExecutor默认确实不会把工具输出自动塞进后续的prompt里，你光加chat_history没用，得在工具函数里把返回结果显式拼到observation里，或者自定义个callback把结果存进memory。另外可以试试给工具加个description，告诉Agent“这个结果已经缓存了，别重复查”，它有时候会偷懒直接引用。我后来是用一个全局dict做工具结果的缓存，在prompt里明确说“如果之前查过就直接用”，比折腾memory省事多了。

这问题我上周刚踩过坑，AgentExecutor默认确实不会自动把工具输出塞进memory，得自己在tool的return里显式拼上结果，或者用langchain的IntermediateStepsReporter。我之前是把工具输出格式化后直接append到chat_history里，再配合ConversationSummaryMemory才勉强不丢。你试试在prompt里加个“基于以下已知信息回答”的占位符，把工具结果和对话历史一起传进去。另外如果工具返回的是结构化数据，建议先转成文本摘要再存，不然token很容易爆。

试试在每次工具返回后手动把结果追加进messages，别全指望AgentExecutor自动存。

遇到过一模一样的问题，当时也卡了好久。其实AgentExecutor默认确实不会把工具输出自动塞进下一轮对话的上下文，它只保留最终回复，中间过程全丢了。我后来是直接在工具函数里把返回结果手动写进一个全局变量或者外部存储，然后在prompt里用f-string动态拼进去，这样下一轮就能直接引用。不过更省事的做法是换用LangChain新版的create_react_agent，配合memory的return_messages=True，把每次工具调用都当作一条消息存进chat history里，这样模型就能看到之前查过的数据了。但要注意，如果工具返回结果特别大，全塞进上下文会把token撑爆，建议只存摘要或者关键字段。还有个坑是系统提示词里要明确告诉它“如果用户问的是之前查过的信息，直接引用历史记录，不要重复调用工具”，不然模型还是会傻乎乎地重新查。你可以试试把工具描述写清楚一点，比如“查询订单状态（注意：结果可能已在历史中）”，这样能减少误调用。

这问题我之前也踩过，工具输出得手动塞回messages里，光加memory没用。

工具输出得手动塞回messages里，光靠memory不够，试试在tool里return时拼上结果再返回。

之前也踩过这坑，后来直接在agent的prompt里要求它每次调用前先看下历史记录里的工具返回值，基本就稳了。

试试把工具结果写进memory的ReturnMessages里，或者用ConversationBufferWindow，我这么改完就好使了。

工具返回得自己拼到prompt里，AgentExecutor默认真不保留，我踩过这坑。

这问题太典型了，AgentExecutor默认确实不会把工具输出塞回memory，只保留在当轮step里。我之前也踩过这坑，后来是把工具结果手动append到chat_history里，再传给下一次迭代的prompt，相当于自己维护一个“工具结果缓存”。你试试在tool的func里直接return时，同时把结果写进一个全局变量或者memory的buffer，别只依赖LangChain的memory机制。另外，如果多轮对话里明确提到“刚才”，也可以考虑在prompt里加个指令，让Agent优先检查历史结果，而不是一上来就调工具，这个挺管用的。

试试在AgentExecutor里传return_intermediate_steps=True，把中间结果塞回prompt模板里，比单纯靠memory靠谱。

工具输出本来就不进chat_history，得自己拼到system message里，我踩过这坑。