Diferencias

Muestra las diferencias entre dos versiones de la página.

--- inteligencia_artificial:langchain:memoria [2025/01/09 00:23] – alberto
+++ inteligencia_artificial:langchain:memoria [2025/12/18 16:52] (actual) – [Ventana de tokens del buffer de conversación] alberto
@@ Línea 55: / Línea 55: @@
 )
 # Obtenemos las respuestas del modelo
-respuesta = chat_chain.run("Hola, soy Alberto")
+respuesta = chat_chain.invoke("Hola, soy Alberto")
 #print(respuesta)
-respuesta = chat_chain.run("¿Cuánto es 1+1?")
+respuesta = chat_chain.invoke("¿Cuánto es 1+1?")
 #print(respuesta)
-respuesta = chat_chain.run("¿Cómo me llamo?")
+respuesta = chat_chain.invoke("¿Cómo me llamo?")
 #print(respuesta)
@@ Línea 108: / Línea 108: @@
 <code Python>
 # CUARTO EJEMPLO: Definimos el número máximo de tokens a recordar
-# Se necesita instalar el módulo "tiktoken": pip install tiktokenpip
+# Se necesita instalar el módulo "tiktoken": pip install tiktoken
 # Tembién he tenido que instalar el módulo "transformers": pip install transformers
 from langchain.memory import ConversationTokenBufferMemory
@@ Línea 139: / Línea 139: @@
 print(memoria.load_memory_variables({}))
 </code>
-{{gallery>:inteligencia_artificial}}==== Resumen de conversación ====
+{{gallery>:inteligencia_artificial}}
+===== Resumen de conversación =====
 Con el fin de "gastar" menos tokens evitando "arrastrar" toda la conversación de una interacción a otra con el modelo, la clase **ConversationSummaryBufferMemory** nos permite guardar en un buffer un resumen de la conversación, cuyo tamaño en tokens podemos especificar.