使用 LangChain 和 Gemini 构建自定义 AI 代理（自托管）

该工作流适合以下人群：
- 开发者：希望创建自定义 AI 代理以提升用户交互体验。
- 产品经理：需要快速原型设计和测试 AI 解决方案以满足用户需求。
- 研究人员：探索自然语言处理和对话系统的应用。
- 教育工作者：利用 AI 辅助教学，提高学习效果。

此工作流解决了以下问题：
- 用户交互：通过自动化对话系统，提升用户与 AI 代理的互动体验。
- 个性化响应：根据用户输入和历史对话，提供更符合用户需求的个性化回答。
- 记忆管理：有效存储和管理对话历史，以便更好地理解用户上下文。

工作流程的详细步骤如下：
1. 接收聊天消息：当用户发送消息时，触发 When chat message received 节点。
2. 存储对话历史：使用 Store conversation history 节点记录用户的历史对话，以便后续参考。
3. 构建与执行 LLM 提示：在 Construct & Execute LLM Prompt 节点中，使用模板生成针对用户输入的响应。
4. 调用 Google Gemini 模型：通过 Google Gemini Chat Model 节点，利用 Google 的语言模型生成自然语言响应。
5. 返回响应：将生成的响应返回给用户，完成对话。

用户可以按照以下步骤自定义和调整此工作流：
- 配置 API 凭证：在 Google Gemini Chat Model 节点中设置 Google Gemini API 密钥。
- 调整提示模板：在 Construct & Execute LLM Prompt 节点中修改提示模板，以改变 AI 代理的个性和对话风格。
- 修改对话历史长度：在 Store conversation history 节点中调整存储的对话历史长度，以控制上下文信息的保留。
- 测试和调试：使用工作流编辑器中的“聊天”按钮直接测试工作流，确保其按预期运行。