LangChain 有一种对话型的代理，它可以记住跟用户之前的互动。这种类型的代理需要一个 Chat 类型的模型，先在这个 Node.js 程序文件的顶部导入一个 ChatOpenAI，来自 langchain/chat_models/openai。

然后下面声明的这个 model，可以换成新建一个 ChatOpenAI。

在使用 initializeAgentExecutorWithOptions 的时候，把这个 agentType 设置成 chat-conversational-react-description。这样就会这个代理执行器就会使用这种对话型的代理了。

问一个问题，比如 “今年是哪年？” 在终端，运行一下应用，然后观察输出的内容。 这种类型的代理使用的提示会专门针对 Chat 类型的模型做了优化。

这里先是一条 System 信息，描述了一下系统的职责，然后还有一个 Human 信息，告诉系统可以使用的一些工具。

下面还给出了一些关于如何响应的指令，里面给出了两个选项，第一个选项可以说明一下要使用的工具，还有工具的输入。第二个选项，可以让Agent直接回复。

也就是说代理可能会选择使用工具，也可能会直接回复。这里显示这个代理选择使用了 current_year_month 这个工具得到了当前的年份。

对话型代理可以记住与用户之前的互动。在这个程序文件里，声明一个 response2，可以再用一下 agentExecutor.call，提供一个对象，设置一下 input，“我叫王皓，2011年至今一直在宁皓网工作。”下面再输出这个 response2。

下面再声明一个 response3，等于 await，用一下 agentExecutor.call，提供一个对象参数，设置一下 input，值是 “我工作多久了”。最后输出这个 repsonse3。

在终端，运行一下应用。代理会使用 current_year_month 得到当前的年份，然后用 calculator 这个工具计算出最终的结果。最后给出的答案里面说我已经在宁皓网工作了 12 年了。