引言

在AI模型的开发过程中，获取真实的训练数据是关键步骤之一。对于WeChat用户来说，导出聊天记录并不容易。然而，如果您只是需要少量的数据用于模型微调或少样本示例，这篇文章将向您展示如何将WeChat聊天记录转换为LangChain格式。

主要内容

1. 创建聊天记录文本文件

在WeChat桌面应用中打开聊天记录，通过鼠标拖动或右键选择您需要的消息。由于限制，每次最多选择100条消息，然后按CMD/Ctrl+C复制。

将消息粘贴到本地计算机上的文本文件中，例如wechat_chats.txt。确保每条消息格式如下：

%%writefile wechat_chats.txt
女朋友 2023/09/16 2:51 PM
天气有点凉

男朋友 2023/09/16 2:51 PM
珍簟凉风著，瑶琴寄恨生。嵇君懒书札，底物慰秋情。

女朋友 2023/09/16 3:06 PM
忙什么呢

男朋友 2023/09/16 3:06 PM
今天只干成了一件像样的事
那就是想你

女朋友 2023/09/16 3:06 PM
[动画表情]

2. 定义聊天记录加载器

下面是一个WeChat聊天加载器的定义，它将信息转换为LangChain支持的格式：

import logging
import re
from typing import Iterator, List

from langchain_community.chat_loaders import base as chat_loaders
from langchain_core.messages import BaseMessage, HumanMessage

logger = logging.getLogger()

class WeChatChatLoader(chat_loaders.BaseChatLoader):
    def __init__(self, path: str):
        self.path = path
        self._message_line_regex = re.compile(
            r"(?P<sender>.+?) (?P<timestamp>\d{4}/\d{2}/\d{2} \d{1,2}:\d{2} (?:AM|PM))",
        )

    def _append_message_to_results(self, results: List, current_sender: str, current_timestamp: str, current_content: List[str]):
        content = "\n".join(current_content).strip()
        if not re.match(r"\[.*\]", content):  # 跳过非文本信息
            results.append(
                HumanMessage(
                    content=content,
                    additional_kwargs={
                        "sender": current_sender,
                        "events": [{"message_time": current_timestamp}],
                    },
                )
            )
        return results

    def _load_single_chat_session_from_txt(self, file_path: str) -> chat_loaders.ChatSession:
        with open(file_path, "r", encoding="utf-8") as file:
            lines = file.readlines()

        results: List[BaseMessage] = []
        current_sender = None
        current_timestamp = None
        current_content = []
        for line in lines:
            if re.match(self._message_line_regex, line):
                if current_sender and current_content:
                    results = self._append_message_to_results(results, current_sender, current_timestamp, current_content)
                current_sender, current_timestamp = re.match(self._message_line_regex, line).groups()
                current_content = []
            else:
                current_content.append(line.strip())

        if current_sender and current_content:
            results = self._append_message_to_results(results, current_sender, current_timestamp, current_content)

        return chat_loaders.ChatSession(messages=results)

    def lazy_load(self) -> Iterator[chat_loaders.ChatSession]:
        yield self._load_single_chat_session_from_txt(self.path)

3. 创建加载器

loader = WeChatChatLoader(path="./wechat_chats.txt")

4. 加载消息

from typing import List
from langchain_community.chat_loaders.utils import map_ai_messages, merge_chat_runs
from langchain_core.chat_sessions import ChatSession

raw_messages = loader.lazy_load()
merged_messages = merge_chat_runs(raw_messages)
messages: List[ChatSession] = list(map_ai_messages(merged_messages, sender="男朋友"))

5. 使用LangChain进行预测

from langchain_openai import ChatOpenAI

llm = ChatOpenAI()

for chunk in llm.stream(messages[0]["messages"]):
    print(chunk.content, end="", flush=True)

常见问题和解决方案

格式错误：确保聊天记录的格式符合.txt文件格式要求。
网络限制：如果访问API时遇到网络限制问题，建议使用API代理服务。

总结和进一步学习资源

这篇文章介绍了如何导出WeChat聊天记录并将其转换为LangChain格式，以进行AI模型的训练和推理。更多关于LangChain和聊天记录处理的内容，可以参考以下资源：

参考资料

LangChain Chat Loaders Documentation

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---

[如何高效导出WeChat聊天记录以供AI模型使用]

引言