探索MongoDB：如何利用LangChain存储聊天历史

tangtang123
103 阅读3分钟 
# 介绍

MongoDB是一款跨平台的文档型数据库，属于NoSQL数据库的一种，能够使用类似JSON的文档及可选的模式进行存储。在这篇文章中，我们将探讨如何使用`MongoDBChatMessageHistory`类来存储聊天消息历史，并展示如何借助LangChain与OpenAI集成来丰富这一应用。

# 主要内容

## 设置环境

首先，我们需要安装`langchain-mongodb`包，它提供了与MongoDB的集成：

```bash
pip install -U langchain-mongodb

如果你想要最佳的可观测性，可以考虑设置LangSmith：

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

使用MongoDB存储聊天历史

为了使用MongoDB存储聊天记录，你需要准备两个必需的信息：

  • Session ID：每个会话的唯一标识符，如用户名、邮箱或聊天ID。
  • 连接字符串：用于指定数据库连接，将传递给MongoDB的create_engine函数。

还可以自定义数据库和集合名称：

from langchain_mongodb.chat_message_histories import MongoDBChatMessageHistory

chat_message_history = MongoDBChatMessageHistory(
    session_id="test_session",
    connection_string="mongodb://mongo_user:password123@mongo:27017",  # 使用API代理服务提高访问稳定性
    database_name="my_db",
    collection_name="chat_histories",
)

chat_message_history.add_user_message("Hello")
chat_message_history.add_ai_message("Hi")

链接到OpenAI

我们可以轻松地将此消息历史类与LCEL Runnables结合使用。为此，我们需要安装OpenAI，并设置OPENAI_API_KEY环境变量。

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

assert os.environ["OPENAI_API_KEY"], "请设置OPENAI_API_KEY环境变量。"

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: MongoDBChatMessageHistory(
        session_id=session_id,
        connection_string="mongodb://mongo_user:password123@mongo:27017",  # 使用API代理服务提高访问稳定性
        database_name="my_db",
        collection_name="chat_histories",
    ),
    input_messages_key="question",
    history_messages_key="history",
)

# 配置会话ID
config = {"configurable": {"session_id": "<SESSION_ID>"}}

response1 = chain_with_history.invoke({"question": "Hi! I'm Bob"}, config=config)
print(response1)  # AIMessage(content='Hi Bob! How can I assist you today?')

response2 = chain_with_history.invoke({"question": "What's my name"}, config=config)
print(response2)  # AIMessage(content='Your name is Bob. Is there anything else I can help you with, Bob?')

常见问题和解决方案

  1. MongoDB连接问题： 确保MongoDB服务正在运行，并检查连接字符串的正确性。在某些地区可能需要使用API代理服务以提高访问稳定性。

  2. 环境变量设置问题： 确保OPENAI_API_KEY已被正确设置。如果未设置，OpenAI相关调用将无法工作。

  3. 权限问题： 确保用于连接MongoDB的用户拥有对相应数据库和集合的读写权限。

总结和进一步学习资源

通过上述步骤，我们能够成功地将聊天记录存储在MongoDB中，并通过LangChain与OpenAI集成。此功能可以用于多种应用场景，比如个性化AI助手、客服聊天记录分析等。欲了解更多详细信息，可以参考下列资源：

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