使用Google Cloud SQL存储聊天历史：从设置到集成的全面指南

tangtang123
103 阅读3分钟

使用Google Cloud SQL存储聊天历史：从设置到集成的全面指南

引言

在现代应用程序中，存储和处理聊天历史是一项重要功能。通过使用Google Cloud SQL与Langchain的集成，我们可以轻松实现这一功能，而无需担心底层数据库的复杂性。本文将指导您如何使用Google Cloud SQL来存储聊天消息历史，并涵盖从环境设置、API启用到实际编程的各个方面。

主要内容

准备工作

在开始之前，您需要：

  1. 创建一个Google Cloud项目。
  2. 启用Cloud SQL Admin API。
  3. 创建一个Cloud SQL for MySQL实例。
  4. 创建一个数据库。
  5. 可选：添加IAM数据库用户。

📦 安装库

首先安装需要的包：

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

注：如果使用Colab，请重新启动内核以确保环境更改生效。

🔐 认证

认证对Google Cloud的访问以便使用其服务：

from google.colab import auth
auth.authenticate_user()

☁ 设置Google Cloud项目

将项目ID配置为当前使用的项目：

PROJECT_ID = "my-project-id"  # @请填入您的Google Cloud项目ID

!gcloud config set project {PROJECT_ID}

💡 启用API

启用Cloud SQL Admin API：

!gcloud services enable sqladmin.googleapis.com

与数据库连接

设置Cloud SQL数据库的相关参数：

REGION = "us-central1"
INSTANCE = "my-mysql-instance"
DATABASE = "my-database"
TABLE_NAME = "message_store"

创建一个MySQLEngine对象来配置连接池：

from langchain_google_cloud_sql_mysql import MySQLEngine

engine = MySQLEngine.from_instance(
    project_id=PROJECT_ID, region=REGION, instance=INSTANCE, database=DATABASE
)

初始化表格

使用MySQLEngine的init_chat_history_table方法创建相应的表：

engine.init_chat_history_table(table_name=TABLE_NAME)

MySQLChatMessageHistory类

初始化并添加聊天消息：

from langchain_google_cloud_sql_mysql import MySQLChatMessageHistory

history = MySQLChatMessageHistory(
    engine, session_id="test_session", table_name=TABLE_NAME
)
history.add_user_message("hi!")  # 用户消息
history.add_ai_message("whats up?")  # AI回复

print(history.messages)

清理

当某个会话的历史不再需要时，可以清除数据：

history.clear()

🔗 消息历史链与Vertex AI

启用Vertex AI API：

!gcloud services enable aiplatform.googleapis.com

结合LCEL模块进行高级操作：

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=TABLE_NAME,
    ),
    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)

常见问题和解决方案

  • 连接问题：如果连接到Cloud SQL实例时遇到困难，确保已启用必要的API，并使用IAM或内置认证正确配置连接。
  • 数据丢失：若数据在清理操作后丢失，确认是否在生产中误操作清除历史。

总结和进一步学习资源

通过本文的步骤，您可以将Google Cloud SQL与Langchain集成，轻松实现聊天历史的存储和管理。推荐进一步阅读Google Cloud官方文档及Langchain文档，以掌握更多高级功能。

参考资料

  1. Google Cloud SQL文档
  2. Langchain GitHub仓库

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