利用 Google AlloyDB 和 LangChain 构建智能聊天记录系统

tangtang123
86 阅读3分钟

引言

在当今的云计算环境中，数据库的性能、扩展性和可用性越来越受到关注。Google Cloud AlloyDB for PostgreSQL 提供了一种完全托管的 PostgreSQL 兼容数据库服务，适合企业级工作负载。通过将 AlloyDB 与 LangChain 集成，我们可以创建一个高效的、支持 AI 的聊天记录系统。本篇文章将详细介绍如何使用 Google Cloud AlloyDB for PostgreSQL 存储聊天消息历史记录，并展示实际的代码示例。

主要内容

准备工作

在开始之前，请确保您已经完成以下步骤：

  1. 创建一个 Google Cloud 项目
  2. 启用 AlloyDB API
  3. 创建一个 AlloyDB 实例
  4. 创建一个 AlloyDB 数据库
  5. （可选）为数据库添加 IAM 用户

安装依赖库

为了使用 LangChain 与 AlloyDB 的集成，我们需要安装 langchain-google-alloydb-pg 包。

%pip install --upgrade --quiet langchain-google-alloydb-pg langchain-google-vertexai

如果您在 Colab 中运行此笔记本，可以重新启动内核以使新安装的包生效。

# 在 Colab 中运行时，解除以下代码的注释以重新启动内核
# import IPython
# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)

认证

在 Colab 中运行此笔记本时，需要进行 Google Cloud 认证。

from google.colab import auth
auth.authenticate_user()

设置项目

设置您的 Google Cloud 项目以便在笔记本中使用 Google Cloud 资源。

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

启用 API

启用 AlloyDB 管理 API 以使用 langchain-google-alloydb-pg 包。

!gcloud services enable alloydb.googleapis.com

设置 AlloyDB 数据库参数

获取您的数据库参数，这些可以在 AlloyDB 集群页面找到。

REGION = "us-central1"
CLUSTER = "my-alloydb-cluster"
INSTANCE = "my-alloydb-instance"
DATABASE = "my-database"
TABLE_NAME = "message_store"

建立 AlloyDB Engine 连接池

创建 AlloyDBEngine 对象来配置连接池。这一步将使应用程序能够成功连接到 AlloyDB 数据库。

from langchain_google_alloydb_pg import AlloyDBEngine

engine = AlloyDBEngine.from_instance(
    project_id=PROJECT_ID,
    region=REGION,
    cluster=CLUSTER,
    instance=INSTANCE,
    database=DATABASE,
)

初始化表

AlloyDBChatMessageHistory 类需要特定模式的数据库表来存储聊天消息历史记录。我们可以使用 AlloyDBEngine 对象的 init_chat_history_table() 方法来创建具有适当模式的表。

engine.init_chat_history_table(table_name=TABLE_NAME)

创建聊天消息历史对象

初始化 AlloyDBChatMessageHistory 类来记录聊天消息。

from langchain_google_alloydb_pg import AlloyDBChatMessageHistory

history = AlloyDBChatMessageHistory.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)

清理

当不再需要特定会话的历史记录时，可以将其删除。请注意，一旦删除，数据将无法恢复。

history.clear()

聊天消息链

我们可以将聊天消息历史类与 LangChain 的 LCEL Runnables 结合使用。需要启用 Vertex AI API。

!gcloud services enable aiplatform.googleapis.com

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: AlloyDBChatMessageHistory.create_sync(
        engine,
        session_id=session_id,
        table_name=TABLE_NAME,
    ),
    input_messages_key="question",
    history_messages_key="history",
)

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

chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
chain_with_history.invoke({"question": "Whats my name"}, config=config)

常见问题和解决方案

问题：无法认证到 Google Cloud

解决方案：确保您已正确配置 Google Cloud 项目并启用了必要的 API。在 Colab 中，确保已经正确执行认证步骤。

问题：连接到 AlloyDB 数据库失败

解决方案：检查您的项目 ID、区域、群集、实例和数据库名称是否正确配置。

问题：无法启用 Vertex AI API

解决方案：确保您在项目中启用了 Vertex AI API，并具有相应的权限。

总结和进一步学习资源

本文介绍了如何使用 Google Cloud AlloyDB for PostgreSQL 存储聊天消息历史记录，并与 LangChain 集成。通过这种方式，您可以创建支持 AI 的高效聊天系统。欲了解更多信息，请参考以下资源：

参考资料

  1. Google Cloud AlloyDB 文档
  2. LangChain GitHub 仓库
  3. Vertex AI 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---

avatar
文章
阅读
粉丝