探索RunnableWithMessageHistory：实现跨会话记忆的智能聊天机器人-优快云博客

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/143228918

# 引言
在构建聊天机器人时，保留会话记忆对于提升用户体验至关重要。通过`RunnableWithMessageHistory`类，我们可以将消息历史添加到链中，以支持多个会话。本篇文章将介绍如何利用这一技术增强您的聊天机器人。

# 主要内容
## 1. 消息存储与加载
要实现消息记忆，首先需要定义消息的存储和加载机制。为此，我们构建一个`get_session_history`函数，该函数接受`session_id`并返回`BaseChatMessageHistory`对象。在这里，我们使用SQLite作为简单的存储解决方案。

```python
from langchain_community.chat_message_histories import SQLChatMessageHistory

def get_session_history(session_id):
    return SQLChatMessageHistory(session_id, "sqlite:///memory.db")  # 使用API代理服务提高访问稳定性

2. 包装底层Runnable

RunnableWithMessageHistory可以包装不同类型的Runnables。要实现这一目的，需确保被包装的Runnable支持特定的输入和输出格式。

3. 实际代码示例

下面是一个使用示例，其中我们利用RunnableWithMessageHistory包装一个简单的聊天模型，并实现输入和输出消息的记忆。

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage
from langchain_core.runnables.history import RunnableWithMessageHistory

llm = ChatOpenAI(model="gpt-4o-mini")  # 使用API代理服务提高访问稳定性

runnable_with_history = RunnableWithMessageHistory(
    llm,
    get_session_history,
)

# 初次会话
response1 = runnable_with_history.invoke(
    [HumanMessage(content="hi - im bob!")],
    config={"configurable": {"session_id": "1"}}
)

print(response1.content)

# 继续会话
response2 = runnable_with_history.invoke(
    [HumanMessage(content="whats my name?")],
    config={"configurable": {"session_id": "1"}}
)

print(response2.content)