高效管理数据库中的对话历史：使用SQLAlchemy和LangChain

最新推荐文章于 2025-03-05 09:14:08 发布

原创最新推荐文章于 2025-03-05 09:14:08 发布 · 512 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#数据库 #langchain #jvm #python

高效管理数据库中的对话历史：使用SQLAlchemy和LangChain

在现代应用中，管理和存储对话历史对于提升用户体验显得尤为重要。我们可以使用SQLAlchemy，一个强大的SQL工具包和Python的ORM（对象关系映射器），来优化这一过程。本文将介绍如何通过LangChain的SQLChatMessageHistory类，实现对话历史的灵活存储。

引言

在构建聊天应用或需要保存用户对话历史的程序时，选择合适的数据库和工具至关重要。SQLAlchemy作为一种处理结构化数据的强有力工具，能够帮助开发者简化数据库操作。此外，通过LangChain社区包，我们可以便捷地将对话历史存储到各种SQL支持的数据库中。

主要内容

安装和设置

若要将对话历史存储在数据库中，我们需要安装以下Python包：

pip install -U langchain-community SQLAlchemy langchain-openai

使用 `SQLChatMessageHistory`

SQLChatMessageHistory类只需两个参数即可工作：

Session Id：会话的唯一标识符，如用户名、电子邮件、聊天ID等。
连接字符串：用于指定数据库连接的字符串，这将传递给SQLAlchemy的create_engine函数。

from langchain_community.chat_message_histories import SQLChatMessageHistory

# 使用API代理服务提高访问稳定性
chat_message_history = SQLChatMessageHistory(
    session_id="test_session", connection_string="sqlite:///sqlite.db"
)

chat_message_history.add_user_message("Hello")
chat_message_history.add_ai_message("Hi")

打造高级消息链

为了增强自动化程度，我们可以结合LangChain的可运行历史功能与OpenAI API实现更智能的对话管理：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "You are a helpful assistant."),
        MessagesPlaceholder(variable_name="history"),
        ("human", "{question}"),
    ]
)

chain = prompt | ChatOpenAI()

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: SQLChatMessageHistory(
        session_id=session_id, connection_string="sqlite:///sqlite.db"
    ),
    input_messages_key="question",
    history_messages_key="history",
)

# 配置会话ID
config = {"configurable": {"session_id": "<SESSION_ID>"}}

response = chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
print(response)

response = chain_with_history.invoke({"question": "Whats my name"}, config=config)
print(response)