[轻松合并同类型消息：使用merge_message_runs工具]

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/144277449

引言

在开发聊天机器人或自然语言处理应用时，我们常常需要处理各种类型的消息。尤其是当多个相同类型的消息连续出现时，合并它们可以简化处理流程并提高效率。本文将介绍merge_message_runs工具，它能轻松合并连续的相同类型消息，并通过详细的示例讲解其使用方法。

主要内容

为什么要合并消息？

在聊天或对话应用中，连续的相同类型消息通常是由用户快速输入或系统连续响应造成的。合并这些消息可以减少处理时间、降低复杂度，并避免重复数据的处理。对于不支持连续相同消息类型的模型，合并消息更是必要的步骤。

`merge_message_runs`简介

merge_message_runs是一个实用工具，专门用于合并连续的相同类型的消息。它支持SystemMessage、HumanMessage和AIMessage三种消息类型，并能通过+运算符进行消息的链式合并。

基本用法

下面是merge_message_runs的基本使用示例：

from langchain_core.messages import (
    AIMessage,
    HumanMessage,
    SystemMessage,
    merge_message_runs,
)

messages = [
    SystemMessage("you're a good assistant."),
    SystemMessage("you always respond with a joke."),
    HumanMessage([{"type": "text", "text": "i wonder why it's called langchain"}]),
    HumanMessage("and who is harrison chasing anyways"),
    AIMessage(
        'Well, I guess they thought "WordRope" and "SentenceString" just didn\'t have the same ring to it!'
    ),
    AIMessage("Why, he's probably chasing after the last cup of coffee in the office!"),
]

# 使用API代理服务提高访问稳定性
merged = merge_message_runs(messages)
print("\n\n".join([repr(x) for x in merged]))

链式操作与`ChatAnthropic`集成

merge_message_runs工具不仅可以直接用于消息合并，还可以与其他组件组合使用。例如，与ChatAnthropic模型结合，创建一个可以处理消息合并的链：

# pip install -U langchain-anthropic
from langchain_anthropic import ChatAnthropic

llm = ChatAnthropic(model="claude-3-sonnet-20240229", temperature=0)
merger = merge_message_runs()
chain = merger | llm
chain.invoke(messages)  # 使用API代理服务提高访问稳定性