打造聊天室历史存储：使用AWS DynamoDB和Langchain实现聊天记录管理-优快云博客

引言

在现代应用程序中，存储用户与AI的聊天记录是提供个性化服务的重要组成部分。Amazon AWS DynamoDB 是一种完全托管的 NoSQL 数据库服务，它提供了快速和可预测的性能以及无缝的可扩展性。本篇文章将介绍如何利用 DynamoDB 和 Langchain，在 Python 中高效存储和管理聊天记录。

主要内容

前期准备

在开始之前，需要确保已正确配置 AWS CLI，并安装 langchain-community 和 boto3 包：

pip install -U langchain-community boto3

创建 DynamoDB 表

首先，我们需要创建一个 DynamoDB 表来存储聊天记录。以下代码段展示了如何创建一个名为 SessionTable 的表：

import boto3

# 获取服务资源
dynamodb = boto3.resource("dynamodb")

# 创建 DynamoDB 表
table = dynamodb.create_table(
    TableName="SessionTable",
    KeySchema=[{"AttributeName": "SessionId", "KeyType": "HASH"}],
    AttributeDefinitions=[{"AttributeName": "SessionId", "AttributeType": "S"}],
    BillingMode="PAY_PER_REQUEST",
)

# 等待表格创建完成
table.meta.client.get_waiter("table_exists").wait(TableName="SessionTable")

# 打印表信息
print(table.item_count)

管理聊天历史

使用 DynamoDBChatMessageHistory 类来管理聊天记录。

from langchain_community.chat_message_histories import DynamoDBChatMessageHistory

history = DynamoDBChatMessageHistory(table_name="SessionTable", session_id="0")

history.add_user_message("hi!")
history.add_ai_message("what's up?")
print(history.messages)

使用自定义的 API 端点

在某些情况下，例如本地测试，可能需要通过自定义的 API 端点连接到 AWS。可以通过 endpoint_url 参数指定：

history = DynamoDBChatMessageHistory(
    table_name="SessionTable",
    session_id="0",
    endpoint_url="{AI_URL}" # 使用API代理服务提高访问稳定性
)

使用复合键

有时候需要设计更复杂的键结构，例如包含排序键：

composite_table = dynamodb.create_table(
    TableName="CompositeTable",
    KeySchema=[
        {"AttributeName": "PK", "KeyType": "HASH"},
        {"AttributeName": "SK", "KeyType": "RANGE"},
    ],
    AttributeDefinitions=[
        {"AttributeName": "PK", "AttributeType": "S"},
        {"AttributeName": "SK", "AttributeType": "S"},
    ],
    BillingMode="PAY_PER_REQUEST",
)

# 等待表格创建完成
composite_table.meta.client.get_waiter("table_exists").wait(TableName="CompositeTable")

my_key = {
    "PK": "session_id::0",
    "SK": "langchain_history",
}

composite_key_history = DynamoDBChatMessageHistory(
    table_name="CompositeTable",
    session_id="0",
    endpoint_url="{AI_URL}", # 使用API代理服务提高访问稳定性
    key=my_key,
)

composite_key_history.add_user_message("hello, composite dynamodb table!")
print(composite_key_history.messages)

代码示例

下面是如何在 Langchain 中使用 DynamoDBChatMessageHistory 来储存和检索聊天记录的完整示例：

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: DynamoDBChatMessageHistory(
        table_name="SessionTable", session_id=session_id
    ),
    input_messages_key="question",
    history_messages_key="history",
)

config = {"configurable": {"session_id": "<SESSION_ID>"}}

response_1 = chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
response_2 = chain_with_history.invoke({"question": "What's my name"}, config=config)

print(response_1.content)  # 输出：Hello Bob! How can I assist you today?
print(response_2.content)  # 输出：Your name is Bob! Is there anything specific you would like assistance with, Bob?