|
|
from langchain_community.chat_message_histories import SQLChatMessageHistory
|
|
|
from langchain_core.chat_history import InMemoryChatMessageHistory
|
|
|
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
|
|
|
from langchain_core.runnables import RunnableWithMessageHistory, RunnablePassthrough
|
|
|
from langchain_openai import ChatOpenAI
|
|
|
|
|
|
|
|
|
from env_util import DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL
|
|
|
|
|
|
# 0、llm~~
|
|
|
llm = ChatOpenAI(
|
|
|
model = "qwen-plus",
|
|
|
base_url=DASHSCOPE_BASE_URL,
|
|
|
api_key=DASHSCOPE_API_KEY,
|
|
|
temperature=0.8,
|
|
|
);
|
|
|
|
|
|
# ===============================================================================================
|
|
|
|
|
|
# 1、定义专门做聊天的提示词模板
|
|
|
prompt = ChatPromptTemplate.from_messages([
|
|
|
('system', '你是一个乐于助人的助手。尽你所能回答所有问题。提供的聊天历史包含与你对话用户的相关信息。'), # 系统提示词
|
|
|
MessagesPlaceholder(variable_name='chat_history', optional=True), #消息占位符
|
|
|
('human', '{input}') #用户提示词，input用户传的问题
|
|
|
])
|
|
|
|
|
|
chain = prompt | llm;
|
|
|
|
|
|
# ===============================================================================================
|
|
|
# 2、存储聊天记录： 存的谁？存的第10行的内容（存到哪里？内存、关系型数据库或者redis数据库）
|
|
|
|
|
|
store = {}
|
|
|
|
|
|
def get_session_history(session_id: str):
|
|
|
"""从关系型数据库的历史消息列表中 返回当前会话 的所有历史消息"""
|
|
|
# SQLChatMessageHistory是langchain提供的
|
|
|
return SQLChatMessageHistory(
|
|
|
session_id=session_id,
|
|
|
# 这里url换为自己的数据库即可
|
|
|
connection_string='sqlite:///chat_history.db',
|
|
|
)
|
|
|
|
|
|
|
|
|
|
|
|
# ===============================================================================================
|
|
|
# 3、创建带历史记录功能的处理链，帮我自动存储历史记录
|
|
|
|
|
|
chain_with_message_history = RunnableWithMessageHistory(
|
|
|
chain, # 基础执行链
|
|
|
get_session_history, # 指定工厂函数，返回指定session_id的聊天记录
|
|
|
input_messages_key='input', # 指定用户输入的消息的key
|
|
|
history_messages_key='chat_history', # 历史消息记录的key
|
|
|
)
|
|
|
|
|
|
# ===============================================================================================
|
|
|
#4、剪辑和摘要历史上下文消息
|
|
|
# 比如：保留最近的前2条消息（随意指定条数），把之前的所有消息形成摘要
|
|
|
# 定义summarize_messages函数，把当前用户的这次输入传进来
|
|
|
def summarize_messages(current_input):
|
|
|
"""剪辑和摘要上下午，历史记录"""
|
|
|
# 从current_input取出session_id
|
|
|
session_id = current_input['config']["configurable"]["session_id"]
|
|
|
|
|
|
if not session_id:
|
|
|
raise ValueError("必须通过config参数提供session_id")
|
|
|
|
|
|
# 获取当前会话ID的所有历史聊天记录
|
|
|
chat_history = get_session_history(session_id)
|
|
|
# 从历史聊天记录取出message这个聊天列表（是个数组，里面是一条一条消息，包括AiMessage，toolmessage，humanmessage，systemmessage。。）
|
|
|
stored_messages = chat_history.messages
|
|
|
|
|
|
# 如果stored_messages长度太短，只有两条以内聊天记录，不需要摘要
|
|
|
if len(stored_messages) <= 2: # 保留最近2条消息的阈值
|
|
|
return False
|
|
|
|
|
|
# 超过2条再剪辑
|
|
|
# 剪辑消息列表
|
|
|
last_two_messages = stored_messages[-2:] # 保留的最后2条消息
|
|
|
messages_to_summarize = stored_messages[:-2] # 需要进行摘要的消息列表（最后2条之前的记录）
|
|
|
|
|
|
# 构建摘要：就是让大模型去帮你构建摘要，帮你做这件事情，在这里需要再调用大模型
|
|
|
# 所以先构建提示词模版
|
|
|
summarization_prompt = ChatPromptTemplate.from_messages([
|
|
|
("system", "请将以下对话历史压缩为一条保留关键信息的摘要消息。"),
|
|
|
("placeholder", "{chat_history}"),
|
|
|
("human", "请生成包含上述对话核心内容的摘要，保留重要事实和决策。")
|
|
|
])
|
|
|
# 组成链调用大模型
|
|
|
summarization_chain = summarization_prompt | llm
|
|
|
# 大模型会帮你生成摘要(AIMessage) ——》需要生成摘要的是messages_to_summarize，last_two_messages不需要生成摘要
|
|
|
summary_message = summarization_chain.invoke({'chat_history': messages_to_summarize})
|
|
|
|
|
|
# 重建历史记录：清空历史聊天记录 + 添加摘要 + 最后2条原始消息
|
|
|
chat_history.clear()
|
|
|
chat_history.add_message(summary_message)
|
|
|
for msg in last_two_messages:
|
|
|
chat_history.add_message(msg)
|
|
|
|
|
|
return True
|
|
|
|
|
|
|
|
|
# 最终的链 （需要LCEL完成）
|
|
|
# RunnablePassthrough 默认会将输入数据原样传递到下游，通过管道传给下一个组件chain_with_message_history
|
|
|
# 同时.assign() 方法允许在保留原始输入的同时，通过指定键值对（如 messages_summarized=summarize_messages）向输入字典中添加新字段
|
|
|
final_chain = (RunnablePassthrough.assign(messages_summarized=summarize_messages) | chain_with_message_history)
|
|
|
|
|
|
# ===============================================================================================
|
|
|
#5、 测试
|
|
|
result1 = final_chain.invoke({'input': '你好，我是郑金维！',
|
|
|
"config": {"configurable": {"session_id": "user123"}}},
|
|
|
config={"configurable": {"session_id": "user123"}})
|
|
|
print(result1)
|
|
|
|
|
|
result2 = final_chain.invoke({'input': '我的名字叫什么?',
|
|
|
"config": {"configurable": {"session_id": "user123"}}},
|
|
|
config={"configurable": {"session_id": "user123"}})
|
|
|
print(result2)
|
|
|
|
|
|
result3 = final_chain.invoke({'input': '历史上，和我同名的人有哪些？',
|
|
|
"config": {"configurable": {"session_id": "user123"}}},
|
|
|
config={"configurable": {"session_id": "user123"}})
|
|
|
print(result3) |
