LangChain入门（五）AI记着聊天汗青

之前的案例都是一次性的会话，我们有时候需要进行一连沟通，就需要LLM记着之前的聊天内容。
Chat_History 组件提供能力，允许呆板人“记着”过去的互动，并在回应后续题目时思量它们。
需要安装组件

1. pip install langchain_community

复制代码

保存聊天记录

1. #保存聊天的历史记录
2. store = {}  # key 为sessionId，保存所有用户的了解记录
4. # 根据session_id 获取消息历史记录对象
6. def get_session_history(session_id: str):
7.     if session_id not in store:
8.         store[session_id] = ChatMessageHistory()
9.     return store[session_id]
12. do_message = RunnableWithMessageHistory(
13.    chain,
14.    get_session_history,
15.    input_messages_key='my_msg'  #每次聊天时候发送msg的key
16. )
18. config ={'configurable':{'session_id':'l1211'}}  #给当前会话定义一个sessionid
20. # 第一轮
21. resp1 = do_message.invoke(
22.     {
23.         'my_msg':[HumanMessage(content='您好啊！我是悠然')],
24.         'language':'中文'
25.     },
26.     config=config
27. )
29. print(resp1.content)

复制代码

提示词模板修改，在提示词模板中添加聊天汗青记录

1. chat_prompt = ChatPromptTemplate.from_messages(
2.       [
3.          ("system", "你是一个乐于助人的助手,用{language}尽你所有回答所有问题"),
4.          MessagesPlaceholder(variable_name='my_msg')
5.       ]
6. )

复制代码

流式输出，输出是一个token一个token输出的

1. for resp in do_message.stream(
2.     {
3.         'my_msg':[HumanMessage(content='请给我讲一个笑话')],
4.         'language':'English'
5.     },
6.     config=config2
7. ):print(resp.content,end="-")  #一次响应是一个token

复制代码

完整代码如下：

1. from langchain.chat_models import init_chat_modelfrom langchain_core.output_parsers import StrOutputParserfrom langchain.prompts.chat import ChatPromptTemplate,MessagesPlaceholderfrom langchain_core.messages import SystemMessage, HumanMessagefrom langchain_community.chat_message_histories import ChatMessageHistoryfrom langchain_core.runnables.history import RunnableWithMessageHistoryimport os# 这里只是示意，工程中建议使用getpass.getpass()来获取API密钥api_key = os.environ.get("DEEPSEEK_API_KEY");api_base = "https://api.deepseek.com/"#聊天呆板人案例#1.界说模子model = init_chat_model(        model="deepseek-chat",        api_key=api_key,        api_base=api_base,        temperature=0.8,        max_tokens=1024,        model_provider="deepseek",    )#2.界说提示词模板  chat_prompt = ChatPromptTemplate.from_messages(
2.       [
3.          ("system", "你是一个乐于助人的助手,用{language}尽你所有回答所有问题"),
4.          MessagesPlaceholder(variable_name='my_msg')
5.       ]
6. )# 3. 界说解析器parser =StrOutputParser()# 4. 界说chainchain = chat_prompt | model #保存聊天的汗青记录store = {}  # key 为sessionId，保存所有效户的了解记录# 根据session_id 并返回一个消息汗青记录对象def get_session_history(session_id: str):    if session_id not in store:        store[session_id] = ChatMessageHistory()    return store[session_id]do_message = RunnableWithMessageHistory(   chain,   get_session_history,   input_messages_key='my_msg'  #每次聊天时候发送msg的key)config ={'configurable':{'session_id':'l1211'}}  #给当前会话界说一个sessionid# 第一轮resp1 = do_message.invoke(    {        'my_msg':[HumanMessage(content='您好啊！我是悠然')],        'language':'中文'    },    config=config)print(resp1.content)#第二轮resp2 = do_message.invoke(    {        'my_msg':[HumanMessage(content='请问我的名字是什么？')],        'language':'中文'    },    config=config)print(resp2.content)config2 ={'configurable':{'session_id':'1213131'}}  #给当前会话界说一个sessionid#第三轮 返回的数据是流式的for resp in do_message.stream(
7.     {
8.         'my_msg':[HumanMessage(content='请给我讲一个笑话')],
9.         'language':'English'
10.     },
11.     config=config2
12. ):print(resp.content,end="-")  #一次响应是一个token

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

继续阅读请点击广告