跳到主要內容
Open In ColabOpen on GitHub

如何篩選訊息

在更複雜的鏈和代理程式中，我們可能會使用 訊息列表來追蹤狀態。此列表可能會開始累積來自多個不同模型、發言者、子鏈等的訊息，而我們可能只想將此完整訊息列表的子集傳遞給鏈/代理程式中的每個模型調用。

filter_messages 實用程式可以輕鬆地按類型、ID 或名稱篩選訊息。

基本用法​

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

messages = [
    SystemMessage("you are a good assistant", id="1"),
    HumanMessage("example input", id="2", name="example_user"),
    AIMessage("example output", id="3", name="example_assistant"),
    HumanMessage("real input", id="4", name="bob"),
    AIMessage("real output", id="5", name="alice"),
]

filter_messages(messages, include_types="human")
[HumanMessage(content='example input', name='example_user', id='2'),
 HumanMessage(content='real input', name='bob', id='4')]
filter_messages(messages, exclude_names=["example_user", "example_assistant"])
[SystemMessage(content='you are a good assistant', id='1'),
 HumanMessage(content='real input', name='bob', id='4'),
 AIMessage(content='real output', name='alice', id='5')]
filter_messages(messages, include_types=[HumanMessage, AIMessage], exclude_ids=["3"])
[HumanMessage(content='example input', name='example_user', id='2'),
 HumanMessage(content='real input', name='bob', id='4'),
 AIMessage(content='real output', name='alice', id='5')]

鏈接​

filter_messages 可以命令式地（如上所示）或宣告式地使用，使其易於與鏈中的其他組件組合

%pip install -qU langchain-anthropic
from langchain_anthropic import ChatAnthropic

llm = ChatAnthropic(model="claude-3-sonnet-20240229", temperature=0)
# Notice we don't pass in messages. This creates
# a RunnableLambda that takes messages as input
filter_ = filter_messages(exclude_names=["example_user", "example_assistant"])
chain = filter_ | llm
chain.invoke(messages)
API 參考：ChatAnthropic
AIMessage(content=[], response_metadata={'id': 'msg_01Wz7gBHahAwkZ1KCBNtXmwA', 'model': 'claude-3-sonnet-20240229', 'stop_reason': 'end_turn', 'stop_sequence': None, 'usage': {'input_tokens': 16, 'output_tokens': 3}}, id='run-b5d8a3fe-004f-4502-a071-a6c025031827-0', usage_metadata={'input_tokens': 16, 'output_tokens': 3, 'total_tokens': 19})

查看 LangSmith 追蹤，我們可以看見在訊息傳遞到模型之前，它們已被篩選：https://smith.langchain.com/public/f808a724-e072-438e-9991-657cc9e7e253/r

僅查看 filter_，我們可以看見它是一個 Runnable 物件，可以像所有 Runnables 一樣調用

filter_.invoke(messages)
[HumanMessage(content='real input', name='bob', id='4'),
 AIMessage(content='real output', name='alice', id='5')]

API 參考​

有關所有參數的完整描述，請前往 API 參考：https://langchain-python.dev.org.tw/api_reference/core/messages/langchain_core.messages.utils.filter_messages.html

此頁面是否有幫助？