Google SQL for PostgreSQL

Google Cloud SQL 是一項完全託管的關聯式資料庫服務，提供高效能、無縫整合和令人印象深刻的可擴展性。它提供 MySQL、PostgreSQL 和 SQL Server 資料庫引擎。擴展您的資料庫應用程式，以建構利用 Cloud SQL 的 Langchain 整合的 AI 驅動體驗。

本筆記本介紹如何使用 Google Cloud SQL for PostgreSQL，透過 PostgresChatMessageHistory 類別儲存聊天訊息歷史記錄。

在 GitHub 上了解更多關於此套件的資訊。

開始之前

若要執行此筆記本，您需要執行以下操作

🦜🔗 程式庫安裝

此整合存在於其自身的 langchain-google-cloud-sql-pg 套件中，因此我們需要安裝它。

%pip install --upgrade --quiet langchain-google-cloud-sql-pg langchain-google-vertexai

僅限 Colab： 取消註解以下儲存格以重新啟動核心，或使用按鈕重新啟動核心。對於 Vertex AI Workbench，您可以使用頂端的按鈕重新啟動終端機。

# # Automatically restart kernel after installs so that your environment can access the new packages
# import IPython

# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)

🔐 驗證

以登入此筆記本的 IAM 使用者身分驗證 Google Cloud，以便存取您的 Google Cloud 專案。

如果您使用 Colab 執行此筆記本，請使用以下儲存格並繼續。
如果您使用 Vertex AI Workbench，請查看此處的設定說明。

from google.colab import auth

auth.authenticate_user()

☁ 設定您的 Google Cloud 專案

設定您的 Google Cloud 專案，以便您可以在此筆記本中利用 Google Cloud 資源。

如果您不知道您的專案 ID，請嘗試以下操作

執行 gcloud config list。
執行 gcloud projects list。
請參閱支援頁面：尋找專案 ID。

# @markdown Please fill in the value below with your Google Cloud project ID and then run the cell.

PROJECT_ID = "my-project-id"  # @param {type:"string"}

# Set the project id
!gcloud config set project {PROJECT_ID}

💡 API 啟用

langchain-google-cloud-sql-pg 套件要求您在您的 Google Cloud 專案中啟用 Cloud SQL Admin API。

# enable Cloud SQL Admin API
!gcloud services enable sqladmin.googleapis.com

基本用法

設定 Cloud SQL 資料庫值

在Cloud SQL 執行個體頁面中找到您的資料庫值。

# @title Set Your Values Here { display-mode: "form" }
REGION = "us-central1"  # @param {type: "string"}
INSTANCE = "my-postgresql-instance"  # @param {type: "string"}
DATABASE = "my-database"  # @param {type: "string"}
TABLE_NAME = "message_store"  # @param {type: "string"}

PostgresEngine 連線池

將 Cloud SQL 建立為 ChatMessageHistory 記憶體儲存區的需求和引數之一是 PostgresEngine 物件。PostgresEngine 會設定連線池到您的 Cloud SQL 資料庫，從而實現從您的應用程式成功連線，並遵循業界最佳實務。

若要使用 PostgresEngine.from_instance() 建立 PostgresEngine，您只需要提供 4 件事

project_id : Cloud SQL 執行個體所在的 Google Cloud 專案的專案 ID。
region : Cloud SQL 執行個體所在的區域。
instance : Cloud SQL 執行個體的名稱。
database : 要連線到 Cloud SQL 執行個體上的資料庫名稱。

預設情況下，IAM 資料庫驗證將用作資料庫驗證的方法。此程式庫使用屬於從環境來源的應用程式預設憑證 (ADC) 的 IAM 主體。

如需更多關於 IAM 資料庫驗證的資訊，請參閱

或者，也可以使用內建資料庫驗證，使用使用者名稱和密碼來存取 Cloud SQL 資料庫。只需將選用的 user 和 password 引數提供給 PostgresEngine.from_instance() 即可

user : 用於內建資料庫驗證和登入的資料庫使用者
password : 用於內建資料庫驗證和登入的資料庫密碼。

from langchain_google_cloud_sql_pg import PostgresEngine

engine = PostgresEngine.from_instance(
    project_id=PROJECT_ID, region=REGION, instance=INSTANCE, database=DATABASE
)

初始化表格

PostgresChatMessageHistory 類別需要具有特定結構描述的資料庫表格，才能儲存聊天訊息歷史記錄。

PostgresEngine 引擎具有輔助方法 init_chat_history_table()，可用於為您建立具有正確結構描述的表格。

engine.init_chat_history_table(table_name=TABLE_NAME)

PostgresChatMessageHistory

若要初始化 PostgresChatMessageHistory 類別，您只需要提供 3 件事

engine - PostgresEngine 引擎的執行個體。
session_id - 指定工作階段 ID 的唯一識別字串。
table_name : Cloud SQL 資料庫中用於儲存聊天訊息歷史記錄的表格名稱。

from langchain_google_cloud_sql_pg import PostgresChatMessageHistory

history = PostgresChatMessageHistory.create_sync(
    engine, session_id="test_session", table_name=TABLE_NAME
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")

history.messages

[HumanMessage(content='hi!'), AIMessage(content='whats up?')]

清理

當特定工作階段的歷史記錄過時且可以刪除時，可以透過以下方式完成。

注意： 一旦刪除，資料將不再儲存在 Cloud SQL 中，且將永久消失。

history.clear()

🔗 鏈結

我們可以輕鬆地將此訊息歷史記錄類別與 LCEL Runnables 結合使用

為此，我們將使用 Google 的 Vertex AI 聊天模型之一，這需要您在您的 Google Cloud 專案中啟用 Vertex AI API。

# enable Vertex AI API
!gcloud services enable aiplatform.googleapis.com

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_google_vertexai import ChatVertexAI

API 參考：ChatPromptTemplate | MessagesPlaceholder | RunnableWithMessageHistory | ChatVertexAI

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "You are a helpful assistant."),
        MessagesPlaceholder(variable_name="history"),
        ("human", "{question}"),
    ]
)

chain = prompt | ChatVertexAI(project=PROJECT_ID)

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: PostgresChatMessageHistory.create_sync(
        engine,
        session_id=session_id,
        table_name=TABLE_NAME,
    ),
    input_messages_key="question",
    history_messages_key="history",
)

# This is where we configure the session id
config = {"configurable": {"session_id": "test_session"}}

chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)

AIMessage(content=' Hello Bob, how can I help you today?')

chain_with_history.invoke({"question": "Whats my name"}, config=config)

AIMessage(content=' Your name is Bob.')

開始之前​

🦜🔗 程式庫安裝​

🔐 驗證​

☁ 設定您的 Google Cloud 專案​

💡 API 啟用​

基本用法​

設定 Cloud SQL 資料庫值​

PostgresEngine 連線池​

初始化表格​

PostgresChatMessageHistory​

清理​

🔗 鏈結​

此頁面是否有幫助？