SQL (SQLAlchemy)

結構化查詢語言 (SQL) 是一種用於程式設計的領域特定語言，旨在管理關聯式資料庫管理系統 (RDBMS) 中保存的資料，或用於關聯式資料流管理系統 (RDSMS) 中的流處理。它在處理結構化資料時特別有用，即包含實體和變數之間關係的資料。

SQLAlchemy 是一個開源 SQL 工具組和物件關聯對應器 (ORM)，適用於 MIT 許可證下發布的 Python 程式設計語言。

此筆記本介紹了 SQLChatMessageHistory 類別，該類別允許將聊天歷史記錄儲存在 SQLAlchemy 支援的任何資料庫中。

請注意，若要將其與 SQLite 以外的資料庫一起使用，您需要安裝相應的資料庫驅動程式。

設定

整合存在於 langchain-community 套件中，因此我們需要安裝它。我們還需要安裝 SQLAlchemy 套件。

pip install -U langchain-community SQLAlchemy langchain-openai

設定 LangSmith 以獲得同類最佳的可觀察性也很有幫助（但不是必需的）

# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass()

用法

若要使用儲存，您只需要提供 2 件事

1. 工作階段 ID - 工作階段的唯一識別符，例如使用者名稱、電子郵件、聊天 ID 等。
2. 連線字串 - 指定資料庫連線的字串。它將傳遞給 SQLAlchemy create_engine 函數。

from langchain_community.chat_message_histories import SQLChatMessageHistory

chat_message_history = SQLChatMessageHistory(
    session_id="test_session", connection_string="sqlite:///sqlite.db"
)

chat_message_history.add_user_message("Hello")
chat_message_history.add_ai_message("Hi")

API 參考：SQLChatMessageHistory

chat_message_history.messages

[HumanMessage(content='Hello'), AIMessage(content='Hi')]

鏈式調用

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，我們會想要使用 OpenAI，因此我們需要安裝它

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI

API 參考：ChatPromptTemplate | MessagesPlaceholder | RunnableWithMessageHistory | 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: SQLChatMessageHistory(
        session_id=session_id, connection_string="sqlite:///sqlite.db"
    ),
    input_messages_key="question",
    history_messages_key="history",
)

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

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

AIMessage(content='Hello Bob! How can I assist you today?')

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

AIMessage(content='Your name is Bob! Is there anything specific you would like assistance with, Bob?')