Skip to main content
Open In Colab在 GitHub 上打开

沙发基地

Couchbase 是一个屡获殊荣的分布式 NoSQL 云数据库，可为您的所有云、移动、AI 和边缘计算应用程序提供无与伦比的多功能性、性能、可扩展性和财务价值。Couchbase 采用 AI，为开发人员提供编码帮助，并为他们的应用程序提供矢量搜索。

本笔记本介绍了如何使用CouchbaseChatMessageHistory类将聊天消息历史记录存储在 Couchbase 集群中

设置 Couchbase 集群

要运行此演示，您需要一个 Couchbase 集群。

您可以使用 Couchbase Capella 和自行管理的 Couchbase Server。

安装依赖项

CouchbaseChatMessageHistory生活在langchain-couchbase包。

%pip install --upgrade --quiet langchain-couchbase
Note: you may need to restart the kernel to use updated packages.

创建 Couchbase 连接对象

我们首先创建与 Couchbase 集群的连接，然后将集群对象传递给 Vector Store。

在这里，我们使用用户名和密码进行连接。您还可以使用任何其他受支持的方式连接到您的集群。

有关连接到 Couchbase 集群的更多信息，请查看 Python SDK 文档。

COUCHBASE_CONNECTION_STRING = (
    "couchbase://localhost"  # or "couchbases://localhost" if using TLS
)
DB_USERNAME = "Administrator"
DB_PASSWORD = "Password"
from datetime import timedelta

from couchbase.auth import PasswordAuthenticator
from couchbase.cluster import Cluster
from couchbase.options import ClusterOptions

auth = PasswordAuthenticator(DB_USERNAME, DB_PASSWORD)
options = ClusterOptions(auth)
cluster = Cluster(COUCHBASE_CONNECTION_STRING, options)

# Wait until the cluster is ready for use.
cluster.wait_until_ready(timedelta(seconds=5))

现在，我们将在 Couchbase 集群中设置要用于存储消息历史记录的存储桶、范围和集合名称。

请注意，bucket、scope 和 collection 需要存在，然后才能使用它们来存储消息历史记录。

BUCKET_NAME = "langchain-testing"
SCOPE_NAME = "_default"
COLLECTION_NAME = "conversational_cache"

用法

为了存储消息，您需要以下内容：

  • Couchbase Cluster 对象：与 Couchbase 集群的有效连接
  • bucket_name：集群中的 Bucket 用于存储聊天消息历史记录
  • scope_name：存储桶中的范围以存储消息历史记录
  • collection_name：用于存储消息历史记录的范围内集合
  • session_id：会话的唯一标识符

（可选）您可以配置以下内容：

  • session_id_key：用于存储session_id
  • message_key：聊天消息文档中用于存储消息内容的字段
  • create_index：用于指定是否需要在集合上创建索引。默认情况下，索引是在message_key和session_id_key的文件
  • ttl：用于指定timedelta为文档而生，之后它们将自动从存储中删除。
from langchain_couchbase.chat_message_histories import CouchbaseChatMessageHistory

message_history = CouchbaseChatMessageHistory(
    cluster=cluster,
    bucket_name=BUCKET_NAME,
    scope_name=SCOPE_NAME,
    collection_name=COLLECTION_NAME,
    session_id="test-session",
)

message_history.add_user_message("hi!")

message_history.add_ai_message("how are you doing?")
message_history.messages
[HumanMessage(content='hi!'), AIMessage(content='how are you doing?')]

指定聊天消息的生存时间 （TTL）

通过指定ttl参数以及聊天消息历史记录存储的初始化。

from langchain_couchbase.chat_message_histories import CouchbaseChatMessageHistory

message_history = CouchbaseChatMessageHistory(
    cluster=cluster,
    bucket_name=BUCKET_NAME,
    scope_name=SCOPE_NAME,
    collection_name=COLLECTION_NAME,
    session_id="test-session",
    ttl=timedelta(hours=24),
)

链接

聊天消息历史记录类可以与 LCEL Runnables 一起使用

import getpass
import os

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

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

# Create the LCEL runnable
chain = prompt | ChatOpenAI()
chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: CouchbaseChatMessageHistory(
        cluster=cluster,
        bucket_name=BUCKET_NAME,
        scope_name=SCOPE_NAME,
        collection_name=COLLECTION_NAME,
        session_id=session_id,
    ),
    input_messages_key="question",
    history_messages_key="history",
)
# This is where we configure the session id
config = {"configurable": {"session_id": "testing"}}
chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
AIMessage(content='Hello, Bob! How can I assist you today?', additional_kwargs={'refusal': None}, response_metadata={'token_usage': {'completion_tokens': 11, 'prompt_tokens': 22, 'total_tokens': 33}, 'model_name': 'gpt-3.5-turbo-0125', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None}, id='run-62e54e3d-db70-429d-9ee0-e5e8eb2489a1-0', usage_metadata={'input_tokens': 22, 'output_tokens': 11, 'total_tokens': 33})
chain_with_history.invoke({"question": "Whats my name"}, config=config)
AIMessage(content='Your name is Bob.', additional_kwargs={'refusal': None}, response_metadata={'token_usage': {'completion_tokens': 5, 'prompt_tokens': 44, 'total_tokens': 49}, 'model_name': 'gpt-3.5-turbo-0125', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None}, id='run-d84a570a-45f3-4931-814a-078761170bca-0', usage_metadata={'input_tokens': 44, 'output_tokens': 5, 'total_tokens': 49})