使用 Google Cloud AlloyDB for PostgreSQL 存储聊天消息历史

技术背景介绍

Google Cloud AlloyDB 是一种完全托管的 PostgreSQL 兼容数据库服务，旨在满足企业工作负载的需求。它结合了 Google Cloud 的强大能力与 PostgreSQL 的灵活性，可在性能、扩展性和可用性方面提供卓越表现。通过 AlloyDB 的 Langchain 集成，您可以将数据库应用扩展，以构建人工智能驱动的体验。

在本教程中，我们将学习如何使用 AlloyDB 来存储聊天消息历史，利用 AlloyDBChatMessageHistory 类来实现这一功能。

核心原理解析

AlloyDBChatMessageHistory 类允许我们将聊天消息历史存储在 AlloyDB 数据库中。其中关键组件是 AlloyDBEngine，它配置了一个连接池以确保应用程序能够成功连接到 AlloyDB 数据库，并遵循业界最佳实践。

代码实现演示

# 安装依赖包
!pip install --upgrade --quiet langchain-google-alloydb-pg langchain-google-vertexai

# 认证 Google Cloud
from google.colab import auth
auth.authenticate_user()

# 设置 Google Cloud 项目
PROJECT_ID = "your-google-cloud-project-id"
!gcloud config set project {PROJECT_ID}

# 启用 AlloyDB API
!gcloud services enable alloydb.googleapis.com

# 设置 AlloyDB 数据库参数
REGION = "us-central1"
CLUSTER = "my-alloydb-cluster"
INSTANCE = "my-alloydb-instance"
DATABASE = "my-database"
TABLE_NAME = "message_store"

# 创建 AlloyDB Engine
from langchain_google_alloydb_pg import AlloyDBEngine

engine = AlloyDBEngine.from_instance(
    project_id=PROJECT_ID,
    region=REGION,
    cluster=CLUSTER,
    instance=INSTANCE,
    database=DATABASE,
)

# 初始化表
engine.init_chat_history_table(table_name=TABLE_NAME)

# 使用 AlloyDBChatMessageHistory
from langchain_google_alloydb_pg import AlloyDBChatMessageHistory

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

# 查看消息历史
print(history.messages)

# 清理历史数据
history.clear()

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

# 链接机器学习模型
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_google_vertexai import 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: AlloyDBChatMessageHistory.create_sync(
        engine,
        session_id=session_id,
        table_name=TABLE_NAME,
    ),
    input_messages_key="question",
    history_messages_key="history",
)

# 配置会话 ID
config = {"configurable": {"session_id": "test_session"}}

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

应用场景分析

AlloyDBChatMessageHistory 类适用于需要存储会话历史并与聊天机器人交互的应用场景。通过将消息历史保存在数据库中，可以轻松实现消息的持久化和后续分析。

实践建议

确保所有 Google Cloud API 已启用，并进行必要的 IAM 设置以成功访问数据库。
使用 AlloyDB 提供的连接池功能来优化数据库连接性能。
在应用结束时清理不再需要的消息历史，以保持数据库的整洁和高效。