AWS DynamoDB

Amazon AWS DynamoDB 是一种完全托管的 NoSQL 数据库服务，可提供快速且可预测的性能以及无缝的可扩展性。

本笔记本介绍了如何使用 DynamoDB 和 DynamoDBChatMessageHistory 类来存储聊天消息历史记录。

设置

首先确保您已正确配置 AWS CLI。然后确保您已安装 langchain-community 包，因此我们需要安装它。我们还需要安装 boto3 包。

pip install -U langchain-community boto3

设置 LangSmith 以获得一流的可观察性也很有帮助（但不是必需的）

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

from langchain_community.chat_message_histories import (
    DynamoDBChatMessageHistory,
)

API 参考:DynamoDBChatMessageHistory

创建表

现在，创建 DynamoDB 表，我们将在其中存储消息

import boto3

# Get the service resource.
dynamodb = boto3.resource("dynamodb")

# Create the DynamoDB table.
table = dynamodb.create_table(
    TableName="SessionTable",
    KeySchema=[{"AttributeName": "SessionId", "KeyType": "HASH"}],
    AttributeDefinitions=[{"AttributeName": "SessionId", "AttributeType": "S"}],
    BillingMode="PAY_PER_REQUEST",
)

# Wait until the table exists.
table.meta.client.get_waiter("table_exists").wait(TableName="SessionTable")

# Print out some data about the table.
print(table.item_count)

0

DynamoDBChatMessageHistory

history = DynamoDBChatMessageHistory(table_name="SessionTable", session_id="0")

history.add_user_message("hi!")

history.add_ai_message("whats up?")

history.messages

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

使用自定义端点 URL 的 DynamoDBChatMessageHistory

有时，指定要连接的 AWS 端点的 URL 会很有用。例如，当您在本地针对 Localstack 运行时。对于这些情况，您可以通过构造函数中的 endpoint_url 参数指定 URL。

history = DynamoDBChatMessageHistory(
    table_name="SessionTable",
    session_id="0",
    endpoint_url="https://#.localstack.cloud:4566",
)

使用复合键的 DynamoDBChatMessageHistory

DynamoDBChatMessageHistory 的默认键是 {"SessionId": self.session_id}，但您可以修改它以匹配您的表设计。

主键名称

您可以通过在构造函数中传入 primary_key_name 值来修改主键，结果如下：{self.primary_key_name: self.session_id}

复合键

当使用现有的 DynamoDB 表时，您可能需要将键结构从默认值修改为包含排序键的内容。为此，您可以使用 key 参数。

传递 key 的值将覆盖 primary_key 参数，并且生成的键结构将是传递的值。

composite_table = dynamodb.create_table(
    TableName="CompositeTable",
    KeySchema=[
        {"AttributeName": "PK", "KeyType": "HASH"},
        {"AttributeName": "SK", "KeyType": "RANGE"},
    ],
    AttributeDefinitions=[
        {"AttributeName": "PK", "AttributeType": "S"},
        {"AttributeName": "SK", "AttributeType": "S"},
    ],
    BillingMode="PAY_PER_REQUEST",
)

# Wait until the table exists.
composite_table.meta.client.get_waiter("table_exists").wait(TableName="CompositeTable")

# Print out some data about the table.
print(composite_table.item_count)

0

my_key = {
    "PK": "session_id::0",
    "SK": "langchain_history",
}

composite_key_history = DynamoDBChatMessageHistory(
    table_name="CompositeTable",
    session_id="0",
    endpoint_url="https://#.localstack.cloud:4566",
    key=my_key,
)

composite_key_history.add_user_message("hello, composite dynamodb table!")

composite_key_history.messages

[HumanMessage(content='hello, composite dynamodb table!')]

链式调用

我们可以轻松地将此消息历史记录类与 LCEL Runnables 结合使用

为此，我们将要使用 OpenAI，因此我们需要安装它

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

API 参考: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: DynamoDBChatMessageHistory(
        table_name="SessionTable", session_id=session_id
    ),
    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?')