跳到主要内容
Open In ColabOpen on GitHub

Streamlit

Streamlit 是一个开源 Python 库,它使创建和共享用于机器学习和数据科学的精美定制 Web 应用变得容易。

本 Notebook 介绍了如何在 Streamlit 应用中存储和使用聊天消息历史记录。`StreamlitChatMessageHistory` 将消息存储在指定的 `key=` 的 Streamlit 会话状态中。默认键为 `langchain_messages`。

  • 请注意,`StreamlitChatMessageHistory` 仅在 Streamlit 应用中运行时有效。
  • 您可能还会对 LangChain 的 StreamlitCallbackHandler 感兴趣。
  • 有关 Streamlit 的更多信息,请查看其 入门文档

该集成位于 `langchain-community` 包中,因此我们需要安装它。我们还需要安装 `streamlit`。

pip install -U langchain-community streamlit

您可以在此处查看完整的应用示例运行,并在github.com/langchain-ai/streamlit-agent中找到更多示例。

from langchain_community.chat_message_histories import (
StreamlitChatMessageHistory,
)

history = StreamlitChatMessageHistory(key="chat_messages")

history.add_user_message("hi!")
history.add_ai_message("whats up?")
history.messages

我们可以轻松地将此消息历史记录类与 LCEL Runnables 结合使用。

历史记录将在给定用户会话中,跨 Streamlit 应用的多次重新运行而持久化。一个给定的 `StreamlitChatMessageHistory` 不会在用户会话之间持久化或共享。

# Optionally, specify your own session_state key for storing messages
msgs = StreamlitChatMessageHistory(key="special_app_key")

if len(msgs.messages) == 0:
msgs.add_ai_message("How can I help you?")
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
[
("system", "You are an AI chatbot having a conversation with a human."),
MessagesPlaceholder(variable_name="history"),
("human", "{question}"),
]
)

chain = prompt | ChatOpenAI()
chain_with_history = RunnableWithMessageHistory(
chain,
lambda session_id: msgs, # Always return the instance created earlier
input_messages_key="question",
history_messages_key="history",
)

对话式 Streamlit 应用通常会在每次重新运行时重新绘制每条先前的聊天消息。通过遍历 `StreamlitChatMessageHistory.messages` 可以轻松实现这一点。

import streamlit as st

for msg in msgs.messages:
st.chat_message(msg.type).write(msg.content)

if prompt := st.chat_input():
st.chat_message("human").write(prompt)

# As usual, new messages are added to StreamlitChatMessageHistory when the Chain is called.
config = {"configurable": {"session_id": "any"}}
response = chain_with_history.invoke({"question": prompt}, config)
st.chat_message("ai").write(response.content)

查看最终应用.