跳到主要内容

Xata 聊天记忆

Xata 是一个基于 PostgreSQL 的无服务器数据平台。它提供类型安全的 TypeScript/JavaScript SDK 用于与数据库交互，以及一个用于管理数据的 UI。

通过 XataChatMessageHistory 类，你可以使用 Xata 数据库来持久化更长时间的聊天会话。

由于 Xata 通过 REST API 工作，并拥有纯 TypeScript SDK，你可以将其与 Vercel Edge、Cloudflare Workers 和任何其他无服务器环境一起使用。

设置​

安装 Xata CLI​

npm install @xata.io/cli -g

创建一个数据库用作向量存储​

在 Xata UI 中创建一个新数据库。你可以随意命名，但在本例中，我们将使用 langchain。

首次执行时，Xata LangChain 集成将创建用于存储聊天消息的表。如果已存在具有该名称的表，则会保持不变。

初始化项目​

在你的项目中，运行

xata init

然后选择上面创建的数据库。 这还将生成一个 xata.ts 或 xata.js 文件，其中定义了可用于与数据库交互的客户端。 有关使用 Xata JavaScript/TypeScript SDK 的更多详细信息，请参阅 Xata 入门文档。

使用方法​

存储在 Xata 数据库中的每个聊天历史会话都必须具有唯一的 ID。

在此示例中，getXataClient() 函数用于基于环境变量创建新的 Xata 客户端。 但是，我们建议使用 xata init 命令生成的代码，在这种情况下，你只需要从生成的 xata.ts 文件中导入 getXataClient() 函数。

提示

请参阅此部分，了解有关安装集成包的通用说明。

npm install @langchain/openai @langchain/community @langchain/core
import { BufferMemory } from "langchain/memory";
import { ChatOpenAI } from "@langchain/openai";
import { ConversationChain } from "langchain/chains";
import { XataChatMessageHistory } from "@langchain/community/stores/message/xata";
import { BaseClient } from "@xata.io/client";

// if you use the generated client, you don't need this function.
// Just import getXataClient from the generated xata.ts instead.
const getXataClient = () => {
  if (!process.env.XATA_API_KEY) {
    throw new Error("XATA_API_KEY not set");
  }

  if (!process.env.XATA_DB_URL) {
    throw new Error("XATA_DB_URL not set");
  }
  const xata = new BaseClient({
    databaseURL: process.env.XATA_DB_URL,
    apiKey: process.env.XATA_API_KEY,
    branch: process.env.XATA_BRANCH || "main",
  });
  return xata;
};

const memory = new BufferMemory({
  chatHistory: new XataChatMessageHistory({
    table: "messages",
    sessionId: new Date().toISOString(), // Or some other unique identifier for the conversation
    client: getXataClient(),
    apiKey: process.env.XATA_API_KEY, // The API key is needed for creating the table.
  }),
});

const model = new ChatOpenAI();
const chain = new ConversationChain({ llm: model, memory });

const res1 = await chain.invoke({ input: "Hi! I'm Jim." });
console.log({ res1 });
/*
{
  res1: {
    text: "Hello Jim! It's nice to meet you. My name is AI. How may I assist you today?"
  }
}
*/

const res2 = await chain.invoke({ input: "What did I just say my name was?" });
console.log({ res2 });

/*
{
  res1: {
    text: "You said your name was Jim."
  }
}
*/

API 参考

使用预先创建的表​

如果你不希望代码始终检查表是否存在，你可以在 Xata UI 中手动创建表，并将 createTable: false 传递给构造函数。该表必须具有以下列

  • 类型为 String 的 sessionId
  • 类型为 String 的 type
  • 类型为 String 的 role
  • 类型为 Text 的 content
  • 类型为 String 的 name
  • 类型为 Text 的 additionalKwargs
import { BufferMemory } from "langchain/memory";
import { ChatOpenAI } from "@langchain/openai";
import { ConversationChain } from "langchain/chains";
import { XataChatMessageHistory } from "@langchain/community/stores/message/xata";
import { BaseClient } from "@xata.io/client";

// Before running this example, see the docs at
// https://js.langchain.ac.cn/docs/modules/memory/integrations/xata

// if you use the generated client, you don't need this function.
// Just import getXataClient from the generated xata.ts instead.
const getXataClient = () => {
  if (!process.env.XATA_API_KEY) {
    throw new Error("XATA_API_KEY not set");
  }

  if (!process.env.XATA_DB_URL) {
    throw new Error("XATA_DB_URL not set");
  }
  const xata = new BaseClient({
    databaseURL: process.env.XATA_DB_URL,
    apiKey: process.env.XATA_API_KEY,
    branch: process.env.XATA_BRANCH || "main",
  });
  return xata;
};

const memory = new BufferMemory({
  chatHistory: new XataChatMessageHistory({
    table: "messages",
    sessionId: new Date().toISOString(), // Or some other unique identifier for the conversation
    client: getXataClient(),
    createTable: false, // Explicitly set to false if the table is already created
  }),
});

const model = new ChatOpenAI();
const chain = new ConversationChain({ llm: model, memory });

const res1 = await chain.invoke({ input: "Hi! I'm Jim." });
console.log({ res1 });
/*
{
  res1: {
    text: "Hello Jim! It's nice to meet you. My name is AI. How may I assist you today?"
  }
}
*/

const res2 = await chain.invoke({ input: "What did I just say my name was?" });
console.log({ res2 });

/*
{
  res1: {
    text: "You said your name was Jim."
  }
}
*/

API 参考

此页内容是否对您有帮助？


您也可以留下详细的反馈 在 GitHub 上.