[解锁微信聊天：使用LangChain高效转换消息格式]

最新推荐文章于 2025-05-23 13:31:36 发布

ahdfwcevnhrtds

最新推荐文章于 2025-05-23 13:31:36 发布

阅读量325

点赞数 8

文章标签：微信 langchain python

本文链接：https://blog.csdn.net/ahdfwcevnhrtds/article/details/142290470

版权

## 引言

在数据驱动的时代，微信等即时通讯工具的重要性日益增加。然而，由于平台限制，从微信导出个人聊天记录并不是一件简单的事。本文将介绍如何使用LangChain库，将复制粘贴的微信聊天记录转化为有效的数据结构，以便于模型微调或少样本学习。

## 主要内容

### 创建消息转储

首先，我们需要在微信桌面应用中打开聊天窗口，并选择所需的消息。每次最多选择100条消息，按CMD/Ctrl+C复制，然后粘贴到本地文本文件中。例如：

```plaintext
%%writefile wechat_chats.txt
女朋友 2023/09/16 2:51 PM
天气有点凉

男朋友 2023/09/16 2:51 PM
珍簟凉风著，瑶琴寄恨生。嵇君懒书札，底物慰秋情。

定义聊天加载器

接下来，我们定义一个WeChatChatLoader类，用于读取和解析微信导出的文本文件。

import re
from typing import List
from langchain_community.chat_loaders import base as chat_loaders
from langchain_core.messages import BaseMessage, HumanMessage

class WeChatChatLoader(chat_loaders.BaseChatLoader):
    def __init__(self, path: str):
        self.path = path
        self._message_line_regex = re.compile(
            r"(?P<sender>.+?) (?P<timestamp>\d{4}/\d{2}/\d{2} \d{1,2}:\d{2} (?:AM|PM))",
        )

    def _append_message_to_results(
        self, results: List, current_sender: str, current_timestamp: str, current_content: List[str],
    ):
        content = "\n".join(current_content).strip()
        if not re.match(r"\[.*\]", content):
            results.append(
                HumanMessage(
                    content=content,
                    additional_kwargs={
                        "sender": current_sender,
                        "events": [{"message_time": current_timestamp}],
                    },
                )
            )
        return results

    def lazy_load(self):
        with open(self.path, "r", encoding="utf-8") as file:
            lines = file.readlines()

        results: List[BaseMessage] = []
        current_sender = None
        current_timestamp = None
        current_content = []
        for line in lines:
            if re.match(self._message_line_regex, line):
                if current_sender and current_content:
                    results = self._append_message_to_results(
                        results, current_sender, current_timestamp, current_content
                    )
                current_sender, current_timestamp = re.match(
                    self._message_line_regex, line
                ).groups()
                current_content = []
            else:
                current_content.append(line.strip())

        if current_sender and current_content:
            results = self._append_message_to_results(
                results, current_sender, current_timestamp, current_content
            )

        yield chat_loaders.ChatSession(messages=results)

加载消息

loader = WeChatChatLoader(path="./wechat_chats.txt")
raw_messages = loader.lazy_load()

我们可以使用这些消息进行模型微调或其他任务。

代码示例

from langchain_community.chat_loaders.utils import map_ai_messages, merge_chat_runs

# 假设格式正确，转换聊天记录为LangChain消息
merged_messages = merge_chat_runs(raw_messages)
messages = list(map_ai_messages(merged_messages, sender="男朋友"))

# 使用OpenAI的Chat API进行预测
from langchain_openai import ChatOpenAI

llm = ChatOpenAI()  # 使用API代理服务提高访问稳定性

for chunk in llm.stream(messages[0]["messages"]):
    print(chunk.content, end="", flush=True)