**解锁TiDB Serverless的AI潜力：通过矢量搜索优化聊天历史存储**-CSDN博客

本文链接：https://blog.csdn.net/ppoojjj/article/details/142428398

引言

在人工智能应用的开发过程中，数据库的选型与使用至关重要。TiDB Cloud提供了一个强大的数据库即服务（DBaaS）解决方案，其中的TiDB Serverless最近整合了内置的矢量搜索功能。这一改进使得开发者在MySQL的生态系统中无需额外的技术栈即可开发AI应用程序。在本文中，我们将探索如何使用TiDB来存储聊天消息历史，并利用这些数据进行动态交互。

主要内容

1. 环境设置

首先，我们需要安装相关的依赖：

%pip install --upgrade --quiet langchain langchain_openai langchain-community

2. 配置OpenAI密钥

在使用OpenAI相关API之前，需要配置密钥：

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass("Input your OpenAI API key:")

3. TiDB连接配置

使用TiDB Cloud提供的标准连接方法，确保安全高效的数据库连接：

# 从tidb cloud控制台复制
tidb_connection_string_template = "mysql+pymysql://<USER>:<PASSWORD>@<HOST>:4000/<DB>?ssl_ca=/etc/ssl/cert.pem&ssl_verify_cert=true&ssl_verify_identity=true"
tidb_password = getpass.getpass("Input your TiDB password:")
tidb_connection_string = tidb_connection_string_template.replace("<PASSWORD>", tidb_password)

4. 生成历史数据

创建一组历史数据，这将作为后续演示的基础：

from datetime import datetime
from langchain_community.chat_message_histories import TiDBChatMessageHistory

history = TiDBChatMessageHistory(
    connection_string=tidb_connection_string,
    session_id="code_gen",
    earliest_time=datetime.utcnow(),  # Optional to set earliest_time to load messages after this time point.
)

history.add_user_message("How's our feature going?")
history.add_ai_message("It's going well. We are working on testing now. It will be released in Feb.")

5. 动态聊天交互

利用之前生成的历史数据，创建动态聊天交互：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "You're an assistant who's good at coding. You're helping a startup build"),
        MessagesPlaceholder(variable_name="history"),
        ("human", "{question}"),
    ]
)
chain = prompt | ChatOpenAI()

使用历史数据创建可运行性：

from langchain_core.runnables.history import RunnableWithMessageHistory

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: TiDBChatMessageHistory(
        session_id=session_id, connection_string=tidb_connection_string
    ),
    input_messages_key="question",
    history_messages_key="history",
)

启动聊天：

response = chain_with_history.invoke(
    {"question": "Today is Jan 1st. How many days until our feature is released?"},
    config={"configurable": {"session_id": "code_gen"}},
)
response