Streamlit

Streamlit 是一个开源的 Python 库，使创建和共享美观的自定义 Web 应用程序变得简单，适用于机器学习和数据科学。

本笔记本介绍了如何在 Streamlit 应用中存储和使用聊天消息历史。StreamlitChatMessageHistory 将在指定的 key= 中存储消息到 Streamlit 会话状态中。默认键为 "langchain_messages"。

• 注意，StreamlitChatMessageHistory 仅在 Streamlit 应用中运行时有效。
• 您可能还对 LangChain 的 StreamlitCallbackHandler 感兴趣。
• 有关 Streamlit 的更多信息，请查看他们的 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

您可以在这里查看 完整的应用示例，以及更多示例在 github.com/langchain-ai/streamlit-agent。

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类与 LCEL Runnables 结合使用。

历史记录将在给定用户会话内的 Streamlit 应用的重新运行中持续存在。给定的 StreamlitChatMessageHistory 不会在用户会话之间持久化或共享。

# 可选，指定您自己的 session_state 键以存储消息
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,  # 始终返回之前创建的实例
    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个先前的聊天消息。这可以通过迭代 StreamlitChatMessageHistory.messages 来轻松实现：

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)

    # 和往常一样，当调用链时，新消息会添加到 StreamlitChatMessageHistory 中。
    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。