如何使用LangChain的`filter_messages`过滤消息

在复杂的对话链和代理中，我们常常需要维护一个消息列表。这个列表可能会积累来自多个不同模型、讲述者、子链等的消息。为了确保每次模型调用时只处理所需的消息，我们可以使用filter_messages实用工具来按类型、ID或名称过滤消息。

技术背景介绍

在对话系统或智能代理的开发中，管理消息状态是一项重要任务。随着对话深度的增加，消息列表可能会变得庞杂。因此，仅传递消息列表的子集至每个模型调用成为必要。此时，使用filter_messages可以帮助我们轻松实现消息过滤。

核心原理解析

filter_messages函数能够通过指定的条件来过滤消息。这些条件可以是消息的类型、ID或名称。通过这种方式，我们可以确保消息列表只包含当前任务所需的部分。

代码实现演示

下面是如何使用LangChain的filter_messages的基本演示：

from langchain_core.messages import (
    AIMessage,
    HumanMessage,
    SystemMessage,
    filter_messages,
)

# 创建一组混合类型的消息
messages = [
    SystemMessage("you are a good assistant", id="1"),
    HumanMessage("example input", id="2", name="example_user"),
    AIMessage("example output", id="3", name="example_assistant"),
    HumanMessage("real input", id="4", name="bob"),
    AIMessage("real output", id="5", name="alice"),
]

# 按类型过滤消息，只保留人类消息
filtered_human_messages = filter_messages(messages, include_types="human")
print(filtered_human_messages)

# 排除特定名称的消息
filtered_exclude_names = filter_messages(messages, exclude_names=["example_user", "example_assistant"])
print(filtered_exclude_names)

# 按类型和ID过滤消息
filtered_include_types_exclude_ids = filter_messages(messages, include_types=[HumanMessage, AIMessage], exclude_ids=["3"])
print(filtered_include_types_exclude_ids)

应用场景分析

• 支持多模型架构：在多模型对话系统中，仅将特定模型相关的消息传递给该模型。
• 动态对话控制：根据用户输入或系统状态动态调整传递给模型的消息。
• 日志与调试：过滤掉不相关的消息以便更清晰地查看系统日志。

实践建议

• 明确过滤条件：在使用filter_messages前，明确需要过滤的条件以确保消息列表优化到最佳状态。
• 组合使用：将filter_messages与其他链式操作组合使用，以实现复杂的消息流控制。
• 测试和验证：在实际应用中，测试过滤后的消息是否符合预期，以确保准确性。

结束语：如果遇到问题欢迎在评论区交流。

—END—