当前位置：首页 > news >正文

AI智能体（Agent）大模型入门【11】--基于llamaindex框架和fastapi框架完善页面和大语言模型对话的一些扩展接口

news 2025/10/9 7:09:52

前言

封装数据库连接函数

历史会话列表函数

多轮会话加载函数

运行演示

后言

前言

在之前的代码已经完善了对话接口，但是实际业务上需要我们能够对历史对话进行管理操作的，例如kimi,deepseek等一些市面常见的ai聊天页面，你都可以看到历史对话，或者对对话进行操作的，这里就涉及到了对数据库的增删改查操作，那么本篇章就是对对话管理进行接口操作。

封装数据库连接函数

关于这个，我们不需要每次启动fastapi在全局变量设置，这样很麻烦，我创建一个新的py文件来存储这个链接，即当使用的时候直接调用使用即可

import pymysqldef get_conn():return pymysql.connect(host="127.0.0.1", port=3306, user="用户名", password="数据库密码",database="数据库名称", charset="utf8mb4",cursorclass=pymysql.cursors.DictCursor)

修改这些中文设置即可，依据自己的数据库设置来修改，若端口号等其他有变，根据个人情况进行修改代码

历史会话列表函数

参考kimi

它是存在一个历史会话的，所以我们也需要创建一个历史会话列表函数，用来加载历史会话，

至于为什么要这样子操作，因为一个历史会话包含多轮会话，我们是要通过历史会话列表的来关联多轮历史会话，而不是直接加载多轮历史会话，因为会出现乱序以及数据量爆炸导致混沌的情况。

代码参考

@app.get("/chat_list_get")
async def chat_list_get():"""会话历史列表（也就是一整轮的开始标题）:return:"""with closing(get_conn()) as conn:with conn.cursor() as cur:cur.execute("SELECT * FROM ChatList ORDER BY updated_at DESC")items = cur.fetchall()return [{"id": item["id"],"title": item["title"],"created_at": item["created_at"],"updated_at": item["updated_at"]}for item in items]

通过查询历史会话列表加载列表项，然后再通过跟新时间来进行排序。

多轮会话加载函数

其次，只拥有历史会话列表函数是不足以加载多轮历史会话的，所以还需要一个多轮会话加载函数来加载多轮会话

示例代码

@app.get("/chat_history")
async def chat_history(session_id: int):with closing(get_conn()) as conn:with conn.cursor() as cur:cur.execute("SELECT * FROM ChatHistory WHERE chat_list_id=%s ORDER BY msg_seq", (session_id,))items = cur.fetchall()return [{"id": item["id"],"chat_list_id": item["chat_list_id"],"msg_seq": item["msg_seq"],"role": item["role"],"message": item["message"],"created_at": item["created_at"],}for item in items]

通过加载历史会话列表关联外键查询多轮会话表，然后通过插入排序，进行顺序输出，减少混乱以及历史会话没有关联性，加强紧密性。