进行了带有历史记录的问答链的修改优化

Chat_QA_chain_self

from langchain.chains import ConversationalRetrievalChain
from qa_chain.model_to_llm import model_to_llm
from qa_chain.get_vectordb import get_vectordbclass Chat_QA_chain_self:""""带历史记录的问答链  - model：调用的模型名称- temperature：温度系数，控制生成的随机性- top_k：返回检索的前k个相似文档- chat_history：历史记录，输入一个列表，默认是一个空列表- history_len：控制保留的最近 history_len 次对话- file_path：建库文件所在路径- persist_path：向量数据库持久化路径- api_key：智谱都需要传递的参数- embeddings：使用的embedding模型- embedding_key：使用的embedding模型的秘钥（智谱）"""def __init__(self, model: str, temperature: float = 0.0, top_k: int = 4, chat_history: list = [],file_path: str = None, persist_path: str = None, api_key: str = None, embedding="zhipuai",embedding_key: str = None):# 初始化类实例的各个属性self.model = modelself.temperature = temperatureself.top_k = top_kself.chat_history = chat_historyself.file_path = file_pathself.persist_path = persist_pathself.api_key = api_keyself.embedding = embeddingself.embedding_key = embedding_key# 获取向量数据库实例self.vectordb = get_vectordb(self.file_path, self.persist_path, self.embedding, self.embedding_key)def clear_history(self):"清空历史记录"# 清空聊天历史记录return self.chat_history.clear()def change_history_length(self, history_len: int = 1):"""保存指定对话轮次的历史记录输入参数：- history_len ：控制保留的最近 history_len 次对话- chat_history：当前的历史对话记录输出：返回最近 history_len 次对话"""# 保留最近的 history_len 次对话n = len(self.chat_history)return self.chat_history[n - history_len:]def answer(self, question: str = None, temperature=None, top_k=4):""""核心方法，调用问答链arguments: - question：用户提问"""# 如果问题为空，返回空字符串和当前聊天历史记录if len(question) == 0:return "", self.chat_history# 如果温度参数未设置，使用实例初始化时的温度if temperature == None:temperature = self.temperature# 获取语言模型实例llm = model_to_llm(self.model, temperature, self.api_key)# 获取检索器实例，使用向量数据库进行相似性检索retriever = self.vectordb.as_retriever(search_type="similarity",search_kwargs={'k': top_k})  # 默认similarity，k=4# 创建问答链实例qa = ConversationalRetrievalChain.from_llm(llm=llm,retriever=retriever)# 调用问答链，获取回答result = qa({"question": question, "chat_history": self.chat_history})  # result里有question、chat_history、answeranswer = result['answer']# 将问题和回答添加到历史记录中self.chat_history.append((question, answer))# 返回更新后的历史记录return self.chat_history

1. 导入模块：
   - `ConversationalRetrievalChain`：用于创建带有检索功能的对话链。
   - `model_to_llm`：将模型名称转换为具体的语言模型实例。
   - `get_vectordb`：获取向量数据库实例，用于检索相似文档。

2. 类定义：
   - `Chat_QA_chain_self`：这是一个自定义的问答链类，包含了与模型交互、历史记录管理、向量检索等功能。

3. 初始化方法 `__init__`：
   - 初始化类的各种参数，包括模型名称、温度、检索文档数量、历史记录、文件路径、向量数据库路径、API 密钥、embedding 模型及其密钥。
   - 调用 `get_vectordb` 获取向量数据库实例。

4. `clear_history` 方法：
   - 清空当前的聊天历史记录。

5. `change_history_length` 方法：
   - 调整历史记录的长度，仅保留最近的 `history_len` 次对话。

6. `answer` 方法：
   - 处理用户提问，调用问答链获取回答，并更新历史记录。
   - 使用 `model_to_llm` 获取语言模型实例。
   - 使用向量数据库实例进行相似性检索。
   - 创建问答链实例并调用，获取回答并更新历史记录。

提供可以记录和管理历史对话的问答系统，支持基于相似性检索的文档查询，从而提高回答的准确性和相关性