Skip to main content

Telegram

本笔记展示了如何使用 Telegram 聊天加载器。此类帮助将导出的 Telegram 对话映射到 LangChain 聊天消息。

该过程分为三个步骤:

  1. 通过从 Telegram 应用中复制聊天记录并粘贴到本地计算机的文件中来导出聊天 .txt 文件
  2. 创建指向 json 文件或 JSON 文件目录的文件路径的 TelegramChatLoader
  3. 调用 loader.load()(或 loader.lazy_load())来执行转换。可选地使用 merge_chat_runs 将同一发件人的消息按顺序合并,和/或使用 map_ai_messages 将指定发件人的消息转换为 "AIMessage" 类。

1. 创建消息转储

目前(2023/08/23),此加载器最佳支持从Telegram桌面应用导出的聊天历史生成的json文件格式。

重要: 有一些“轻量版”的Telegram,如“MacOS版Telegram”,缺少导出功能。请确保使用正确的应用程序导出文件。

导出步骤:

  1. 下载并打开Telegram桌面版
  2. 选择一个对话
  3. 进入对话设置(目前在右上角的三个点)
  4. 点击“导出聊天历史”
  5. 取消选择照片和其他媒体。选择“机器可读的JSON”格式进行导出。

下面是一个示例:

%%writefile telegram_conversation.json
{
"name": "Jiminy",
"type": "personal_chat",
"id": 5965280513,
"messages": [
{
"id": 1,
"type": "message",
"date": "2023-08-23T13:11:23",
"date_unixtime": "1692821483",
"from": "Jiminy Cricket",
"from_id": "user123450513",
"text": "You better trust your conscience",
"text_entities": [
{
"type": "plain",
"text": "You better trust your conscience"
}
]
},
{
"id": 2,
"type": "message",
"date": "2023-08-23T13:13:20",
"date_unixtime": "1692821600",
"from": "Batman & Robin",
"from_id": "user6565661032",
"text": "What did you just say?",
"text_entities": [
{
"type": "plain",
"text": "What did you just say?"
}
]
}
]
}
Overwriting telegram_conversation.json

2. 创建聊天加载器

所需的仅是文件路径。您可以选择性地指定与 AI 消息对应的用户名,以及配置是否合并消息运行。

from langchain_community.chat_loaders.telegram import TelegramChatLoader
loader = TelegramChatLoader(
path="./telegram_conversation.json",
)

3. 加载消息

load()(或 lazy_load)方法返回一个“ChatSessions”列表,该列表当前仅包含每个加载会话的消息列表。

from typing import List

from langchain_community.chat_loaders.utils import (
map_ai_messages,
merge_chat_runs,
)
from langchain_core.chat_sessions import ChatSession

raw_messages = loader.lazy_load()
# Merge consecutive messages from the same sender into a single message
merged_messages = merge_chat_runs(raw_messages)
# Convert messages from "Jiminy Cricket" to AI messages
messages: List[ChatSession] = list(
map_ai_messages(merged_messages, sender="Jiminy Cricket")
)

下一步

您可以根据需要使用这些消息,例如微调模型、选择少量示例,或直接进行下一条消息的预测。

from langchain_openai import ChatOpenAI

llm = ChatOpenAI()

for chunk in llm.stream(messages[0]["messages"]):
print(chunk.content, end="", flush=True)
I said, "You better trust your conscience."

此页面是否有帮助?


您还可以留下详细的反馈 在 GitHub 上