微信

目前还没有简单的方法来导出个人微信消息。不过，如果您只需要几百条消息用于模型微调或少量示例，这个笔记本展示了如何创建自己的聊天加载器，该加载器可以处理复制并粘贴的微信消息，将其转换为 LangChain 消息列表。

深受 https://python.langchain.com/docs/integrations/chat_loaders/discord 启发

这个过程分为五个步骤：

1. 在微信桌面应用中打开您的聊天。通过鼠标拖动或右键选择所需的消息。由于限制，您一次最多可以选择 100 条消息。CMD/Ctrl + C 进行复制。
2. 通过将选定的消息粘贴到您本地计算机上的文件中来创建聊天 .txt 文件。
3. 从下面复制聊天加载器的定义到本地文件中。
4. 使用指向文本文件的文件路径初始化 WeChatChatLoader。
5. 调用 loader.load()（或 loader.lazy_load()）来执行转换。

1. 创建消息转储

该加载器仅支持以 .txt 文件格式生成的文件，该格式通过将应用中的消息复制到剪贴板并粘贴到文件中。下面是一个示例。

%%writefile wechat_chats.txt
女朋友 2023/09/16 2:51 PM
天气有点凉

男朋友 2023/09/16 2:51 PM
珍簟凉风著，瑶琴寄恨生。嵇君懒书札，底物慰秋情。

女朋友 2023/09/16 3:06 PM
忙什么呢

男朋友 2023/09/16 3:06 PM
今天只干成了一件像样的事
那就是想你

女朋友 2023/09/16 3:06 PM
[动画表情]

正在覆盖 wechat_chats.txt

2. 定义聊天加载器

LangChain 当前不支持

import logging
import re
from typing import Iterator, List

from langchain_community.chat_loaders import base as chat_loaders
from langchain_core.messages import BaseMessage, HumanMessage

logger = logging.getLogger()


class WeChatChatLoader(chat_loaders.BaseChatLoader):
    def __init__(self, path: str):
        """
        初始化 Discord 聊天加载器。

        Args:
            path: 导出的 Discord 聊天文本文件的路径。
        """
        self.path = path
        self._message_line_regex = re.compile(
            r"(?P<sender>.+?) (?P<timestamp>\d{4}/\d{2}/\d{2} \d{1,2}:\d{2} (?:AM|PM))",
            # flags=re.DOTALL,
        )

    def _append_message_to_results(
        self,
        results: List,
        current_sender: str,
        current_timestamp: str,
        current_content: List[str],
    ):
        content = "\n".join(current_content).strip()
        # 跳过非文本消息，如贴纸、图片等。
        if not re.match(r"\[.*\]", content):
            results.append(
                HumanMessage(
                    content=content,
                    additional_kwargs={
                        "sender": current_sender,
                        "events": [{"message_time": current_timestamp}],
                    },
                )
            )
        return results

    def _load_single_chat_session_from_txt(
        self, file_path: str
    ) -> chat_loaders.ChatSession:
        """
        从文本文件加载单个聊天会话。

        Args:
            file_path: 包含聊天消息的文本文件路径。

        Returns:
            一个包含加载的聊天消息的 `ChatSession` 对象。
        """
        with open(file_path, "r", encoding="utf-8") as file:
            lines = file.readlines()

        results: List[BaseMessage] = []
        current_sender = None
        current_timestamp = None
        current_content = []
        for line in lines:
            if re.match(self._message_line_regex, line):
                if current_sender and current_content:
                    results = self._append_message_to_results(
                        results, current_sender, current_timestamp, current_content
                    )
                current_sender, current_timestamp = re.match(
                    self._message_line_regex, line
                ).groups()
                current_content = []
            else:
                current_content.append(line.strip())

        if current_sender and current_content:
            results = self._append_message_to_results(
                results, current_sender, current_timestamp, current_content
            )

        return chat_loaders.ChatSession(messages=results)

    def lazy_load(self) -> Iterator[chat_loaders.ChatSession]:
        """
        懒加载聊天文件中的消息，并以所需格式生成它们。

        Yields:
            一个包含加载的聊天消息的 `ChatSession` 对象。
        """
        yield self._load_single_chat_session_from_txt(self.path)

2. 创建加载器

我们将指向刚刚写入磁盘的文件。

loader = WeChatChatLoader(
    path="./wechat_chats.txt",
)

3. 加载消息

假设格式正确，加载器将把聊天记录转换为 langchain 消息。

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()
# 将来自同一发送者的连续消息合并为一条消息
merged_messages = merge_chat_runs(raw_messages)
# 将消息从 "男朋友" 转换为 AI 消息
messages: List[ChatSession] = list(map_ai_messages(merged_messages, sender="男朋友"))

messages

[{'messages': [HumanMessage(content='天气有点凉', additional_kwargs={'sender': '女朋友', 'events': [{'message_time': '2023/09/16 2:51 PM'}]}, example=False),
   AIMessage(content='珍簟凉风著，瑶琴寄恨生。嵇君懒书札，底物慰秋情。', additional_kwargs={'sender': '男朋友', 'events': [{'message_time': '2023/09/16 2:51 PM'}]}, example=False),
   HumanMessage(content='忙什么呢', additional_kwargs={'sender': '女朋友', 'events': [{'message_time': '2023/09/16 3:06 PM'}]}, example=False),
   AIMessage(content='今天只干成了一件像样的事\n那就是想你', additional_kwargs={'sender': '男朋友', 'events': [{'message_time': '2023/09/16 3:06 PM'}]}, example=False)]}]

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)