ChatGPT聊天记录归档全指南：从存储原理到实战查询

1次阅读

共计 1470 个字符，预计需要花费 4 分钟才能阅读完成。

在日常使用 ChatGPT API 时，很多开发者都会遇到聊天记录管理混乱的问题。具体表现为：

审计困难 ：当需要回溯某次对话内容时，往往需要翻找大量日志文件，效率极低。
知识复用率低 ：有价值的对话内容散落在各处，无法形成知识沉淀。
性能瓶颈 ：随着对话量增加，直接查询原始日志文件的响应时间会显著变长。

ChatGPT 的对话数据以 JSON 格式存储，其核心结构如下：

{
  "session_id": "abc123",
  "created_at": "2023-04-01T12:00:00Z",
  "messages": [
    {
      "role": "user",
      "content": "如何优化 Python 代码性能?"
    },
    {
      "role": "assistant",
      "content": "可以考虑使用..."
    }
  ]
}

关键元数据字段说明：

session_id：唯一标识一次完整对话
created_at：对话创建时间 (ISO 8601 格式)
messages：按时间顺序排列的对话内容数组

from elasticsearch import Elasticsearch
from datetime import datetime

# 连接 ES 集群
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])

# 批量插入优化
bulk_data = []
for chat in chat_logs:
    bulk_data.append({"index": {"_index": "chatgpt_logs", "_id": chat['session_id']}
    })
    bulk_data.append({"session_id": chat["session_id"],
        "created_at": datetime.strptime(chat["created_at"], "%Y-%m-%dT%H:%M:%SZ"),
        "content": "".join([msg["content"] for msg in chat["messages"]])
    })

# 执行批量插入
es.bulk(index="chatgpt_logs", body=bulk_data)

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/search', methods=['GET'])
def search_chats():
    query = request.args.get('q')
    res = es.search(
        index="chatgpt_logs",
        body={
            "query": {
                "multi_match": {
                    "query": query,
                    "fields": ["content"]
                }
            }
        }
    )
    return jsonify(res['hits']['hits'])