Python Redis客户端 AI应用开发完整指南

基于Redis官方文档：https://redis.io/docs/latest/develop/clients/redis-py/

适配LLM对话系统、RAG向量检索、模型推理服务等AI后端Python业务场景

1. 环境安装

1.1 基础安装

bash 复制代码

pip install redis

1.2 高性能版本（推荐 AI 高并发接口）

搭载 hiredis C 解析器，大批量对话缓存、批量向量查询场景自动提速，无需改代码：

bash 复制代码

pip install redis[hiredis]

1.3 补充说明

Python3.12+ 移除 distutils，直接升级最新版 redis-py 即可正常安装。

如需 ORM 对象映射管理结构化 AI 实体，可选用官方配套 RedisOM for Python。

2.客户端基础连接配置

标准连接模板

开启 decode_responses=True 自动 bytes 转字符串，AI 文本、对话历史无需手动解码：

python 复制代码

import redis

# 初始化客户端
r = redis.Redis(
    host="127.0.0.1",
    port=6379,
    password="your_redis_pwd",  # 有密码就填写，无密码删除该行
    db=0,
    decode_responses=True
)

# 连通性测试
print(r.ping())

单次执行后关闭连接

python 复制代码

r.close()

3.常用数据结构 & AI 场景代码示例

3.1 String 字符串

python 复制代码

# 写入
r.set("prompt:summary", "请精简总结下文内容，控制在100字以内")
# 读取
prompt_template = r.get("prompt:summary")
print(prompt_template)

3.2 Hash 哈希

适用场景：存储单用户完整对话会话、用户画像、角色设定、多字段模型配置。

python 复制代码

# 写入用户会话多字段
r.hset(
    "chat_session:user_10086",
    mapping={
        "model": "Qwen-7B",
        "history": "用户：你好\nAI：你好，有什么可以帮助你？",
        "role_id": "assistant_code",
        "create_time": "2026-06-14"
    }
)

# 读取全部会话信息
session_info = r.hgetall("chat_session:user_10086")
print(session_info)

3.3 List 列表

适用场景：按顺序存储多轮对话历史、批量推理任务队列。

python 复制代码

# 追加一轮用户提问
r.rpush("chat_list:user_10086", "帮我介绍Redis在RAG里的用法")
# 获取最新5轮对话
dialogue = r.lrange("chat_list:user_10086", -5, -1)
print(dialogue)

3.4 Set / Sorted Set

Set：去重存储用户访问 ID、已检索过的文档 ID

ZSet：按相似度分值排序 RAG 召回文档、会话热度排序

4. 连接池（线上 AI 服务强制使用）

常驻 FastAPI/Flask AI 接口服务，频繁新建销毁连接会产生大量开销，统一复用连接池：

python 复制代码

import redis

pool = redis.ConnectionPool(
    host="127.0.0.1",
    port=6379,
    password="your_redis_pwd",
    db=0,
    decode_responses=True,
    max_connections=20
)

# 多个接口共用同一个连接池
client1 = redis.Redis(connection_pool=pool)
client2 = redis.Redis(connection_pool=pool)

5. 过期时间控制（AI 会话自动过期）

python 复制代码

# 设置key 30分钟过期
r.setex("temp_llm_result:task_001", 30*60, "大模型返回内容...")

# Hash整体过期
r.expire("chat_session:user_10086", 30*60)

6. AI 业务场景选型对照表

Redis 结构	redis-py 核心 API	AI 落地场景
String	set/get/setex	Prompt 模板、推理结果缓存、密钥配置
Hash	hset/hgetall	用户完整会话、角色配置、用户画像
List	lpush/rpush/lrange	有序多轮对话、推理任务队列
Sorted Set	zadd/zrange	RAG 文档相似度排序、热点会话排序

7. 线上 AI 开发最佳实践

一律开启 decode_responses=True，规避文本字节编码异常；
并发接口服务必须使用连接池，禁止每次请求新建 Redis 实例；
临时会话、推理缓存统一设置过期时间，避免 Redis 内存溢出；
高吞吐 RAG、批量推理场景安装 hiredis 提升解析速度；
Key 统一设计命名规范：业务类型:用户ID:标识，方便批量管理；
敏感密钥不要硬编码在代码，使用环境变量注入 Redis 连接参数。

8. 完整可运行整合 Demo

python 复制代码

import redis

# 初始化客户端
r = redis.Redis(
    host="127.0.0.1",
    port=6379,
    db=0,
    decode_responses=True
)

# 1. 缓存Prompt模板
r.set("prompt:rag_default", "基于检索到的上下文回答用户问题，不要编造信息")
print("Prompt模板：", r.get("prompt:rag_default"))

# 2. 存储用户对话会话
r.hset(
    "session:u001",
    mapping={
        "llm": "Llama3",
        "chat_history": "用户：RAG是什么？\nAI：检索增强生成技术...",
        "expire_min": "60"
    }
)
print("用户会话：", r.hgetall("session:u001"))

# 3. 推理结果30分钟过期
r.setex("infer_result:task_99", 1800, "模型输出回答内容")
print("推理缓存：", r.get("infer_result:task_99"))

r.close()

Python Redis客户端 AI应用开发完整指南

Python Redis客户端 AI应用开发完整指南

目录

1. 环境安装

1.1 基础安装

1.2 高性能版本（推荐 AI 高并发接口）

1.3 补充说明

2.客户端基础连接配置

标准连接模板

单次执行后关闭连接

3.常用数据结构 & AI 场景代码示例

3.1 String 字符串

3.2 Hash 哈希

3.3 List 列表

3.4 Set / Sorted Set

4. 连接池（线上 AI 服务强制使用）

5. 过期时间控制（AI 会话自动过期）

6. AI 业务场景选型对照表

7. 线上 AI 开发最佳实践

8. 完整可运行整合 Demo