引言

小馬之所以寫今天這篇文章是因為在上一篇文章《多輪問答與指代消解》中的第一章節有提到“LangChain是怎么實現的多輪問答”，但很顯然沒有提到它在RAG下是怎么實現的多輪問答，畢竟這兩者還是有區別的。前一篇文章剛好提到自己實現RAG下的多輪問答要怎么實現，唯獨沒有提到LangChain在RAG下是怎么實現的多輪。
前篇文章中提到的MultiQueryRetriever小馬已經在文中聲明，這個并不是為了解決RAG多輪的機制。

慶幸的是，我們回過頭來看LangChain實現RAG多輪問答的方式其實和我們自己實現的思路不能說一模一樣，簡直是毫無區別。只是LangChain封裝了組件，我們直接調用就能實現了，省去了自己寫工程代碼來實現的過程。接下來我們有必要一起看下的，不過看過上一篇的同學其實看這篇文章就很好理解了。

一、LangChain實現RAG多輪問答核心機制

在 LangChain 中實現 RAG（Retrieval-Augmented Generation）的多輪問答主要通過以下核心機制完成，確保對話歷史被有效利用：

1. 對話歷史管理（Memory）

LangChain 使用 Memory 組件 存儲和傳遞上下文：

• ConversationBufferMemory
  存儲完整的原始對話歷史（用戶輸入 + AI 響應）。
• ConversationSummaryMemory
  用 LLM 壓縮歷史為摘要，避免 token 超限。
• ConversationBufferWindowMemory
  僅保留最近 K 輪對話，控制上下文長度。

from langchain.memory import ConversationBufferMemorymemory = ConversationBufferMemory(memory_key="chat_history",  # 存儲對話的鍵名return_messages=True        # 返回消息列表而非字符串
)

2. 問題重寫（Query Rewriting）

將當前問題結合歷史重寫為獨立查詢，使檢索更準確：

• ConversationalRetrievalChain 內置 condense_question 步驟：
  1. 輸入：當前問題 + 對話歷史
  2. 輸出：重寫后的獨立問題（如將代詞替換為具體實體）

from langchain.chains import ConversationalRetrievalChainqa_chain = ConversationalRetrievalChain.from_llm(llm=chat_model,             # 如 ChatOpenAIretriever=vectorstore.as_retriever(),  # 向量檢索器memory=memory,condense_question_llm=condense_model  # 可選：專用重寫模型
)

3. 檢索增強生成（RAG Core）

多輪流程如下：

1. 檢索上下文
   用重寫后的查詢從向量庫檢索相關文檔片段。
2. 組裝提示
   將以下內容組合為最終提示：
   • 檢索到的上下文
   • 對話歷史（原始或摘要）
   • 當前問題
3. 生成答案
   LLM 基于完整上下文生成連貫回復。

提示詞示例：
[檢索到的文檔]
對話歷史：用戶: 量子計算是什么？AI: 量子計算利用量子比特...
當前問題：它有什么優勢？
最終答案：量子計算的優勢包括...

4. 鏈式工作流（Chain）

ConversationalRetrievalChain 自動處理整個流程：

# 第一輪
result = qa_chain({"question": "什么是RAG？"})
print(result["answer"])# 第二輪（自動攜帶歷史）
result = qa_chain({"question": "它如何解決幻覺問題？"})  # "它"指代RAG
print(result["answer"])

二、關鍵設計特點

組件	作用
Memory	持久化歷史對話，支持多種存儲策略（原始/摘要/滑動窗口）
Query Rewriting	解決指代消解（如“它”指代上文的 RAG），提升檢索準確性
Contextual Prompt	動態組裝提示，包含歷史 + 檢索結果 + 當前問題
檢索器優化	支持自定義檢索器（如過濾元數據、調整相似度閾值）

三、完整示例代碼

from langchain_community.vectorstores import FAISS
from langchain_openai import OpenAIEmbeddings, ChatOpenAI
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationalRetrievalChain# 初始化向量庫和模型
vectorstore = FAISS.load_local("rag_vector_db", OpenAIEmbeddings())
llm = ChatOpenAI(model="gpt-4-turbo")
memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)# 構建鏈
qa_chain = ConversationalRetrievalChain.from_llm(llm=llm,retriever=vectorstore.as_retriever(search_kwargs={"k": 3}),memory=memory
)# 模擬多輪對話
questions = ["LangChain是什么？","它的核心組件有哪些？",  # "它" 指代LangChain"如何用RAG實現多輪對話？"
]
for q in questions:result = qa_chain.invoke({"question": q})print(f"問題: {q}\n答案: {result['answer']}\n")

四、優化建議

1. 歷史摘要：長對話時使用 ConversationSummaryMemory 避免 token 超限。
2. 重寫模型：用輕量級模型（如 GPT-3.5）專門處理問題重寫，降低成本。
3. 檢索過濾：基于元數據（如對話 ID）過濾無關文檔。
4. 提示工程：定制提示模板明確區分歷史/當前問題/檢索內容。

通過組合 Memory 管理、智能查詢重寫和 上下文感知的 RAG 流程，LangChain 有效實現了多輪問答的連貫性與準確性。

本篇文章旨在補充上一篇文章的內容，建議結合上一篇文章食用，口感效果更加。