引言

小马之所以写今天这篇文章是因为在上一篇文章《多轮问答与指代消解》中的第一章节有提到“LangChain是怎么实现的多轮问答”，但很显然没有提到它在RAG下是怎么实现的多轮问答，毕竟这两者还是有区别的。前一篇文章刚好提到自己实现RAG下的多轮问答要怎么实现，唯独没有提到LangChain在RAG下是怎么实现的多轮。
前篇文章中提到的MultiQueryRetriever小马已经在文中声明，这个并不是为了解决RAG多轮的机制。

庆幸的是，我们回过头来看LangChain实现RAG多轮问答的方式其实和我们自己实现的思路不能说一模一样，简直是毫无区别。只是LangChain封装了组件，我们直接调用就能实现了，省去了自己写工程代码来实现的过程。接下来我们有必要一起看下的，不过看过上一篇的同学其实看这篇文章就很好理解了。

一、LangChain实现RAG多轮问答核心机制

在 LangChain 中实现 RAG（Retrieval-Augmented Generation）的多轮问答主要通过以下核心机制完成，确保对话历史被有效利用：

1. 对话历史管理（Memory）

LangChain 使用 Memory 组件 存储和传递上下文：

• ConversationBufferMemory
  存储完整的原始对话历史（用户输入 + AI 响应）。
• ConversationSummaryMemory
  用 LLM 压缩历史为摘要，避免 token 超限。
• ConversationBufferWindowMemory
  仅保留最近 K 轮对话，控制上下文长度。

from langchain.memory import ConversationBufferMemorymemory = ConversationBufferMemory(memory_key="chat_history",  # 存储对话的键名return_messages=True        # 返回消息列表而非字符串
)

2. 问题重写（Query Rewriting）

将当前问题结合历史重写为独立查询，使检索更准确：

• ConversationalRetrievalChain 内置 condense_question 步骤：
  1. 输入：当前问题 + 对话历史
  2. 输出：重写后的独立问题（如将代词替换为具体实体）

from langchain.chains import ConversationalRetrievalChainqa_chain = ConversationalRetrievalChain.from_llm(llm=chat_model,             # 如 ChatOpenAIretriever=vectorstore.as_retriever(),  # 向量检索器memory=memory,condense_question_llm=condense_model  # 可选：专用重写模型
)

3. 检索增强生成（RAG Core）

多轮流程如下：

1. 检索上下文
   用重写后的查询从向量库检索相关文档片段。
2. 组装提示
   将以下内容组合为最终提示：
   • 检索到的上下文
   • 对话历史（原始或摘要）
   • 当前问题
3. 生成答案
   LLM 基于完整上下文生成连贯回复。

提示词示例：
[检索到的文档]
对话历史：用户: 量子计算是什么？AI: 量子计算利用量子比特...
当前问题：它有什么优势？
最终答案：量子计算的优势包括...

4. 链式工作流（Chain）

ConversationalRetrievalChain 自动处理整个流程：

# 第一轮
result = qa_chain({"question": "什么是RAG？"})
print(result["answer"])# 第二轮（自动携带历史）
result = qa_chain({"question": "它如何解决幻觉问题？"})  # "它"指代RAG
print(result["answer"])

二、关键设计特点

组件	作用
Memory	持久化历史对话，支持多种存储策略（原始/摘要/滑动窗口）
Query Rewriting	解决指代消解（如“它”指代上文的 RAG），提升检索准确性
Contextual Prompt	动态组装提示，包含历史 + 检索结果 + 当前问题
检索器优化	支持自定义检索器（如过滤元数据、调整相似度阈值）

三、完整示例代码

from langchain_community.vectorstores import FAISS
from langchain_openai import OpenAIEmbeddings, ChatOpenAI
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationalRetrievalChain# 初始化向量库和模型
vectorstore = FAISS.load_local("rag_vector_db", OpenAIEmbeddings())
llm = ChatOpenAI(model="gpt-4-turbo")
memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)# 构建链
qa_chain = ConversationalRetrievalChain.from_llm(llm=llm,retriever=vectorstore.as_retriever(search_kwargs={"k": 3}),memory=memory
)# 模拟多轮对话
questions = ["LangChain是什么？","它的核心组件有哪些？",  # "它" 指代LangChain"如何用RAG实现多轮对话？"
]
for q in questions:result = qa_chain.invoke({"question": q})print(f"问题: {q}\n答案: {result['answer']}\n")

四、优化建议

1. 历史摘要：长对话时使用 ConversationSummaryMemory 避免 token 超限。
2. 重写模型：用轻量级模型（如 GPT-3.5）专门处理问题重写，降低成本。
3. 检索过滤：基于元数据（如对话 ID）过滤无关文档。
4. 提示工程：定制提示模板明确区分历史/当前问题/检索内容。

通过组合 Memory 管理、智能查询重写和 上下文感知的 RAG 流程，LangChain 有效实现了多轮问答的连贯性与准确性。

本篇文章旨在补充上一篇文章的内容，建议结合上一篇文章食用，口感效果更加。