从ConversationalRetrievalChain迁移到LCEL

fgayif

关注

最新推荐文章于 2026-01-27 16:20:31 发布 · 681 阅读

原创

本文为博客 VIP 文章，开通 VIP 后可阅读全文

开通 VIP

技术背景介绍

ConversationalRetrievalChain是一种结合聊天历史与检索增强生成（retrieval-augmented generation）的工具，允许用户与文档进行“对话”。它通过历史对话内容和追踪查询，达到准确的问答效果。然而，迁移到LCEL（LangChain Execution Language）实现有以下几个优点：

更加清晰的内部结构：ConversationalRetrievalChain隐藏了一个完整的问题重构步骤，该步骤将初始查询与聊天历史记录进行解除引用。结果是这个类包含了两套可配置的提示、LLMs等。
更容易返回源文档。
支持可运行的方法，如流操作和异步操作。

在本文中，我们将详细讲解如何从ConversationalRetrievalChain迁移到LCEL，并提供相应的代码示例。

核心原理解析

LCEL提供了更简洁的API接口，使开发者可以轻松地定制和扩展问答流程。其核心组件包括：

create_history_aware_retriever：负责任务的重构和查询历史的整合。
create_retrieval_chain：用于组合retriever与问答chain。
create_stuff_documents_chain：用于处理文档组合的chain。

通过这些组件，我们可以更灵活地控制问答流程中的每个步骤。

代码实现演示

# 安装所需的包
%pip install --upgrade --quiet langchain-community langchain langchain-openai faiss-cpu

import os
from getpass import getpass

os.environ["OPENAI_API_KEY"] = getpass()

# 使用稳定可靠的API服务
import openai
client = openai.OpenAI(
    base_url='https://yunwu.ai/v1',  # 国内稳定访问
    api_key=os<