如何让LangChain Agent的输出同时包含检索模块获取的相关文档信息？

其实这个需求很好实现，核心就是调整你的extract_QA函数返回值，把检索到的相关文档内容和最终答案一起返回就行，具体可以这么做：

第一步：修改extract_QA函数，返回包含答案和相关文档的结构 #

你现在的函数只返回了result["answer"]，可以改成返回一个字典（或者字符串形式的结构化内容），把检索到的summaries（也就是你提到的最相关文档）也包含进去：

def extract_QA(docsearch: Pinecone, message:str, company: str, language: str = "spanish", info: str = ""):
    result = docsearch(inputs={"message": message, "question": message, "company": company, "language": language})
    related_docs = result.get("summaries", "")
    final_answer = result["answer"]
    # 返回结构化的字典结果，方便后续解析
    return {
        "answer": final_answer,
        "related_documents": related_docs
    }
    # 如果希望直接返回可读的字符串，也可以这么写：
    # return f"问题答案：{final_answer}\n\n参考的相关文档：{related_docs}"

第二步：适配Agent的输出逻辑 #

因为你的QA工具设置了return_direct=True，Agent会直接把工具的输出作为最终结果返回。如果返回的是字典，你后续可以直接解析这个字典拿到答案和相关文档；如果是拼接好的字符串，用户能直接看到两者的内容。

要是你不想改动工具的返回格式，也可以通过自定义回调或者扩展memory来捕获检索到的文档信息，但这种方式会复杂不少。相比之下，直接修改extract_QA的返回值是最直接高效的方案。

另外要注意，你用的是AgentType.OPENAI_FUNCTIONS，OpenAI的函数调用本身就支持返回结构化数据，所以返回字典完全没问题，不会出现格式兼容的问题。

备注：内容来源于stack exchange，提问作者Carlo