如何在自定义工具中用create_retrieval_chain替代RetrievalQA？

核心问题分析 #

create_retrieval_chain返回的是完整的链对象，而自定义工具通常要求传入可调用对象（如函数、带invoke方法的适配体）。直接将链实例传入工具会触发校验错误，因为工具无法直接识别链的调用格式。

正确实现步骤 #

1. 按官方规范构建检索链 #

先确保检索链本身构建正确，示例代码如下：

from langchain.chains import create_retrieval_chain
from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_core.prompts import ChatPromptTemplate
from langchain_community.vectorstores import FAISS
from langchain_openai import ChatOpenAI, OpenAIEmbeddings

# 初始化基础组件
vectorstore = FAISS.from_texts(["测试文档内容"], embedding=OpenAIEmbeddings())
retriever = vectorstore.as_retriever()
llm = ChatOpenAI()

# 构建文档处理子链
prompt = ChatPromptTemplate.from_messages([
    ("system", "仅根据提供的上下文回答问题：\n{context}"),
    ("human", "{input}")
])
document_chain = create_stuff_documents_chain(llm, prompt)

# 构建完整检索链
retrieval_chain = create_retrieval_chain(retriever, document_chain)

2. 适配自定义工具的可调用要求 #

需要将检索链包装成工具能识别的格式，两种常用方式：

方式一：包装为函数

直接封装链的invoke方法，转换输入输出格式：

from langchain.tools import Tool

def retrieval_tool(input_text):
    # 检索链要求输入为含"input"键的字典，提取返回结果中的"answer"字段
    result = retrieval_chain.invoke({"input": input_text})
    return result["answer"]

# 定义自定义工具
custom_retrieval_tool = Tool(
    name="文档检索工具",
    func=retrieval_tool,
    description="检索相关文档并回答用户问题"
)

方式二：用Runnable组件适配格式

借助LangChain的Runnable体系实现更灵活的格式转换：

from langchain.tools import Tool
from langchain_core.runnables import RunnablePassthrough

# 适配输入为字符串，输出直接返回answer字段
adapted_chain = (
    RunnablePassthrough.assign(input=lambda x: x)
    | retrieval_chain
    | lambda output: output["answer"]
)

# 传入工具
custom_retrieval_tool = Tool(
    name="文档检索工具",
    func=adapted_chain.invoke,
    description="检索相关文档并回答用户问题"
)

常见错误排查点 #

• 确认工具的func参数传入的是可调用对象（函数、带invoke方法的适配链），而非链实例本身
• 测试检索链独立运行：调用retrieval_chain.invoke({"input": "测试问题"})，确认返回包含answer和context的字典
• 匹配输入输出格式：工具若要求字符串输入，必须将链的字典输入格式做转换

内容的提问来源于stack exchange，提问作者Skyward