构建RAG时遇SquadExample类型错误，求创建方法及代码修正

错误原因 #

1. Prompt类型不匹配：create_stuff_documents_chain要求传入ChatPromptTemplate类型的prompt，但你传入了普通PromptTemplate（QA_CHAIN_PROMPT），导致类型校验失败，触发SquadExample相关错误。
2. 参数冗余与格式错误：create_retrieval_chain的invoke方法仅需接收{"input": 问题文本}即可，无需重复传入question字段；同时你的系统prompt重复引用{question}变量，存在逻辑冗余。

修正后的代码 #

from langchain.chains import create_retrieval_chain
from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_core.prompts import ChatPromptTemplate

# 定义符合要求的ChatPromptTemplate
system_prompt = """As a US Census information assistant, answer the question based on the provided context.
Context: {context}"""

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", system_prompt),
        ("human", "{question}"),
    ]
)

# 创建问答链与检索链
question_answer_chain = create_stuff_documents_chain(llm, prompt)
chain = create_retrieval_chain(vectorstore.as_retriever(), question_answer_chain)

# 发起查询（仅需传入input字段）
question = "What were the trends in median household income across different states in the United States between 2021 and 2022."
result = chain.invoke({"input": question})

# 输出结果
print(result["answer"])

关键说明 #

• 需确保llm和vectorstore已完成正确初始化（你的代码未展示该部分，需自行保证配置正常）。
• create_stuff_documents_chain会自动将检索到的文档内容注入{context}变量，无需手动处理文档拼接逻辑。
• 调用chain.invoke()时，仅传递input参数即可，链内部会自动将其映射为question变量供prompt使用。

内容的提问来源于stack exchange，提问作者Kavya Sivakumar