LangChain中如何查看MultiVectorRetriever在invoke时使用的上下文

下面是几种直接验证并查看RAG链invoke时所用上下文的实用方法：

方法1：包装Retriever，实时输出检索结果 #

因为RAG链的invoke最终会调用Retriever的get_relevant_documents方法，你可以通过包装这个方法来在检索时直接打印上下文：

from langchain.retrievers import MultiVectorRetriever

# 保存原方法
original_get_relevant = retriever.get_relevant_documents

def wrapped_get_relevant(query):
    docs = original_get_relevant(query)
    print("=== 本次invoke使用的上下文 ===")
    for i, doc in enumerate(docs):
        print(f"文档{i+1}:\n{doc.page_content}\n---")
    return docs

# 替换原方法
retriever.get_relevant_documents = wrapped_get_relevant

之后调用链的invoke时，控制台会直接打印出本次检索到的所有上下文内容，和链实际使用的完全一致。

方法2：修改Prompt模板，在结果中返回上下文 #

调整你的RAG Prompt，让模型先输出所用的上下文，再回答问题：

from langchain.prompts import PromptTemplate

# 修改原prompt模板，加入上下文输出逻辑
prompt = PromptTemplate(
    template="""请先输出本次回答使用的上下文内容：
{context}

基于以上上下文，回答以下问题：{question}
""",
    input_variables=["context", "question"]
)

# 更新RAG链中的prompt
rag_chain = prompt | llm

调用rag_chain.invoke({"question": "你的问题"})后，返回的结果开头会直接包含本次使用的所有上下文，直观验证内容是否匹配。

方法3：用自定义回调捕获检索事件 #

利用LangChain的回调机制，监听Retriever的检索事件，获取上下文：

from langchain.callbacks.base import BaseCallbackHandler
from typing import Dict, List, Any

class RetrieverLogger(BaseCallbackHandler):
    def on_retriever_end(self, documents: List[Any], *, run_id: str, parent_run_id: str | None = None, **kwargs: Any) -> Any:
        print("=== 检索到的上下文（invoke调用） ===")
        for i, doc in enumerate(documents):
            print(f"文档{i+1}:\n{doc.page_content}\n---")

# 调用链时传入回调
rag_chain.invoke("你的问题", callbacks=[RetrieverLogger()])

这种方法无需修改原Retriever或Prompt，通过回调事件捕获检索结果，适合临时调试。

额外说明 #

MultiVectorRetriever的get_relevant_documents方法内部就是调用其绑定的vectorstore的检索逻辑（比如similarity_search），所以链invoke时使用的上下文，和你单独调用retriever.get_relevant_documents(query)或retriever.vectorstore.similarity_search(query)得到的结果是完全一致的，上述方法可以帮你直接验证这一点。

内容的提问来源于stack exchange，提问作者unknown name