RAG链Prompt注入：传入完整Document还是仅page_content？

问题原因 #

LangChain的向量数据库检索器（比如FAISS的as_retriever()）默认返回Document对象列表，而非纯文本内容。直接将检索结果传入Prompt时，Python会自动调用Document对象的__str__方法，生成[Document(page_content='...')]格式的字符串，这类冗余格式会成为模型的无效噪声，确实可能干扰输出结果的准确性。

解决方案：提取Document的page_content #

只需在检索器后添加一个处理步骤，提取每个Document对象的page_content字段，拼接成模型易读的文本格式即可。可以通过RunnableLambda实现该转换逻辑。

修改后的完整代码 #

from operator import itemgetter

from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnableLambda, RunnablePassthrough
from langchain_openai import ChatOpenAI, OpenAIEmbeddings

vectorstore = FAISS.from_texts(
    ["harrison worked at kensho", "harrison worked for 3 years"], embedding=OpenAIEmbeddings()
)
retriever = vectorstore.as_retriever()

template = """Answer the question based only on the following context:
{context}

Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)

model = ChatOpenAI()

# 新增处理逻辑：提取每个文档的page_content并换行拼接
format_docs = RunnableLambda(lambda docs: "\n".join([doc.page_content for doc in docs]))

chain = (
    {"context": retriever | format_docs, "question": RunnablePassthrough()}
    | prompt
    | model
    | StrOutputParser()  # 可选：添加后直接得到字符串格式的回答
)

# 执行调用
result = chain.invoke("where did harrison work?")
print(result)

执行输出示例 #

处理后的Prompt内容会变成纯文本格式：

ChatPromptValue(messages=[HumanMessage(content="Answer the question based only on the following context:
harrison worked for 3 years
harrison worked at kensho

Question: where did harrison work?
")])

如果添加了StrOutputParser()，最终会直接得到模型的回答：

Harrison worked at Kensho.

补充说明 #

• 除了RunnableLambda，也可以使用LangChain内置的format_documents工具函数实现相同效果，代码逻辑更简洁。
• 用换行符拼接多个文档的内容，能让模型更清晰地区分不同上下文片段，进一步提升回答质量。

内容的提问来源于stack exchange，提问作者BPDev