Langchain中ConversationChain的PromptTemplate验证报错解决咨询

问题根源 #

你的Prompt模板定义了三个输入变量：history、input、daily_context，但默认的ConversationBufferMemory只负责提供history变量，input会在调用predict()时自动传入，daily_context没有被注入到变量池中，因此触发ValidationError。

可行解决方案 #

方案1：调用时显式传入daily_context

在调用对话链的predict()方法时，直接传入daily_context参数，确保Prompt能获取到所有需要的变量：

daily_context = "It is a Saturday, the office is open."

# 原代码中初始化对话链的部分保持不变
response = conversation.predict(input="Can I leave early today?", daily_context=daily_context)

方案2：通过内存注入固定的daily_context

如果daily_context是固定值，可通过ConversationBufferMemory的extra_context参数将其注入，无需每次调用都传参：

daily_context = "It is a Saturday, the office is open."

memory = ConversationBufferMemory(extra_context={"daily_context": daily_context})
conversation = ConversationChain(
 prompt=PROMPT,
 llm=llm,
 verbose=True,
 memory=memory,
)

# 调用时只需传入input
response = conversation.predict(input="Can I leave early today?")

方案3：将daily_context设为模板固定内容

若daily_context不需要动态修改，可直接将其写入Prompt模板，不再作为变量，减少输入变量的依赖：

template = """You are Jane's Boss.  

Here is some context about today: It is a Saturday, the office is open.

Current conversation:
{history}
Jane: {input}
AI:"""
PROMPT = PromptTemplate(input_variables=["history", "input"], template=template)

# 后续初始化对话链的代码保持不变

注意事项 #

自定义Prompt时，必须保证所有input_variables都有对应的数据源：

• history：由对话内存提供
• input：调用predict()时传入的用户输入
• 额外变量：需通过显式传参、内存注入或固定模板的方式提供

内容的提问来源于stack exchange，提问作者jKraut