LangChain RAG管道报错：ChatPromptTemplate缺失变量的解决求助

错误原因 #

你遇到的错误核心是提示模板要求的变量和RAG管道传递的变量完全不匹配，同时误用了Agent专属的占位符：

• 提示模板里声明需要input和agent_scratchpad两个变量
• 但你的RAG管道实际传递的是context和question
• 而且这个纯RAG场景根本不需要agent_scratchpad（这是给智能体保存思考过程用的，普通检索生成用不到）

修正方案 #

1. 调整提示模板：移除agent_scratchpad占位符，在系统提示中加入{context}变量，用户提示用{question}（和管道传递的变量对齐）
2. 确保管道的输入映射和提示模板的变量完全对应

修正后的完整代码 #

from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough
from langchain_core.prompts import ChatPromptTemplate
from langchain_weaviate import Weaviate

def create_weaviate_new_RAG(client, embeddings, llm, class_name_rich, class_properties_rich, class_text_key):
    
    vector_store = Weaviate(client=client,
            index_name=class_name_rich,
            text_key=class_text_key,
            embedding=embeddings,
            attributes=class_properties_rich,
            #by_text=False,
        )

    retriever=vector_store.as_retriever(
        search_type= "mmr", 
        search_kwargs={
            "k": 4,
            "fetch_k": 20,
        }
    )

    # 关键修改1：移除agent_scratchpad占位符，加入context变量用于检索结果注入
    prompt = ChatPromptTemplate.from_messages(
        [
            ("system", "你是一个从文档中检索信息的助手，仅根据提供的上下文回答问题：\n{context}"),
            ("user", "{question}"),
        ]
    )

    # 关键修改2：管道变量与提示模板完全对齐
    rag_pipe = (
        {"context": retriever, "question": RunnablePassthrough()}
        | prompt
        | llm
        | StrOutputParser()
    )

    return rag_pipe

rag_pipe = create_weaviate_new_RAG(client, embeddings, llm_chat, class_name, ["chunk_id", "doc_name", "doc_path"], "chunk_text")
text = "what is ai policy?"
rag_pipe.invoke(text)

补充说明 #

• 如果坚持想用input作为用户问题的变量名，只需要把管道里的"question"改成"input"，同时提示模板里的{question}换成{input}即可
• 确保所有导入语句完整，原代码可能漏掉了部分必要的导入（符合langchain==0.1.0版本的规范）

内容的提问来源于stack exchange，提问作者Starry Night