使用ConversationalRetrievalChain构建对话机器人遇报错：为何需传入chat_history？

核心原因 #

ConversationalRetrievalChain的memory参数主要负责持久化存储对话历史，但它不会自动将历史数据注入到提示模板的输入变量中。如果你的提示模板里声明了chat_history这个变量，调用链时就必须确保这个变量有值——要么手动传入，要么让链从memory中自动读取（需要正确配置memory的键和提示模板变量名一致）。

常见错误场景及解决 #

1. 提示模板变量名与memory键不匹配
   比如你初始化memory时用了默认键（ConversationBufferMemory默认键是history），但提示模板里写的是{chat_history}，链找不到对应的值就会报错。
   解决：统一变量名，初始化memory时指定memory_key="chat_history"：

   from langchain.memory import ConversationBufferMemory
   
   memory = ConversationBufferMemory(
       memory_key="chat_history",
       return_messages=True,
       output_key="answer"  # 若链的输出键为answer，需指定避免冲突
   )
   

   同时提示模板保持{chat_history}，链会自动从memory中读取历史填充。

2. 调用链的方式不正确
   直接用chain({"question": "你的问题"})调用，未让链自动从memory中获取历史会报错。正确做法有两种：

   • 使用predict方法（自动读取memory中的历史）：

     response = chain.predict(question="你的问题")
     

   • 手动从memory读取历史后传入：

     chat_history = memory.load_memory_variables({})["chat_history"]
     response = chain({"question": "你的问题", "chat_history": chat_history})
     

3. 链的配置遗漏关键参数
   初始化ConversationalRetrievalChain时，需确保指定return_source_documents=False（不需要返回源文档时），或正确设置output_key避免memory存储键冲突：

   from langchain.chains import ConversationalRetrievalChain
   from langchain.llms import OpenAI
   
   chain = ConversationalRetrievalChain.from_llm(
       llm=OpenAI(),
       retriever=your_retriever,
       memory=memory,
       return_source_documents=False
   )
   

内容的提问来源于stack exchange，提问作者karwi