如何为LangChain的ConversationalRetrievalChain添加Pinecone时间过滤？

以下是排查和解决的具体步骤：

1. 确认元数据字段的类型与存储格式 #

Pinecone的过滤规则对字段类型和格式严格匹配，首先要明确publisheddate在索引中的存储类型：

• 若为字符串类型：必须是ISO 8601标准格式（如"2023-01-01T00:00:00Z"），过滤条件的格式要完全一致，包括时区标识Z。
• 若为Unix时间戳（数字类型）：过滤条件需传入对应的时间戳数值，比如1672531200（对应2023-01-01 00:00:00 UTC）。

2. 验证过滤条件的语法与字段名 #

• 确保字段名完全匹配（区分大小写），比如索引中是publisheddate就不能写成PublishedDate。
• 时间范围过滤的正确写法示例：
  • 字符串类型的单边界过滤：

    "filter": {"publisheddate": {"$gte": "2023-01-01T00:00:00Z"}}
    

  • 字符串类型的时间区间过滤：

    "filter": {
        "publisheddate": {
            "$gte": "2023-01-01T00:00:00Z",
            "$lte": "2023-12-31T23:59:59Z"
        }
    }
    

  • 数字时间戳的过滤：

    "filter": {"publisheddate": {"$gte": 1672531200}}
    

3. 单独测试检索器功能 #

先绕过ConversationalRetrievalChain，直接测试检索器是否能返回符合条件的文档，排除链的干扰：

# 直接调用检索器获取相关文档
test_docs = retriever.get_relevant_documents("任意测试查询")
# 打印返回文档的publisheddate，验证是否符合过滤条件
for doc in test_docs:
    print(doc.metadata.get("publisheddate"))

如果这一步返回的文档不符合条件，说明问题出在检索器配置或Pinecone索引的元数据；如果符合，再检查链的配置。

4. 检查ConversationalRetrievalChain的配置 #

如果检索器单独工作正常，但链不生效，可能是question_generator_chain生成的问题导致检索偏差。可以尝试禁用问题生成器，改用简单检索模式测试：

chain = ConversationalRetrievalChain.from_llm(
    llm=your_llm_instance,
    retriever=retriever,
    return_source_documents=True,
    verbose=True,
    # 禁用问题生成，直接使用用户原始查询检索
    question_generator=None
)

测试该模式下是否能返回符合时间范围的文档，再逐步排查问题生成器的逻辑。

内容的提问来源于stack exchange，提问作者thewebtud