如何将自定义ConversationalRetrievalChain与智能体结合？

要在保留你现有question_generator_chain和qa_chain的前提下，让智能体自主决定是否执行检索操作，核心思路是把你已定义好的ConversationalRetrievalChain包装成Agent可调用的工具，再通过自定义Prompt引导Agent判断何时触发检索。以下是具体实现步骤：

1. 将现有ConversationalRetrievalChain包装为Tool #

首先把你的convR_qa转换成LangChain的Tool，让Agent能识别并调用它：

from langchain.tools import Tool

# 定义工具函数，接收用户问题和对话历史，调用你的检索链
def retrieval_tool(inputs):
    # inputs为字典，包含"question"和"chat_history"字段
    result = convR_qa({
        "question": inputs["question"],
        "chat_history": inputs["chat_history"]
    })
    # 返回格式化结果，包含回答和来源文档摘要
    return f"检索回答：{result['answer']}\n来源文档摘要：{[doc.page_content[:100] + '...' for doc in result['source_documents']]}"

# 创建工具实例，明确工具适用场景
retrieval_tool_instance = Tool(
    name="知识库检索工具",
    func=retrieval_tool,
    description="仅当用户问题需要从指定知识库获取专属信息时调用，比如产品细节、内部文档内容；一般性闲聊、常识问题无需调用。"
)

2. 配置Agent的Prompt与初始化 #

使用ChatAgent结合你的工具和现有memory，通过自定义Prompt引导Agent的决策逻辑：

from langchain.agents import AgentExecutor, ChatAgent
from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain.chat_models import ChatOpenAI

# 定义Agent Prompt模板，明确决策规则
prompt = ChatPromptTemplate.from_messages([
    ("system", "你需要根据用户问题判断是否调用知识库检索工具：无需专属信息的问题直接回答，需要则调用工具。"),
    MessagesPlaceholder(variable_name="chat_history"),
    ("user", "{input}"),
    MessagesPlaceholder(variable_name="agent_scratchpad")
])

# 创建Agent实例
agent = ChatAgent.from_llm_and_tools(
    llm=ChatOpenAI(temperature=0),  # 替换为你使用的LLM
    tools=[retrieval_tool_instance],
    prompt=prompt
)

# 初始化Agent执行器，复用你已有的memory
agent_executor = AgentExecutor.from_agent_and_tools(
    agent=agent,
    tools=[retrieval_tool_instance],
    memory=memory,
    verbose=True
)

3. 测试Agent运行 #

现在可以通过Agent处理用户问题，它会自主判断是否触发检索：

# 测试需要检索的问题
response = agent_executor.run(input="请说明我们产品的API认证流程？")
print(response)

# 测试无需检索的问题
response = agent_executor.run(input="你好，帮我推荐一部科幻电影？")
print(response)

关键说明 #

• 你的question_generator_chain和qa_chain完全保留在convR_qa中，Agent仅通过工具调用复用该链，不会修改原有组件逻辑。
• 可通过调整Tool的description字段，更精准地限定工具调用场景，提升Agent决策准确性。
• 若需更复杂的决策逻辑，可扩展Prompt内容或使用ZeroShotAgent等自定义Agent类优化判断规则。

内容的提问来源于stack exchange，提问作者Cehao Yang