如何让基于LangChain的自定义数据聊天机器人具备联网访问能力？

你的代码存在几个核心问题导致错误提示出现：

1. 无效的文档传入逻辑：ConversationalRetrievalChain不会使用你传入的documents参数，它完全依赖初始化时指定的retriever来获取相关文档，你手动合并本地文档和搜索结果的操作没有任何作用。
2. 聊天历史格式错误：chat_history要求每个元素是(用户问题, 助手回答)的元组，你当前用("system", query)的格式会导致链无法正确识别历史上下文。
3. 多余的Embedding生成代码：DocArrayInMemorySearch.from_documents会自动处理文档的Embedding生成，你手动循环生成Embedding的代码属于冗余操作，且没有被使用。
4. 缺少本地检索失败后的降级逻辑：当前链只会从本地检索结果生成回答，没有设置当本地无相关信息时自动调用互联网搜索的机制。

以下是修正后的完整代码，实现优先查询本地自定义数据，本地无结果时自动联网补充的逻辑：

from langchain.chains import ConversationalRetrievalChain, RetrievalQA
from langchain.memory import ConversationBufferMemory
from langchain.vectorstores import DocArrayInMemorySearch
from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.document_loaders import (
    UnstructuredWordDocumentLoader,
    TextLoader,
    UnstructuredPowerPointLoader,
)
from langchain.utilities import GoogleSearchAPIWrapper
from langchain.chat_models import ChatOpenAI
from langchain.tools import Tool
from langchain.agents import initialize_agent, AgentType
import os
import sys
from dotenv import load_dotenv, find_dotenv

sys.path.append('../..')
_ = load_dotenv(find_dotenv())

# 初始化环境变量
openai.api_key = os.environ['OPENAI_API_KEY']
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_ENDPOINT"] = "https://api.langchain.plus"
os.environ["LANGCHAIN_API_KEY"] = os.environ['LANGCHAIN_API_KEY']
os.environ["GOOGLE_API_KEY"] = os.environ.get("GOOGLE_API_KEY")
os.environ["GOOGLE_CSE_ID"] = os.environ.get("GOOGLE_CSE_ID")

# 加载本地文档
folder_path_docx = "DB\\DB VARIADO\\DOCS"
folder_path_txt = "DB\\BLOG-POSTS"
folder_path_pptx_1 = "DB\\PPT JUNIO"
folder_path_pptx_2 = "DB\\DB VARIADO\\PPTX"

loaded_content = []

# 加载DOCX
for file in os.listdir(folder_path_docx):
    if file.endswith(".docx"):
        loader = UnstructuredWordDocumentLoader(os.path.join(folder_path_docx, file))
        loaded_content.extend(loader.load())

# 加载TXT
for file in os.listdir(folder_path_txt):
    if file.endswith(".txt"):
        loader = TextLoader(os.path.join(folder_path_txt, file), encoding='utf-8')
        loaded_content.extend(loader.load())

# 加载PPTX
for folder in [folder_path_pptx_1, folder_path_pptx_2]:
    for file in os.listdir(folder):
        if file.endswith(".pptx"):
            loader = UnstructuredPowerPointLoader(os.path.join(folder, file))
            loaded_content.extend(loader.load())

# 创建本地向量库与检索器
embedding = OpenAIEmbeddings()
db = DocArrayInMemorySearch.from_documents(loaded_content, embedding)
retriever = db.as_retriever(search_type="similarity", search_kwargs={"k": 3})

# 初始化本地检索链
local_chain = RetrievalQA.from_llm(
    llm=ChatOpenAI(model_name="gpt-4", temperature=0),
    retriever=retriever,
    return_source_documents=True
)

# 初始化谷歌搜索工具
search = GoogleSearchAPIWrapper()
search_tool = Tool(
    name="Google Search",
    func=search.run,
    description="当本地文档无法回答问题时，使用该工具联网搜索最新信息"
)

# 初始化对话记忆
memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)

# 初始化代理，整合本地检索和搜索工具
agent = initialize_agent(
    tools=[search_tool],
    llm=ChatOpenAI(model_name="gpt-4", temperature=0),
    agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,
    memory=memory,
    verbose=True
)

# 对话循环
while True:
    query = input("Hola, soy Chatbot. ¿Qué te gustaría saber? ")
    
    # 先尝试本地检索
    local_response = local_chain({"query": query})
    local_answer = local_response["result"]
    
    # 判断本地是否给出有效回答（根据错误提示关键词判断）
    if "The text does not provide information on" in local_answer:
        # 本地无结果，调用代理使用搜索工具
        final_answer = agent.run(f"回答以下问题：{query}")
    else:
        # 本地有结果，直接使用
        final_answer = local_answer
    
    print(final_answer)

• 移除冗余代码：删除了手动生成Embedding的循环，简化文档加载逻辑。
• 新增本地-搜索降级逻辑：先调用本地检索链，通过错误关键词判断是否需要触发联网搜索。
• 使用Agent整合工具：通过ChatConversationalAgent实现工具的智能调用，同时保留对话记忆。
• 修正历史格式：使用ConversationBufferMemory自动管理对话历史，无需手动维护元组列表。

内容的提问来源于stack exchange，提问作者Zaesar