LangChain ConversationalRetrievalChain传入chat_history仍不记忆对话历史问题

我在学习AI和LangChain，尝试构建对话式聊天机器人，目前已经实现基于自定义文本的问答功能，但机器人无法记忆先前的对话内容。根据资料，ConversationalRetrievalChain需要传入chat_history参数来保留记忆，我已经传入该参数且history列表也记录了对话，但问题依然存在。

代码示例 #

history = []
def ask(question: str):
    chat = ConversationalRetrievalChain.from_llm(llm, vectorstore.as_retriever(), memory=memory)
    answer = chat({"question": question, "chat_history": history})["answer"]
    history.append((question, answer))
    print(answer)
    return answer

ask("Who is Bound by this Agreement?") # 回答正确
ask("What did I ask in previous question?") # 无法记住之前的问题

我已经确认chat_history已经存入history列表，为什么模型还是无法记忆先前的对话？

问题原因 #

1. 每次调用都重新创建链实例：在ask函数内部每次都新建ConversationalRetrievalChain对象，相当于每次对话都是一个全新的机器人实例，之前的对话状态不会被保留。
2. memory参数与手动传入chat_history冲突：你同时传入了memory=memory参数和手动的chat_history参数，ConversationalRetrievalChain在配置了memory的情况下，会优先使用内部的记忆管理机制，忽略手动传入的chat_history参数。

解决方案 #

方案1：使用Memory对象管理对话历史（推荐）

将链的初始化移到ask函数外部，只执行一次，让memory对象自动维护对话历史：

from langchain.memory import ConversationBufferMemory

# 仅初始化一次memory和对话链
memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)
chat_chain = ConversationalRetrievalChain.from_llm(llm, vectorstore.as_retriever(), memory=memory)

def ask(question: str):
    answer = chat_chain({"question": question})["answer"]
    print(answer)
    return answer

ask("Who is Bound by this Agreement?") # 正确回答
ask("What did I ask in previous question?") # 可正常回忆之前的问题

方案2：手动维护chat_history，不使用memory参数

同样将链的初始化移到函数外部，避免重复创建实例，同时不配置memory参数，手动传入维护的chat_history：

history = []
# 仅初始化一次对话链，不传入memory参数
chat_chain = ConversationalRetrievalChain.from_llm(llm, vectorstore.as_retriever())

def ask(question: str):
    global history
    answer = chat_chain({"question": question, "chat_history": history})["answer"]
    history.append((question, answer))
    print(answer)
    return answer

ask("Who is Bound by this Agreement?") # 正确回答
ask("What did I ask in previous question?") # 可正常回忆之前的问题

内容的提问来源于stack exchange，提问作者Владислав Король