使用PromptTemplate嵌入字符串失败：related_info无法正常嵌入求助

以下是针对性的排查和解决步骤：

• 检查PromptTemplate的变量定义与占位符匹配度
  确保模板文本中使用的占位符{related_info}与input_variables列表中的名称完全一致（包括大小写），示例代码如下：

  from langchain.prompts import PromptTemplate
  
  prompt_template = """
  参考信息：
  {related_info}
  
  过往对话：
  {chat_history}
  
  用户提问：{input}
  请基于上述内容回答。
  """
  PROMPT = PromptTemplate(
      input_variables=["chat_history", "related_info", "input"],
      template=prompt_template
  )
  

• 验证Chroma检索结果的有效性
  检索完成后立即打印related_info的内容，确认其不为空、不是None，且已转换为可嵌入的字符串格式：

  # 假设chroma_retriever是已初始化的检索器
  related_docs = chroma_retriever.get_relevant_documents(user_input)
  # 将Document对象列表转换为字符串
  related_info_str = "\n".join([doc.page_content for doc in related_docs])
  print("检索到的相关信息：", related_info_str)
  

  如果结果为空，需检查Chroma数据库是否正确存入数据、检索query是否合理，或调整向量匹配的相似度阈值。

• 确认ConversationChain与自定义Prompt的绑定
  初始化Chain时必须传入自定义的PROMPT，而非使用默认模板，同时开启verbose模式以便查看完整提示词：

  from langchain.chains import ConversationChain
  from langchain.llms import OpenAI
  
  llm = OpenAI(temperature=0)
  conversation_chain = ConversationChain(
      llm=llm,
      prompt=PROMPT,
      verbose=True  # 开启后可在控制台查看拼接后的完整提示词
  )
  

• 检查predict方法的参数传递
  调用predict时，参数名必须与PromptTemplate的input_variables严格匹配，不能出现拼写错误或漏传：

  response = conversation_chain.predict(
      chat_history="过往对话内容",
      related_info=related_info_str,
      input=user_input
  )
  

• 排查内存组件的干扰
  如果使用了内存组件（如ConversationBufferMemory），确保内存不会覆盖related_info参数：

  from langchain.memory import ConversationBufferMemory
  
  memory = ConversationBufferMemory(
      input_key="input",
      memory_key="chat_history"
      # 不要将related_info加入内存管理的键列表
  )
  conversation_chain = ConversationChain(
      llm=llm,
      prompt=PROMPT,
      memory=memory,
      verbose=True
  )
  

内容的提问来源于stack exchange，提问作者Nao COMATSU