如何为Langchain的ConversationalRetrievalChain添加提示词（带对话历史）

要给ConversationalRetrievalChain传入自定义指令提示词，你可以通过以下两种方式修改代码：

方法一：通过chain_type_kwargs直接传递提示模板 #

这是最简洁的方式，适用于使用默认文档合并类型（如stuff）的场景：

1. 先定义自定义提示模板，需包含chat_history、question、context三个必要输入变量：

from langchain.prompts import PromptTemplate

custom_prompt = PromptTemplate(
    input_variables=["chat_history", "question", "context"],
    template="""参考以下对话历史和文档内容，回答用户的问题：
对话历史：{chat_history}
文档信息：{context}
用户问题：{question}
请给出准确、简洁的回答："""
)

2. 创建ConversationalRetrievalChain时，通过chain_type_kwargs参数传入提示模板：

qa = ConversationalRetrievalChain.from_llm(
    OpenAI(temperature=0),
    vectorstore.as_retriever(),
    memory=memory,
    chain_type="stuff",  # 可选stuff/map_reduce等文档合并方式
    chain_type_kwargs={"prompt": custom_prompt}
)

方法二：自定义CombineDocumentsChain #

如果需要更灵活地控制文档合并逻辑，可以手动构建CombineDocumentsChain并传入：

1. 导入所需模块并定义提示模板：

from langchain.chains import ConversationalRetrievalChain, StuffDocumentsChain
from langchain.chains.llm import LLMChain
from langchain.prompts import PromptTemplate
from langchain.llms import OpenAI

custom_prompt = PromptTemplate(
    input_variables=["chat_history", "question", "context"],
    template="""基于对话历史和文档内容回答问题：
对话历史：{chat_history}
文档内容：{context}
问题：{question}
回答："""
)

2. 构建LLMChain和CombineDocumentsChain：

llm_chain = LLMChain(llm=OpenAI(temperature=0), prompt=custom_prompt)
combine_docs_chain = StuffDocumentsChain(llm_chain=llm_chain, document_variable_name="context")

3. 将自定义的combine_docs_chain传入ConversationalRetrievalChain：

qa = ConversationalRetrievalChain.from_llm(
    OpenAI(temperature=0),
    vectorstore.as_retriever(),
    memory=memory,
    combine_docs_chain=combine_docs_chain
)

注意：提示模板必须包含chat_history（对话历史）、question（当前问题）、context（检索到的文档内容）三个变量，否则链条无法正常获取对应数据。

内容的提问来源于stack exchange，提问作者Masked Attention