多轮对话 RAG：会话化检索

单轮 RAG 的盲区

用户先问"LangChain 是什么"，再问"它支持哪些语言？" —— 直接拿"它支持哪些语言"去检索什么都检不到。指代消解是多轮 RAG 的核心难题。

方案：查询重写（问题凝练）

先用模型把"历史 + 新问题"改写成独立完整的问题，再检索：

condense_prompt = ChatPromptTemplate.from_messages([
    ("system", "根据对话历史，把用户最新问题改写成一个不依赖上下文、可独立理解的搜索问题。"),
    ("human", "历史：{history}\n最新问题：{question}"),
])
condense_chain = condense_prompt | llm | StrOutputParser()
standalone_q = condense_chain.invoke({"history": hist_text, "question": q})
# "它支持哪些语言？" → "LangChain 支持哪些编程语言？"
docs = retriever.invoke(standalone_q)

完整链路

新问题 → 查询凝练(带历史) → 检索 → 生成(带历史+资料) → 回答
                     ↑ 只改写检索词，不改用户原话

要点：最终提示词里仍保留对话历史（回答口吻连贯），但检索用凝练后的问题。

工程细节

• 历史裁剪：只带最近 3~5 轮，避免 token 爆炸；
• 凝练失败的兜底：改写结果为空时直接用原始问题检索；
• 会话隔离：以 session_id 存取历史，多用户互不干扰。