ConversationalRetrievalChain.from_llm中chat_history上下文问题

General
1

ConversationalRetrievalChain.from_llm中针对本地知识库的问答中，如果在后面的提问中问“我的第一个问题是什么”，就会回答不知道。如果想实现回答出来我提问的第一个问题，是否能做到，能做到的话该怎么做呢？
代码如下：

QA_PROMP_ALL_KNOWLEDGE = """使用以下上下文来回答最后的问题。如果你不知道答案，就回复[抱歉，我不知道这个问题的答案]，不要试图编造答案

{context}

问题: {question}
有用的回答:"""



qa = ConversationalRetrievalChain.from_llm(llm, rds.as_retriever(),
                                           return_source_documents=True, verbose=True,
                                           combine_docs_chain_kwargs = {"prompt": PromptTemplate(input_variables=["context", "question"], template=QA_PROMP_ALL_KNOWLEDGE)})



chat_history = []
query = "出师表的作者是谁？"
result = qa({"question": query, "chat_history": chat_history})
chat_history.append((query, result["answer"]))
print('答案：', result["answer"])
print('视频：', row_map[result["source_documents"][0].metadata["row"]])

query = "什么是导数？"
result = qa({"question": query, "chat_history": chat_history})
chat_history.append((query, result["answer"]))
print('答案：', result["answer"])
print('视频：', row_map[result["source_documents"][0].metadata["row"]])

query = "今天是几号？"
result = qa({"question": query, "chat_history": chat_history})
chat_history.append((query, result["answer"]))
print('答案：', result["answer"])
print('视频：', row_map[result["source_documents"][0].metadata["row"]])

query = "张杰是谁？"
result = qa({"question": query, "chat_history": chat_history})
chat_history.append((query, result["answer"]))
print('答案：', result["answer"])
print('视频：', row_map[result["source_documents"][0].metadata["row"]])

query = "我的第二个问题是什么？"
result = qa({"question": query, "chat_history": chat_history})
chat_history.append((query, result["answer"]))
print('答案：', result["answer"])
print('视频：', row_map[result["source_documents"][0].metadata["row"]])

print(chat_history)

chat_history如下：

[('出师表的作者是谁？', '出师表的作者是诸葛亮。'), ('什么是导数？', '导数是函数在某一点处的瞬时变化率，表示函数在这一点处的变化趋势。它可以帮助我们研究函数的各种性质。'), ('今天是几号？', '抱歉，我不知道这个问题的答案。'), ('张杰是谁？', '抱歉，我不知道这个问题的答案。'), ('我的第二个问题是什么？', '抱歉，我不知道这个问题的答案。')]
2

在ConversationalRetrievalChain.from_llm函数中，chat_history参数用于传递聊天历史。聊天历史是一个列表，其中包含用户查询和LLM（语言模型）生成的回答。通过传递聊天历史，您可以在后续的问题中保持对话的连续性和上下文感知。在使用from_llm方法创建ConversationalRetrievalChain时，您可以通过将chat_history参数设置为一个聊天历史列表来传递聊天历史。这样，您就可以在后续的查询中使用上一个回答来提供上下文感知的答案。