让问答机器人真正“听懂”你的前后文

在许多问答应用中，用户真正渴望的是流畅自然的对话体验——不是机械的一问一答，而是像与真人交流那样，能够理解整个对话的来龙去脉。这背后的一项关键技术升级，就是让RAG系统具备对话能力。

传统的RAG工作模式较为直接：用户输入问题→检索文档→生成答案。但在多轮对话场景下，这条链路必须引入一个关键变量——历史消息。当前的主流做法分为两类：一类是“链”（Chain），仅执行一次检索；另一类是“智能体”（Agent），让模型根据实际需求多次检索，直至找到合适的答案。

消息序列：对话状态的“记事本”

在对话式应用中，每一轮交互的消息类型都会被精确记录：用户的提问（HumanMessage）、助手的回复（AIMessage），以及工具调用返回的结果（ToolMessage）。整段对话形成一条消息链条，模型不仅能清楚“谁说了什么”，还能结合工具调用的反馈，生成更合理的回复。这才是真正意义上的上下文理解。

自动补全：让模糊提问不再尴尬

多轮对话中，用户的提问往往比较简略。例如：

用户：耐克在美国有多少个配送中心？
AI：耐克在美国有8个配送中心。
用户：在美国之外有哪些？

此时，模型会自动将用户的模糊问题改写成完整的检索查询，变成“耐克在美国之外有哪些配送中心？”——即使没有说全，系统也能自动补全上下文。这一点在实际应用中至关重要，直接决定了对话的流畅度。

架构设计：灵活节点的组合

应用的核心流程可拆分为三个节点：用户输入节点（决定是检索还是直接回复）、检索工具节点（执行向量数据库查询）、响应生成节点（基于检索结果生成答案）。这种架构的优势在于灵活性：当用户打招呼时可以直接回应，提出问题时再触发检索与推理，而无需每次都访问数据库。

记忆机制：让机器人“记住”你

要支持多轮对话，应用必须具备记忆能力。这里采用LangGraph的持久化机制：每一轮消息都会追加到状态中，通过设置thread_id，不同会话线程可以独立保存。这意味着用户随时可以继续之前的对话，而机器人依然认得上下文。

实际效果如何？

来看几个典型场景：

• 输入“你好” → 系统直接回应，不检索
• 输入“耐克，包括匡威在美国有多少个配送中心？” → 检索并回答
• 输入“在美国之外有哪些？” → 自动补全查询，基于历史对话给出答案

这让应用从“单问单答”的工具，进化为一个真正能对话的助手。从体验上看，这是一种本质的跃迁。

总结

对话式RAG的核心要点其实只有三个：用消息序列管理对话状态，借助工具调用让模型自动生成检索查询，利用持久化机制让应用拥有“记忆”。

当然，这并非终点。未来值得探索的方向包括：在对话中融合更复杂的多工具协作，甚至让智能体像人一样自主选择信息来源。这些并不是遥不可及的设想——它们正在成为现实。