怎样提升智能问答系统在多轮对话中的上下文关联能力？

2025-08-28

Background to the issue

传统问答系统往往将每个用户查询视为独立请求，难以维持对话一致性。当用户追问”这个发明者还创建过什么公司”时，系统可能丢失前文提到的”乔布斯”这一核心实体。

对话状态跟踪: Byinitialize_pipeline_status()初始化对话历史存储模块，记录：
- 已提及的实体列表（如”乔布斯”）
- 实体间最新激活的关系路径（如”创立→苹果公司”）
图谱上下文传播：设计QueryParam时设置context_entities=["乔布斯"]参数，系统会自动：
1. 将该实体作为图谱检索的起点节点
2. 优先展示与该实体关联度高的子图（如NeXT、皮克斯等关联公司）
LLM提示词优化: inllm_model_func注入函数中添加对话历史拼接逻辑，确保生成回答时包含之前讨论的实体关系

开发者可参考以下代码片段实现多轮对话增强：
query_params = QueryParam(mode="mix", context_entities=previous_entities)