Langchain-Chatchat 如何实现问答结果的收藏功能

在企业级知识管理场景中，一个常见的痛点是：用户反复提问相同或相似的问题，而系统每次都要重新检索和生成答案。即使某次回答非常精准、详尽，也无法被保留下来供后续直接复用——这不仅浪费了计算资源，也降低了信息获取效率。

Langchain-Chatchat 作为一款支持本地部署的知识库问答系统，虽然默认未提供“收藏”功能，但其模块化架构为扩展此类用户行为记录机制提供了天然便利。通过轻量级开发，我们可以轻松为其添加问答结果收藏能力，让高质量对话得以沉淀，逐步构建组织内部的经验资产库。

---

收藏的本质：从临时交互到知识留存

传统聊天界面的设计逻辑是“即问即答”，会话结束即数据丢弃。但对于企业而言，某些高价值问答（如政策解读、技术方案说明）具有长期参考意义。收藏功能的核心目的，就是将这些散落在对话流中的“知识珍珠”串起来。

它并不仅仅是前端加个星标按钮那么简单，而是一套完整的闭环设计：
- 用户可主动标记感兴趣的内容；
- 系统能安全存储并结构化归档；
- 后续支持查询、编辑与再利用。

这种机制尤其适用于金融、医疗、法务等对准确性要求高的领域，也为后期模型优化提供了宝贵的反馈数据。

---

技术实现路径：前后端协同扩展

Langchain-Chatchat 的后端基于 FastAPI 构建，前端通常使用 Vue.js 或 Streamlit，整体采用前后端分离架构。这意味着我们可以在不影响主推理链的前提下，独立开发一套收藏接口，并通过简单的 UI 集成实现完整功能。

后端：构建持久化接口

收藏功能的关键在于数据持久化。以下是一个基于 JSON 文件存储的轻量实现方案，适合单机或小团队使用：

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from datetime import datetime
import json
import os

app = FastAPI()

class FavoriteItem(BaseModel):
    question: str
    answer: str
    timestamp: str = None
    tags: list = []
    source_doc: str = None  # 可选：记录来源文档

FAVORITES_FILE = "data/favorites.json"
os.makedirs("data", exist_ok=True)

# 初始化文件
if not os.path.exists(FAVORITES_FILE):
    with open(FAVORITES_FILE, 'w', encoding='utf-8') as f:
        json.dump([], f, ensure_ascii=False, indent=2)

@app.post("/favorite/add")
async def add_favorite(item: FavoriteItem):
    item.timestamp = item.timestamp or datetime.now().isoformat()

    try:
        with open(FAVORITES_FILE, 'r', encoding='utf-8') as f:
            favorites = json.load(f)
    except (json.JSONDecodeError, FileNotFoundError):
        favorites = []

    # 防止完全重复保存
    if any(f['question'] == item.question and f['answer'] == item.answer for f in favorites):
        return {"status": "duplicate"}

    favorites.append(item.dict())

    with open(FAVORITES_FILE, 'w', encoding='utf-8') as f:
        json.dump(favorites, f, ensure_ascii=False, indent=2)

    return {"status": "success", "id": len(favorites) - 1}

@app.get("/favorite/list")
async def list_favorites():
    try:
        with open(FAVORITES_FILE, 'r', encoding='utf-8') as f:
            favorites = json.load(f)
        return {"total": len(favorites), "data": favorites}
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

这个实现有几个关键点值得强调：

• 非侵入式设计：不依赖任何 LangChain 核心组件，仅作为附加服务运行；
• 防重机制：避免用户误操作导致重复收藏；
• 结构化字段预留：tags 和 source_doc 字段为未来分类分析打下基础；
• 容错处理：对文件读写异常进行捕获，保障服务稳定性。

若需支持多用户环境，只需增加 user_id 字段，并改用 SQLite 存储即可：

CREATE TABLE favorites (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    user_id TEXT NOT NULL,
    question TEXT NOT NULL,
    answer TEXT NOT NULL,
    source_doc TEXT,
    tags TEXT, -- JSON array string
    timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
);

这样就能实现数据隔离与权限控制。

前端：无缝集成收藏按钮

假设你正在使用 Vue.js 前端，可以在每个回答块下方插入一个“收藏”图标：

<template>
  <div class="answer-block">
    <p>{{ answer }}</p>
    <button @click="handleFavorite" :disabled="favorited">
      {{ favorited ? '已收藏' : '⭐ 收藏' }}
    </button>
  </div>
</template>

<script>
export default {
  props: ['question', 'answer'],
  data() {
    return { favorited: false }
  },
  methods: {
    async handleFavorite() {
      try {
        const response = await fetch('/favorite/add', {
          method: 'POST',
          headers: { 'Content-Type': 'application/json' },
          body: JSON.stringify({
            question: this.question,
            answer: this.answer,
            tags: ['manual'],
            source_doc: this.$store.state.last_retrieved_doc
          })
        });

        const result = await response.json();
        if (result.status === 'success') {
          this.favorited = true;
          this.$message.success('已加入收藏');
        } else if (result.status === 'duplicate') {
          this.$message.info('该内容已收藏过');
        }
      } catch (err) {
        this.$message.error('收藏失败，请检查网络');
      }
    }
  }
}
</script>

而对于 Streamlit 用户，则可通过 st.button 和 requests 库实现类似交互：

import streamlit as st
import requests

if st.button("🔖 收藏此回答"):
    res = requests.post("http://localhost:8000/favorite/add", json={
        "question": st.session_state.current_q,
        "answer": st.session_state.current_a,
        "tags": ["streamlit"]
    })
    if res.status_code == 200:
        st.toast("已收藏！")
    else:
        st.error("收藏失败")

无论哪种前端框架，核心思路一致：监听用户动作 → 封装数据 → 调用 API → 反馈状态。

---

系统整合：如何嵌入 Langchain-Chatchat 主流程

Langchain-Chatchat 的路由系统高度模块化，允许开发者以插件形式注入新功能。我们可以通过创建独立的 favorite_router.py 模块来注册收藏接口：

# favorite_router.py
from fastapi import APIRouter
from .schemas import FavoriteItem

router = APIRouter(prefix="/favorite", tags=["favorite"])

@router.post("/add")
async def add_favorite(item: FavoriteItem):
    # 同上实现...

@router.get("/list")
async def get_favorites():
    # 同上实现...

然后在主应用入口中引入：

# app.py
from fastapi import FastAPI
from server.routes.chat import router as chat_router
import favorite_router

def create_app():
    app = FastAPI()
    app.include_router(chat_router, prefix="/chat")
    app.include_router(favorite_router.router)  # 注册收藏路由
    return app

app = create_app()

这种方式保证了代码结构清晰，且便于后续打包为可配置插件。甚至可以进一步封装成 enable_favorite=True 的配置项，在 configs/settings.py 中动态开关。

---

实际应用场景与工程建议

典型用例

场景	价值体现
新员工培训	快速访问高频问题的标准答案
客服知识沉淀	积累典型客户咨询案例
内部技术支持	保存复杂故障排查过程
法律合规审查	固化敏感事项的权威解释

这些都不是一次性问答能解决的，而是需要持续积累的“经验资产”。

工程最佳实践

✅ 推荐做法

• 异步写入：对于高并发场景，使用 aiofiles 替代同步 IO，防止阻塞事件循环。

python import aiofiles async with aiofiles.open(FAVORITES_FILE, 'w') as f: await f.write(json.dumps(favorites, ensure_ascii=False, indent=2))

• 语义去重：除了文本匹配，还可结合 Sentence-BERT 计算问题向量，识别语义相近的重复提问。

• XSS 过滤：用户输入可能包含 HTML 脚本，建议在入库前做基础清洗：

python import html item.question = html.escape(item.question)

• 定期归档：设置定时任务将超过一定期限的收藏移至历史库，保持主文件轻量化。

⚠️ 注意事项

• 不要将收藏与缓存混淆：缓存是系统自动行为，服务于性能优化；收藏是用户显式意图，用于知识留存。
• 避免无限增长：应提供“删除”或“清空”功能，赋予用户数据管理权。
• 权限边界必须明确：在多租户部署中，确保用户只能查看和操作自己的收藏。
• 跨设备同步需额外设计：当前本地存储方案无法共享，如需云同步，需引入数据库 + 用户认证体系。

---

更进一步：从收藏到智能知识运营

一旦建立了收藏机制，就可以在此基础上衍生出更多高级功能：

1. 自动生成 FAQ 手册

根据收藏频次统计，自动识别最受关注的问题，生成动态更新的常见问题列表：

from collections import Counter
questions = [f['question'] for f in favorites]
top_10 = Counter(questions).most_common(10)

2. 用于模型微调的数据源

将高评分收藏对（Q&A）作为 SFT（监督微调）样本，训练更符合业务需求的专用模型。

3. 构建经验图谱

结合标签系统，将收藏内容按主题聚类，形成可视化的“组织经验地图”。

4. 用户反馈通道

允许用户为收藏内容添加备注或评分，形成双向互动的知识共建机制。

---

结语

在 Langchain-Chatchat 中实现问答收藏功能，本质上是在回答这样一个问题：如何让每一次有价值的对话都不被遗忘？

这项功能的技术门槛并不高——不过是一个 API 加一个按钮。但它所带来的价值却是深远的：它把原本转瞬即逝的交互，转化为了可积累、可检索、可复用的知识资产。

更重要的是，这种“轻扩展”模式体现了现代 AI 应用开发的一个重要趋势：核心模型负责理解，周边系统负责记忆。大模型擅长即时推理，而人类擅长长期积累。通过收藏机制，我们恰好完成了两者的互补。

因此，如果你正在部署 Langchain-Chatchat，不妨花半天时间加上这个功能。它不会改变系统的主线能力，却能让整个知识服务体系变得更加有温度、有记忆、有成长性。