在 Haystack 中实现基于会话的搜索，需要在用户会话中的多次交互之间维护上下文。这通常涉及在用户会话期间跟踪其搜索历史、筛选条件或偏好，并使用这些数据来优化后续查询。Haystack 提供了通过管道（pipeline）、会话存储（session storage）和自定义组件来处理此问题的工具。核心思想是存储会话特定数据（如之前的查询或筛选条件），并将其动态注入到搜索操作中。
首先，创建一个会话存储机制。对于开发而言，可以使用简单的内存字典；对于生产环境，则可以集成持久化存储，如 Redis。每个会话应具有唯一的标识符（例如会话 ID），并随每个请求传递。例如，当用户开始一个会话时，生成一个 ID 并存储其初始查询参数。在后续请求中，使用该 ID 检索会话数据并根据需要进行更新。在 Haystack 中，可以通过 Request 对象的 meta 字段传递会话数据。例如，一个管道（pipeline）可以处理一个查询，从请求中提取会话 ID，并获取存储的筛选条件或上下文来修改搜索。
接下来，设计您的管道（pipeline）以包含会话数据。使用 Haystack 的 Pipeline 类串联检索器（retriever）、筛选器（filter）或自定义节点（custom node）等组件。例如，添加一个自定义节点，检查会话中是否有先前的筛选条件（例如日期范围），并将其应用于当前查询。如果用户之前搜索了“AI research papers”，会话可以存储一个筛选条件“publication_year >= 2020”，该条件会自动添加到未来的查询中。您还可以使用 QueryAugmenter 将会话中的历史查询附加到当前查询中，提高相关性。确保您的检索器（例如 BM25Retriever 或 EmbeddingRetriever）使用此丰富后的输入。
最后，处理会话过期和数据清理。为会话设置超时时间，以防止内存泄漏。对于内存存储，可以使用后台任务或像 cachetools 这样的库并结合 TTL（存活时间）。在生产环境中，依靠存储系统的过期功能（例如 Redis 的 EXPIRE 命令）。彻底测试会话逻辑——模拟多个连续查询，确保筛选条件和上下文正确持久化。例如，如果用户在一个查询中应用了“category: tutorials”筛选条件，验证同一会话中的后续搜索是否继承了此筛选条件，除非明确移除。记录会话数据如何影响搜索结果，以避免最终用户遇到意外行为。