本研究提出了一种动态历史上下文驱动的增强生成方法DH-RAG，旨在解决传统检索增强生成方法在多轮对话中未能充分利用历史信息的问题。DH-RAG通过查询重构和动态信息更新模块，提高了对话的相关性和连贯性，实验结果表明其在多个基准测试中优于传统模型。