使用 LangChain、Faiss、NVIDIA BGE-M3 和 OpenAI text-embedding-3-small 构建 RAG 聊天机器人

什么是 RAG

检索增强生成（Retrieval-Augmented Generation，简称 RAG）正引领生成式 AI，尤其是对话式 AI 的新潮流。它将预训练的大语言模型（LLM，如 OpenAI 的 GPT）与存储于向量数据库（如 Milvus、Zilliz Cloud）中的外部知识源相结合，从而让模型输出更准确、更具上下文相关性，并且能够及时融合最新信息。 一个完整的 RAG 系统通常包含以下四大核心组件：

• 向量数据库：用于存储与检索向量化后的知识；
• 嵌入模型：将文本转为向量表示，为后续的相似度搜索提供支持；
• 大语言模型（LLM）：根据检索到的上下文和用户提问生成回答；
• 框架：负责将上述组件串联成可用的应用。

核心组件说明

本教程将带你在 Python 环境下，借助以下组件一步步搭建一个初级的 RAG 聊天机器人：

• LangChain: 一个开源框架，帮助你协调大语言模型、向量数据库、嵌入模型等之间的交互，使集成检索增强生成（RAG）管道变得更容易。
• Faiss: 也被称为 Facebook AI Similarity Search，是一个开源的向量搜索库，可让开发者在庞大的 非结构化数据集内快速搜索语义相似的多媒体数据。(如果您需要更具扩展性的解决方案，或不想管理自己的基础设施，我们推荐使用 Zilliz Cloud，这是一个基于开源项目 Milvus 构建的全托管向量数据库服务，并提供支持最多 100 万个向量的免费套餐)。
• NVIDIA BGE-M3: NVIDIA BGE-M3 是一款尖端的语言模型，旨在生成类人文本，适用于多种自然语言处理任务。它的优势在于能够产生连贯且具有上下文相关性的响应，使其非常适合用于聊天机器人、内容创作和虚拟助手等应用。BGE-M3 在理解细微的输入方面表现出色，为用户提供高度准确且引人入胜的互动，从而增强多个行业中的自动化沟通系统。
• OpenAI text-embedding-3-small: 该模型专注于为各种自然语言处理任务生成高质量的文本嵌入，提供性能和计算效率之间的平衡。其优势在于语义理解和相似性比较，使其非常适合用于搜索、推荐系统以及快速处理至关重要的聚类任务。

完成本教程后，你将拥有一个能够基于自定义知识库回答问题的完整聊天机器人。

注意事项: 使用专有模型前请确保已获取有效 API 密钥。

实战：搭建 RAG 聊天机器人

第 1 步：安装并配置 LangChain

%pip install --quiet --upgrade langchain-text-splitters langchain-community langgraph

第 2 步：安装并配置 NVIDIA BGE-M3

pip install -qU "langchain-nvidia-ai-endpoints"

import getpass
import os

if not os.environ.get("NVIDIA_API_KEY"):
  os.environ["NVIDIA_API_KEY"] = getpass.getpass("Enter API key for NVIDIA: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("baai/bge-m3", model_provider="nvidia")

第 3 步：安装并配置 OpenAI text-embedding-3-small

pip install -qU langchain-openai

import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-small")

第 4 步：安装并配置 Faiss

pip install -qU langchain-community

from langchain_community.vectorstores import FAISS

vector_store = FAISS(embedding_function=embeddings)

第 5 步：正式构建 RAG 聊天机器人

在设置好所有组件之后，我们来搭建一个简单的聊天机器人。我们将使用 Milvus介绍文档 作为私有知识库。你可以用你自己的数据集替换它，来定制你自己的 RAG 聊天机器人。

import bs4
from langchain import hub
from langchain_community.document_loaders import WebBaseLoader
from langchain_core.documents import Document
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langgraph.graph import START, StateGraph
from typing_extensions import List, TypedDict

# 加载并拆分博客内容
loader = WebBaseLoader(
    web_paths=("https://milvus.io/docs/overview.md",),
    bs_kwargs=dict(
        parse_only=bs4.SoupStrainer(
            class_=("doc-style doc-post-content")
        )
    ),
)

docs = loader.load()

text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
all_splits = text_splitter.split_documents(docs)

# 索引分块
_ = vector_store.add_documents(documents=all_splits)

# Define prompt for question-answering
prompt = hub.pull("rlm/rag-prompt")


# 定义应用状态
class State(TypedDict):
    question: str
    context: List[Document]
    answer: str


# 定义应用步骤
def retrieve(state: State):
    retrieved_docs = vector_store.similarity_search(state["question"])
    return {"context": retrieved_docs}


def generate(state: State):
    docs_content = "\n\n".join(doc.page_content for doc in state["context"])
    messages = prompt.invoke({"question": state["question"], "context": docs_content})
    response = llm.invoke(messages)
    return {"answer": response.content}


# 编译应用并测试
graph_builder = StateGraph(State).add_sequence([retrieve, generate])
graph_builder.add_edge(START, "retrieve")
graph = graph_builder.compile()

测试聊天机器人

Yeah! You've built your own chatbot. Let's ask the chatbot a question.

response = graph.invoke({"question": "What data types does Milvus support?"})
print(response["answer"])

示例输出

Milvus 支持多种数据类型，包括稀疏向量、二进制向量、JSON 和数组。此外，它还支持常见的数值类型和字符类型，使其能够满足不同的数据建模需求。这使得用户能够高效地管理非结构化或多模态数据。

优化小贴士

在搭建 RAG 系统时，合理调优能显著提升性能与效率。下面为各组件提供一些实用建议：

LangChain 优化建议

为了优化 LangChain，需要通过高效地构建链路和代理来减少工作流程中的冗余操作。使用缓存避免重复计算，从而加快系统速度，并尝试采用模块化设计，确保模型或数据库等组件能够轻松替换。这将提供灵活性和效率，使您能够快速扩展系统，而无需不必要的延迟或复杂性。

Faiss 优化建议

为了提升 Faiss 库在检索增强生成（RAG）系统中的性能，首先根据数据量和查询速度要求选择合适的索引类型；例如，使用 IVF（倒排文件）索引可以通过减少搜索空间，显著加速大数据集上的查询。通过使用 nlist 参数将数据划分为更小的簇，并在检索时设置合适的探测数 (nprobe)，以平衡速度和准确性，从而优化索引过程。确保向量得到正确的归一化，并在索引过程中考虑使用 16 位或 8 位量化，以减少大数据集的内存占用，同时保持合理的检索准确性。此外，如果可用，可以考虑利用 GPU 加速，因为 Faiss 受益于并行处理，能够加快最近邻搜索的速度。通过不断微调和基于不同参数与配置的基准测试，您可以找到最适合数据特性和检索需求的高效设置。

NVIDIA BGE-M3 优化建议

为了在检索增强生成（RAG）设置中优化 NVIDIA BGE-M3，确保您的数据检索系统经过精细调优，以实现可重用性和相关性——考虑实施缓存机制以存储频繁访问的文档。此外，实验检索参数，例如最近邻搜索中的 k 值，可以为您的特定任务产生更好的结果。利用混合精度训练来提高吞吐量并减少内存使用，同时不影响模型性能。定期通过验证测试监控和微调超参数，以实现速度和准确性之间的最佳平衡。最后，利用 NVIDIA 的 TensorRT 或 ONNX 优化工具进行模型部署，以最大化推理效率。

OpenAI text-embedding-3-small 优化建议

OpenAI text-embedding-3-small提供了一种轻量级的替代方案，具有更快的处理速度，使其非常适合实时RAG应用。通过微调相似性阈值来减少ANN搜索中的误报，以提高检索性能。在嵌入之前，保持输入文本简洁并去除冗余信息，以最大化嵌入效率。利用缓存来存储频繁查询的文本嵌入，以减少不必要的重新计算。在扩展时，将嵌入生成任务分布到多个工作节点，以优化吞吐量。应用后处理过滤器，例如余弦相似性截止值，来精细化搜索结果。在处理不同查询类型时，考虑混合搜索（密集 + 基于关键词），以改善检索效果。

通过系统性实施这些优化方案，RAG 系统将在响应速度、结果准确率、资源利用率等维度获得全面提升。 AI 技术迭代迅速，建议定期进行压力测试与架构调优，持续跟踪最新优化方案，确保系统在技术发展中始终保持竞争优势。

RAG 成本计算器

估算 RAG 成本时，需要分析向量存储、计算资源和 API 使用等方面的开销。主要成本驱动因素包括向量数据库查询、嵌入生成和 LLM 推理。RAG 成本计算器是一款免费的在线工具，可快速估算构建 RAG 的费用，涵盖切块（chunking）、嵌入、向量存储/搜索和 LLM 生成。能帮助你发现节省费用的机会，最高可通过无服务器方案在向量存储成本上实现 10 倍降本。

立即使用 RAG 成本计算器

Calculate your RAG cost

收获与总结

"通过深入这个教程，你已经解锁了从零开始构建RAG系统的魔力，使用了最前沿的工具！你学习了LangChain如何作为粘合剂，像专家一样协调各个组件之间的工作流程。借助Faiss作为你的向量数据库，你现在可以以闪电般的速度存储和检索嵌入，确保你的系统精确地回答问题。NVIDIA BGE-M3嵌入模型为你的数据带来了深度，捕捉了微妙的语义关系，而OpenAI的text-embedding-3-small则为对成本敏感的项目提供了轻量而强大的替代方案。这些工具使你能够创建一个将原始数据转化为上下文感知响应的管道——就像给你的应用赋予一个超强大脑，能够理解和推理信息。此外，你掌握了一些优化技巧，比如调节块大小和在速度与准确性之间平衡，使你的RAG系统变得精简高效。还有，那免费的RAG成本计算器——你预算实验的秘密武器，让你没有惊喜地掌控开支！

现在你已经看到了这些组件是如何结合在一起的，真正的冒险才刚刚开始。你拥有了构建更智能应用程序的蓝图，无论是客户支持机器人、研究助手，还是你想象中的任何项目。尝试更换模型，调整检索策略，并探索混合方法。记住，你应用的每一次优化或加入的创意都可能成为让你的项目与众不同的火花。工具在你手中，可能性是无穷的，人工智能社区正对接下来将发生的事情充满期待。所以，尽情去构建一些大胆的东西，分享你的成功，继续推动RAG的边界。你踏入AI驱动创新的旅程才刚刚开始，我们迫不及待想看到你创造的作品！🚀"

欢迎反馈！

我们很期待听到你的使用心得与建议！ 🌟 你可以：

• 在下方留言；
• 加入 Milvus Discord 社区，与全球 AI 爱好者一起交流。 如果你觉得本教程对你有帮助，别忘了给 Milvus GitHub 仓库点个 ⭐，这将激励我们不断创作！💖