使用 LangChain、Faiss、NVIDIA Deepseek R1 和 Ollama bge-m3 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 Deepseek R1: 这个先进的人工智能模型旨在实现高保真图像合成和增强，利用了NVIDIA的尖端图形技术。Deepseek R1能够生成逼真的视觉效果并提高图像质量，非常适合用于游戏、电影制作和虚拟现实等需要逼真图形的应用领域。
• Ollama bge-m3: Ollama bge-m3 是一个强大的语言模型，旨在处理复杂的自然语言理解和生成任务。它在提供上下文回应方面表现出色，因此非常适合用于聊天机器人、内容创作和数字助手等应用，在这些应用中，交谈的流畅性和连贯性至关重要。

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 Deepseek R1

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("deepseek-ai/deepseek-r1", model_provider="nvidia")

第 3 步：安装并配置 Ollama bge-m3

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="bge-m3")

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 Deepseek R1 优化建议

为了优化NVIDIA Deepseek R1以用于检索增强生成（RAG），确保您的输入数据经过良好准备并进行索引，以便快速访问，利用其缓存能力。采用混合精度训练以提高性能，同时减少内存使用，并尝试不同的批量大小以找到最有效的处理速度。此外，定期监控并根据验证结果微调超参数，如学习率和.dropout率，以避免过拟合。实施异步数据加载，以便在管理I/O操作时保持GPU积极处理。最后，通过修剪非必要层和优化模型的推理管道来简化架构，以增强实时检索性能。

Ollama bge-m3 优化建议

为了优化在检索增强生成设置中的Ollama bge-m3组件，建议实施一个明确定义的缓存策略以存储经常访问的数据，这将显著减少响应时间并提升整体延迟。此外，通过调整检索模型的参数来提升查询相关性，以最大化质量，利用嵌入进行上下文增强。批量处理查询可以进一步提高吞吐量。最后，持续监控性能指标，以识别瓶颈并进行基于数据的调整，确保在生产环境中具有强大的可扩展性和响应能力。

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，你已经开启了从头构建 RAG 系统的魔法！你了解到 LangChain 如何充当粘合剂，顺畅地协调组件之间的数据流。借助其直观的框架，你将 Faiss——一个闪电般快速的向量数据库连接起来，以高效地存储和检索上下文，确保你的系统能够精准地回答问题。Ollama bge-m3 嵌入模型将文本转化为丰富的数值表示，捕捉语言的细微差别，使得 Faiss 能够找到最相关的信息。随后，NVIDIA 的 Deepseek R1 作为强大的 LLM 出现，通过将检索到的上下文与其先进的推理能力进行综合，生成类似人类的回应。这些工具共同构成了一个动态管道，连接知识检索与创造性生成，使你能够构建出几乎充满智慧的“活”应用。

但等等——还有更多！你还掌握了优化 RAG 系统的专业技巧，比如调整检索阈值以及平衡速度与准确性。教程中甚至还提供了一个 免费的 RAG 成本计算器，帮助你估算开支并更聪明地扩展。现在你已经看到了这些组件如何结合在一起，想象一下可能性：自定义聊天机器人、研究助理，甚至是 AI 驱动的辅导老师！工具掌握在你手中，最棒的部分是？你可以从小处着手，尽情实验，毫无畏惧地进行迭代。那么大胆去做吧——调整那些参数，替换模型，或加入你自己的创意。智能应用的未来任你塑造。你完全可以做到！ 🚀

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！💖