使用 LangChain、Faiss、NVIDIA Qwen2.5-7B-Instruct 和 Ollama paraphrase-multilingual 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 Qwen2.5-7B-Instruct: 这个先进的语言模型旨在执行按照指令的任务，利用70亿个参数的能力来理解和生成多样化的文本响应。它的优势在于自然语言理解和上下文适应能力，使其成为辅导、对话代理和各个领域的自动内容生成应用的理想选择。
Ollama Paraphrase-Multilingual: 这个AI模型专注于在多种语言之间生成释义，增强内容的多样性和可达性。它的优势在于理解上下文，同时改变句子结构，这使其非常适合于翻译服务、内容创作和多语言学习应用。

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 Qwen2.5-7B-Instruct

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("qwen/qwen2.5-7b-instruct", model_provider="nvidia")

第 3 步：安装并配置 Ollama paraphrase-multilingual

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="paraphrase-multilingual")

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 Qwen2.5-7B-Instruct 优化建议

为了在检索增强生成（RAG）设置中优化NVIDIA Qwen2.5-7B-Instruct模型，可以考虑实施混合精度训练，以减少内存占用并加快训练速度。针对特定领域数据对模型进行微调，以提高生成响应的相关性，同时调整检索组件的余弦相似度阈值，以平衡精度和召回率。利用高效的缓存机制存储频繁访问的数据，确保低延迟响应。根据查询的复杂性实验不同的检索次数，并在推理时利用批处理来最大化吞吐量。最后，关注硬件利用率指标，以调整配置并实现最佳性能。

Ollama Paraphrase-Multilingual 优化建议

为了优化您的检索增强生成（RAG）设置中的Ollama多语言释义组件，请确保您的训练数据集多样化，并能代表您打算支持的语言和方言，因为这可以提高在不同语境下的释义准确性。使用领域特定数据进行迁移学习，以提高在小众主题上的表现。根据验证结果调整诸如学习率和批量大小等超参数，以增强收敛性。实施缓存机制以存储频繁访问的释义，从而减少检索过程中的响应时间。定期监控和分析性能指标，以识别瓶颈，并考虑根据用户反馈和新数据集定期微调模型，以适应不断发展的语言使用。

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

通过深入本教程，你已经解锁了从零开始构建强大的 RAG 系统的魔力！你了解了 LangChain 如何作为粘合剂，无缝连接管道中的每个组件。通过其直观的编排，你构建了工作流，以动态地获取、处理和生成响应。然后出现了 Faiss，你的向量数据库超级英雄，使得快速的相似性搜索成为可能，以检索最相关的数据片段。将其与 Ollama 的释义-多语言嵌入模型结合，你将原始文本转化为丰富的、上下文感知的向量——确保你的系统理解语言和领域之间的细微差别。还有不能忘记的明星：NVIDIA 的 Qwen2.5-7B-Instruct，这个 LLM 将检索到的数据转化为连贯的人类回答。这些工具共同构成了一种高效和智能的交响乐，证明 RAG 不仅仅是一个概念——它是一个可以为任何用例定制的切实可行、可扩展的解决方案！

但等等，还有更多！你还获得了优化性能的专业技巧，比如微调检索阈值以及在速度与准确性之间取得平衡。免费的 RAG 成本计算器增添了实用的元素，帮助你估算开支并计划更智能的部署。现在，掌握了这些知识的你，准备好进行创新。无论你是在构建聊天机器人、研究工具，还是企业级助手，你都有了蓝图。那么，接下来是什么？调整提示、实验嵌入，或者扩大你的系统以处理数百万个查询。RAG 的世界等你去探索——去构建一些具有突破性的东西，分享你的胜利，不断推动可能性的边界。你下一个伟大的想法就只在一段代码之遥！ 🚀

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！💖

内容

大规模向量数据库

Zilliz Cloud 是一个专为大规模应用构建的全托管向量数据库，完美适配您的 RAG 应用。

免费试用 Zilliz Cloud

分享文章

快速免费计算您的 RAG 成本