使用 LangChain、Faiss、NVIDIA Qwen2.5-7B-Instruct 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 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。
• 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 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 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 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。

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

通过阅读这个教程，你已经解锁了从零开始构建强大RAG系统的魔力！你了解到LangChain是将所有组件连接在一起的“胶水”，协调着数据在各个部分之间的流动。借助它直观的框架，你可以轻松连接类似FAISS的向量数据库——它能够进行闪电般快速的相似性搜索——以及NVIDIA的Qwen2.5-7B-Instruct，这是一款能够生成类人、上下文敏感响应的前沿大型语言模型（LLM）。更不用说OpenAI的text-embedding-3-small，它将凌乱的文本转换为清晰的数值向量，使FAISS能够迅速找到相关信息。这些工具共同构成了一个动态管道，能够像专业人士一样检索、理解和综合信息。此外，你还学到了优化技巧，比如切片策略和模型微调，以提高效率和准确性，甚至可能用免费的RAG成本计算器测试你的设置，使你的项目更具预算友好性！

但这仅仅是个开始！你已经亲眼看到这些组成部分如何融入更大的全局——你可以创建回答问题、总结内容，甚至为聊天机器人提供深度和精准度的AI应用。现在轮到你来实验、调整和创新了。尝试更换模型、调整参数或添加新的数据源。工具在你手中，可能性无穷无尽。所以，勇敢地去构建一些大胆的东西，毫无畏惧地进行优化，并分享你所创造的。智能系统的未来在等着你来塑造。让我们开始编程吧！🚀

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！💖