使用 LangChain、Faiss、OpenAI GPT-4o 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)。
OpenAI GPT-4o: 这款来自OpenAI的先进模型专注于生成高度连贯和上下文相关的文本。它对细微语言的理解得到了提升，在创意写作、对话代理和教育内容方面表现出色。GPT-4o非常适合需要深入回应和创造力的应用，具有跨行业的多样性。
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 OpenAI GPT-4o

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.chat_models import init_chat_model

llm = init_chat_model("gpt-4o", model_provider="openai")

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。

OpenAI GPT-4o 优化建议

GPT-4o针对速度和效率进行了优化，使其成为高性能RAG应用的绝佳选择。通过优化检索策略来最大化效率——使用重新排名的方法来优先考虑与模型相关性最高的文档。在保持检索上下文简洁的同时，减少令牌消耗，并确保提示遵循结构化格式。将温度调整至（0.1-0.2）以获得精确、基于事实的响应，同时在创意或探索性任务中略微提高温度。利用OpenAI API的流媒体功能来优化响应速度，减少实时应用的延迟。实施提示模板以标准化输入并减少响应中的变异性。使用混合搜索（结合关键词搜索和向量搜索）以实现更准确和上下文相关的检索。定期监控API延迟和响应一致性，动态调整检索参数以实现最佳性能。

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

"到现在为止，你已经解锁了从零开始构建RAG系统的魔力！你已经看到LangChain如何作为粘合剂，灵活地协调整个管道。它无缝连接了Faiss——一个高效存储和检索数据的闪电般快速的向量数据库——与OpenAI的GPT-4o，一个生成类人回答的强大LLM。你学习了Ollama bge-m3嵌入模型如何将原始文本转化为丰富的数值表示，使Faiss能够找到与你的查询最相关的上下文。这些工具共同形成了一个动态的工作流程：摄取数据，转换为嵌入，存储以便快速检索，然后让LLM生成准确且经过上下文丰富的答案。在此过程中，你发现了一些优化技巧，比如调整块大小以获得更好的嵌入，或在Faiss中使用元数据过滤以加快搜索速度。而谁能忘记那个免费的RAG成本计算器呢？这是你在性能和预算之间取得平衡的秘密武器，让你可以在不破产的情况下进行实验！

但这不仅仅是遵循步骤——这关乎赋权。你已经掌握了创建能够理解和智能响应的AI应用程序的技能，无论你是在构建聊天机器人、研究助手，还是其他完全不同的东西。可能性是无穷无尽的，而现在你具备了迭代、优化和创新的能力。也许你会为特定领域微调嵌入，或者在未来集成多模态数据。无论你选择什么，记住：你编写的每一行代码都将你的想法更接近现实。所以，去吧，去构建！调整参数，探索新数据集，推动RAG能做的边界。AI的未来掌握在你手中——今天就开始，让你的创造力尽情飞扬。🚀"