使用 LangChain、LangChain vector store、Anthropic Claude 3 Sonnet 和 NVIDIA nv-embedqa-e5-v5 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。
- LangChain in-memory vector store: 一个内存型， 临时性 的向量存储，将嵌入数据存储在内存中，并通过精确的线性搜索找到最相似的嵌入。默认的相似度度量是余弦相似度，但可以更改为 ml-distance 支持的任何相似度度量。目前该存储仅适用于演示，不支持 ID 或删除操作。 (如果您需要为应用程序或企业项目提供更具扩展性的解决方案，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。)
- Anthropic Claude 3 Sonnet: Claude 3 系列中的这款先进模型专注于创造性和细腻的文本生成。它对上下文和语调有深刻的理解，非常适合应用于创意写作、对话生成和讲故事。其生成清晰而引人入胜的散文的能力，使其成为内容创作和娱乐领域的理想选择。
- NVIDIA nv-embedqa-e5-v5: 这个模型结合了先进的自然语言处理和深度学习，实现了高效的问题回答。它在理解上下文和从嵌入的知识源中提供准确的响应方面表现出色。非常适合于客户支持、聊天机器人和互动学习环境等应用，通过直观的互动增强用户参与度。
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 Anthropic Claude 3 Sonnet
pip install -qU "langchain[anthropic]"
import getpass
import os
if not os.environ.get("ANTHROPIC_API_KEY"):
os.environ["ANTHROPIC_API_KEY"] = getpass.getpass("Enter API key for Anthropic: ")
from langchain.chat_models import init_chat_model
llm = init_chat_model("claude-3-sonnet-20240229", model_provider="anthropic")
第 3 步：安装并配置 NVIDIA nv-embedqa-e5-v5
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_nvidia_ai_endpoints import NVIDIAEmbeddings
embeddings = NVIDIAEmbeddings(model="nvidia/nv-embedqa-e5-v5")
第 4 步：安装并配置 LangChain vector store
pip install -qU langchain-core
from langchain_core.vectorstores import InMemoryVectorStore
vector_store = InMemoryVectorStore(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。
LangChain in-memory vector store 优化建议
LangChain 内存型向量存储只是一个临时性的向量存储，它将嵌入数据存储在内存中，并进行精确的线性搜索以找到最相似的嵌入。它的功能非常有限，仅适用于演示。如果您计划构建一个功能完整甚至生产级的解决方案，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。)
Anthropic Claude 3 Sonnet 优化建议
Claude 3 Sonnet 在速度和准确性之间提供了平衡，使其成为 RAG 系统的多功能选择。通过限制每个查询检索的文档数量来优化检索效率，以避免过多的上下文窗口使用，这可能会减慢响应时间。使用语义切块技术将文档分解为有意义的部分，确保仅将最相关的信息传递给模型。根据用户查询的复杂性动态调整温度和采样参数，对于事实性响应使用较低的值，对于生成创意文本时使用较高的值。实施结构化提示，以引导模型向更精确的答案发展，减少响应中的歧义。如果集成多个模型，则在面对适度复杂的查询时使用 Sonnet 作为中间选项，同时将 Opus 保留用于高风险推理任务。利用 Claude 的 API 优化功能，例如流式传输，以提高响应时间和系统效率。
NVIDIA nv-embedqa-e5-v5 优化建议
为了在检索增强生成（RAG）设置中优化 NVIDIA nv-embedqa-e5-v5，首先确保您的模型经过多样化的训练数据集正确微调，以提高检索准确性。利用混合精度训练来提高计算效率并减少内存使用。对查询和响应实施批处理，以利用并行处理能力。定期监控并调整学习率和其他超参数，以获得最佳训练性能。最后，结合缓存机制以存储频繁访问的嵌入和结果，从而显著加快检索速度。
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。
Calculate your RAG cost
收获与总结
" 通过参与本教程，你已经解锁了从零开始构建强大RAG系统的魔力！你见证了LangChain如何作为连接你管道各个组件的胶水，同时处理工作流的编排。LangChain的向量存储成为了你的检索力量中心，组织由NVIDIA快速的nv-embed-qa-e5-v5模型生成的嵌入向量——一个将文本转换为丰富、可搜索向量的工具。这些元素共同创建了一个强大的知识库，能够为你的查询提供精确的上下文。然后，真正的明星出场了：Anthropic的Claude 3 Sonnet，它将检索到的上下文转化为连贯且富有洞察力的答案，展现了其理解细微差别并提供人类般回应的能力。你学习了如何将这些部分缝合成一个连贯的流程——摄取数据、优化分块策略以及在速度与准确性之间寻求平衡，同时发现了诸如调整分块大小以提升性能或使用并行处理加速嵌入的专业技巧。免费的RAG成本计算器更是锦上添花，帮助你估算开支并进行更聪明的部署规划。
现在你已经看到了蓝图，想象一下无限的可能性！你已经具备构建能够回答复杂问题、总结文档，甚至拥有深厚领域专业知识的聊天机器人的应用程序的能力。这些工具都是你的——LangChain的灵活性、Claude的聪明才智、NVIDIA的高效以及你自己的创造力。不要停下来：尝试混合检索策略，为你的特定领域微调模型，或探索对知识库的实时更新。你所做的每一次优化都将解锁新的潜力。所以，继续前进——构建一些让用户惊艳、解决实际问题并推动人工智能边界的东西。智能系统的未来掌握在你手中，而这仅仅是个开始。让我们开始编码吧！🚀 "
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！💖
