使用 LangChain、LangChain vector store、Anthropic Claude 3.5 Sonnet 和 HuggingFace all-MiniLM-L12-v1 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 3.5 Sonnet: Claude 3系列中的这个先进模型旨在实现深刻理解和创造性的语言生成。凭借增强的提示理解和上下文意识，它在复杂对话、创意写作和高级内容创作中表现卓越。非常适合需要深入参与和高质量输出的应用场景。
- HuggingFace all-MiniLM-L12-v1: 这个模型是一个轻量级的变换器，旨在高效地处理自然语言理解和生成任务。它在提供高质量的嵌入方面表现出色，适用于搜索、聚类和对话AI等多种应用，同时保持小巧的资源占用，以实现更快的推理和部署。非常适合资源受限的环境或移动应用程序，它在性能与效率之间达到了良好的平衡。
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 3.5 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-3-5-sonnet-latest", model_provider="anthropic")
第 3 步：安装并配置 HuggingFace all-MiniLM-L12-v1
pip install -qU langchain-huggingface
from langchain_huggingface import HuggingFaceEmbeddings
embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L12-v1")
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 3.5 Sonnet 优化建议
Claude 3.5 Sonnet 提供了增强的推理能力，同时在速度和复杂性之间保持平衡。通过优化检索管道来优先考虑排名最高的上下文，减少不必要的令牌消耗。使用自适应切块方法提供结构化和简洁的上下文，确保模型只接收最相关的信息。实施动态查询选择方法，将简单的问题路由到 Claude 3.5 Haiku，以提高成本和速度效率，同时将 Sonnet 保留用于更深层次的推理。通过批处理和响应缓存来优化 API 请求处理，以降低延迟。微调温度和采样设置，对于基于检索的任务保持较低，以实现确定性的输出。使用系统指令来指导响应，改善一致性并减少幻觉。如果大规模部署，利用并行查询执行和实时监控，根据系统性能指标动态调整工作负载。
HuggingFace all-MiniLM-L12-v1 优化建议
为了优化 HuggingFace 的 all-MiniLM-L12-v1 模型以适应你的检索增强生成 (RAG) 设置，可以考虑实施混合精度训练，以加快计算速度并减少内存使用，这样可以处理更大的批量大小。在微调过程中实验性地冻结某些层，以保留某些参数并优化其他参数，从而确保更快的收敛。使用高效的数据预处理管道以减少输入瓶颈，并为频繁访问的数据实施缓存机制。此外，利用模型蒸馏技术创建更小、更快的模型版本，同时保持相当的性能，并尝试不同的池化策略，以找到最有效的方式来浓缩检索到的文档，以便提供更好的上下文输入。最后，根据验证性能定期监控和微调超参数，如学习率和批量大小，以实现最佳结果。
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。
Calculate your RAG cost
收获与总结
通过深入这个教程，您已经解锁了从零开始构建RAG系统的魔力！您现在了解LangChain如何作为粘合剂，将一切连接在一起，协调工作流程，以无缝地连接您的数据、模型和用户交互。LangChain向量存储成为您的数据强大后盾，以精准的方式组织和检索信息，而来自HuggingFace的全MiniLM-L12-v1嵌入模型将原始文本转换为丰富的数值表示，使上下文和意义变得明确。接着是Anthropic的Claude 3.5 Sonnet——操作的核心——利用这些嵌入生成类似人类的、富有洞察力的响应，听起来自然且相关。这些工具共同形成一个动态管道，将非结构化数据转化为可操作的知识，同时考虑效率和可扩展性。您还掌握了优化性能的专业技巧，例如微调检索阈值和在成本与质量之间取得平衡，甚至发现了一个免费的RAG成本计算器，帮助您更聪明地规划！
但这才是开始。想象一下您现在可以构建什么——自定义聊天机器人、研究助手，甚至是量身定制的AI驱动知识库。这个教程为您提供了基础技能，但真正的冒险是在您创造性地应用这些工具时开始的。尝试不同的数据集，调整参数以查看它们如何影响结果，不要害怕挑战Claude和LangChain的极限。记住，每一次迭代都让您更接近真正开创性的成果。所以，启动您的IDE，深入代码，让好奇心引领方向。智能应用的未来掌握在您手中——去构建一些惊人的东西吧！
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！💖
