使用 LangChain、LangChain vector store、Cohere Command 和 NVIDIA nv-embed-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。)
• Cohere Command: Cohere Command是一种强大的语言模型，专为面向任务的应用设计，强调效率和可扩展性。它在生成上下文响应方面表现出色，能够执行自然语言处理任务，如文本生成、摘要和查询回答。非常适合希望增强客户互动和自动化工作流程的企业，通过准确和相关的输出来提高效率。
• NVIDIA nv-embed-v1: 这个模型专注于为各种应用生成高质量的嵌入，如图像和文本处理。它的优势在于高效捕捉语义相似性和上下文信息。非常适合语义搜索、推荐系统和自然语言理解等任务，它为各个行业的先进人工智能解决方案提供了支持。

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 Cohere Command

pip install -qU "langchain[cohere]"

import getpass
import os

if not os.environ.get("COHERE_API_KEY"):
  os.environ["COHERE_API_KEY"] = getpass.getpass("Enter API key for Cohere: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("command", model_provider="cohere")

第 3 步：安装并配置 NVIDIA nv-embed-v1

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-embed-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。)

Cohere Command 优化建议

Cohere Command 是一款通用语言模型，可以通过提示工程、有效检索和结构化响应控制来优化 RAG 工作流程。为了提高准确性，使用 Cohere 的重新排序功能在将检索到的文档传入模型之前进行筛选和优先排序。保持输入提示简洁且结构化，减少标记开销，同时确保模型有明确的上下文。通过调整温度（0.1–0.3 以确保事实准确性）和 top-p 采样等参数来优化响应质量，以控制创造力水平。通过结合密集和稀疏检索方法实施混合搜索技术，以提高召回率和精准度。为了成本效益的扩展，缓存频繁查询的响应，并为常见知识领域预计算嵌入。在需要实时生成的场景中流式传输响应，尽量减少延迟，同时确保用户参与度。通过 Cohere 的分析工具监控 API 使用情况和延迟，以根据性能趋势微调检索策略。

NVIDIA nv-embed-v1 优化建议

为了在检索增强生成（RAG）设置中优化 NVIDIA nv-embed-v1，请确保使用特定领域的数据对您的模型进行微调，以提高相关性和准确性。利用混合精度训练来加快训练时间并减少内存使用。实施高效的批处理技术以处理更大的数据集，从而最大化吞吐量。利用 NVIDIA 的 TensorRT 进行推理优化，以实现更快的检索响应时间。最后，监测 GPU 利用率，并尝试各种超参数，例如学习率和 dropout 率，以实现针对您的应用需求的最佳性能。

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

通过深入这个教程，你已经解锁了从零开始构建RAG系统的魔力！你学习了LangChain如何作为将一切连接在一起的纽带， seamlessly 将你的数据管道与强大的AI模型连接起来。LangChain向量存储成为你的检索强大引擎，以速度和精确度组织和查询你的数据，而NVIDIA快速的nv-embed-v1嵌入模型将原始文本转化为丰富的、可搜索的向量。这些工具共同将非结构化数据转化为可操作的洞察。然后就是本次教程的明星：Cohere的Command模型，它将那些检索到的片段制作出类人、贴合上下文的响应。你亲眼见证了每个组件如何发挥重要作用——框架进行协调，向量数据库进行导航，嵌入负责翻译，而LLM生成响应——从而创造出一个比以往更加智能、快速和直观的系统。

但这个教程并没有停留在基础知识上！你还掌握了一些优化成本和性能的专业技巧，比如在检索准确性和计算效率之间进行平衡，甚至还提前了解了一个免费的RAG成本计算器，以便让你的项目保持在预算内。现在，手握这套工具包，你准备构建几乎感觉活着的RAG应用——无论是提升客户支持，推动研究工具，还是创建真正理解上下文的聊天机器人。AI驱动解决方案的未来由你来塑造。所以，继续大胆实验、调整和创新吧。你的想法不再受到技术壁垒的限制；你已经拥有将它们变为现实的技能。让我们一起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！💖