使用 LangChain、LangChain vector store、Cohere Command R+ 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。)
• Cohere Command R+: 该模型专注于快速检索和密集文本理解，优先考虑搜索和信息提取任务中的性能。凭借增强的上下文意识，它能够提供准确的结果，非常适合在客户支持、内容推荐和企业搜索解决方案等应用中，满足对响应效率和相关性高的需求。
• 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 Cohere Command R+

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-r-plus", model_provider="cohere")

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。)

Cohere Command R+ 优化建议

Cohere Command R+ 是一个针对检索密集型工作负载优化的高级模型，因此精炼上下文选择和排名机制至关重要。使用 Cohere 的重排名模型对检索到的段落进行排序，基于语义相关性，确保仅处理最相关的信息。通过将文档分段为有意义的块并限制不必要的上下文，优化令牌经济，避免提示过载。根据查询的复杂性动态调整检索深度——对于复杂查询进行更广泛的搜索，针对简单提示进行更狭窄的搜索。根据使用案例微调温度和采样参数，较低的值确保更可靠、真实的输出。对于高吞吐量的应用，实施异步处理和并行查询执行以提高效率。对经常访问的主题进行缓存和预生成响应，可以显著降低推理成本并提高响应时间。根据用户反馈和性能分析定期测试和优化检索配置，以保持 RAG 工作流中的高质量输出。

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。

立即使用 RAG 成本计算器

Calculate your RAG cost

收获与总结

" 通过深入本教程，您已解锁了结合尖端工具构建完全功能的RAG系统的能力！您了解了LangChain如何作为粘合剂，流畅地协调组件之间的数据流。凭借其模块化设计，LangChain简化了将您的向量数据库（如支持LangChain的存储）连接以高效存储和检索上下文的过程。接着，您看到了NVIDIA的nv-embed-qa-e5-v5嵌入模型如何将原始文本转化为丰富的数值表示，捕捉语义意义，使您的系统理解要检索的内容。与Cohere的Command R+结合，这是一种为RAG优化的尖端LLM，您见证了检索到的上下文如何成为连贯、准确和上下文感知答案的基础。在此过程中，您掌握了优化技巧，例如调整块大小、平衡速度和准确性，以及使用元数据过滤来细化结果——这些小调整在性能上带来了巨大差异！别忘了您探索的免费RAG成本计算器，它帮助您估算费用并负责任地扩展。

现在您已经看到了集成框架、数据库、模型和嵌入的魔力，是时候将这些知识转化为您自己的了。尝试不同的切块策略，为小众用例更换嵌入模型，或微调提示以匹配您的应用语调。无论您是构建客户支持机器人、研究助手，还是创意写作工具，您拥有创新所需的工具包。请记住：每次微调、测试和迭代都将使您更接近一个几乎充满智慧的系统。快来启动您的IDE，游玩代码，让您的创造力驰骋——智能应用的未来等待您来构建。准备好，出发，RAG！🚀 "

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！💖