44.9k联系我们登录免费试用

使用 LangChain、LangChain vector store、Cohere Command R 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。
  • 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: 该模型旨在高性能检索任务中表现出色，具备理解和生成自然语言的先进能力。它在语义搜索和文档摘要方面的优势，使其非常适合用于客户支持、内容生成和知识管理等应用，这些领域对准确性和上下文相关性要求极高。
  • 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 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", model_provider="cohere")

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 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 旨在进行检索增强生成，使高效的上下文检索和排名对于系统性能至关重要。通过使用 Cohere 的基于嵌入的搜索优化检索管道，以识别和排序最相关的文档，从而减少不必要的输入上下文，同时保持准确性。通过微调温度设置来提高响应质量；较低的值（0.1–0.2）最适合结构化的事实基础查询，而较高的值则在生成的响应中引入更多的变异性。利用提示模板保持一致的格式，确保输出的清晰性。实施批处理，当多个查询需要相似的上下文时，减少冗余的 API 调用。为了提高效率，缓存顶部查询结果，并利用增量上下文更新，而不是重复发送完整的文档集。如果在大规模部署，实时监控延迟和响应一致性，动态调整检索阈值，以实现速度和完整性之间的最佳平衡。

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 Calculate your RAG cost

收获与总结

通过深入本教程，您已经解锁了从零开始构建强大 RAG 系统的魔力！您学习了 LangChain 如何作为粘合剂，无缝连接管道的每个组件。借助其灵活的框架，您编排了数据流，将您的向量数据库（如 LangChain 内置的向量存储）链接以处理闪电般快速的语义搜索，并集成了 Cohere 的 Command R——这一前沿的 LLM——以生成精准、考虑上下文的答案。与此同时，Ollama 的 bge-m3 嵌入模型将您的原始文本转化为丰富的数值表示，确保您的系统理解细微差别并检索最相关的信息。这些工具共同形成了一个动态生态系统，检索与生成齐头并进，将非结构化数据转化为可操作的洞察。您还掌握了一些优化性能的专业技巧，如微调块大小和在速度与准确性之间取得平衡，甚至发现了一个免费的 RAG 成本计算器，以保持项目预算友好而不牺牲性能。

现在您已经了解了这些部分如何结合在一起，真正的乐趣才开始！无论您是在构建聊天机器人、研究助手还是自定义知识库，您都有创新的工具。尝试不同的模型，调整您的检索策略，让您的创造力自由驰骋。请记住，您所做的每一次优化——无论是减少延迟还是提升答案质量——都为您的创作增添了光彩。RAG 的世界等待您去探索，而本教程只是一个发射台。所以启动您的代码编辑器，拥抱构建的迭代乐趣，开始将您的想法转化为智能、响应迅速的应用程序。未来的 AI 驱动解决方案掌握在您手中——让我们一起创造非凡的成果！🚀

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！💖

大规模向量数据库

Zilliz Cloud 是一个专为大规模应用构建的全托管向量数据库，完美适配您的 RAG 应用。

免费试用 Zilliz Cloud
快速免费计算您的 RAG 成本

继续阅读

AI Assistant