使用 LangChain、LangChain vector store、Databricks Llama 3.1 和 Ollama granite-embedding 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。)
• Databricks Llama 3.1: 这个来自Databricks的高级生成模型专注于数据驱动的人工智能和协作分析。它在可扩展的机器学习任务中表现出色，能够从大型数据集中提供强有力的洞察和预测。非常适合希望利用数据进行自动化报告、互动数据探索和增强决策过程的组织。
• Ollama Granite-Embedding: 这个AI模型专注于为各种数据类型生成高质量的嵌入，提升搜索和推荐系统的效果。它的优势在于能够捕捉数据中复杂的关系，使其非常适合用于语义搜索、自然语言处理或数字平台中的个性化应用。

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 Databricks Llama 3.1

pip install -qU "databricks-langchain"

import getpass
import os

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

from databricks_langchain import ChatDatabricks

os.environ["DATABRICKS_HOST"] = "https://example.staging.cloud.databricks.com/serving-endpoints"

llm = ChatDatabricks(endpoint="databricks-meta-llama-3-1-70b-instruct")

第 3 步：安装并配置 Ollama granite-embedding

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="granite-embedding")

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。)

Databricks Llama 3.1 优化建议

Databricks Llama 3.1 旨在支持可扩展和高性能的 RAG 应用，因此优化检索和处理效率至关重要。利用 Databricks 的分布式计算能力来并行化检索和嵌入计算，从而减少大型数据集的延迟。实施混合搜索（结合向量和关键字搜索）以提高检索的相关性。使用经过优化的提示模板来最小化令牌使用，同时最大化响应质量。微调温度（0.1–0.3）以确保事实一致性，并调整 top-k/top-p 以控制响应。缓存频繁查询的结果以减少冗余计算，提高成本效益和性能。如果处理大规模查询，利用 Databricks 的自动扩展动态分配资源，以避免瓶颈。实施增量索引以实时更新您的向量数据库，确保检索的准确性随时间保持在高水平。

Ollama granite-embedding 优化建议

为了优化您的检索增强生成（RAG）设置中的Ollama石材嵌入组件，请确保对文本数据进行预处理，以去除噪声和无关信息，从而提升嵌入的质量。利用批处理来批量创建嵌入，这可以显著提高吞吐量并减少计算开销。尝试不同的嵌入维度，以找到您特定用例中准确性与性能之间的最佳折衷。此外，考虑在领域特定数据上对嵌入模型进行微调，以增强在检索任务中的反应能力和相关性。最后，定期监控和评估性能指标，以识别瓶颈并迭代优化您的方法。

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，你已经解锁了结合前沿工具构建强大 RAG 系统的力量，从零开始构建！你了解了 LangChain 如何充当粘合剂，轻松协调 LangChain 向量存储（一个专门设计用于快速相似性搜索的数据库）与 Databricks 的 Llama 3.1（一个高性能的大型语言模型，将检索到的上下文转化为有洞察力的类人响应）之间的工作流程。同时，Ollama 的 granite-embedding 模型成为了你的秘密武器，将原始文本转化为丰富的数值表示，捕捉语义意义，从而精确检索最相关的信息。这些工具共同形成了一个动态管道：对数据进行分块，嵌入，快速访问存储，并合成听起来既准确又自然的答案。你还发现了一些实用的优化方法，比如调整分块大小，以在上下文与效率之间取得平衡，甚至探索了一个免费的 RAG 成本计算器，以估算费用并更智能地进行扩展——这是实际应用中的一个重要工具。

但这不仅仅是跟随步骤——这涉及到赋能！你亲眼见证了这些工具有多么模块化，它们如何邀请实验，以及小的调整如何能够带来性能上的巨大飞跃。无论你是在增强客户支持机器人，构建研究助手，还是创造个性化学习工具，你现在都有了创新的基础。所以，接下来是什么？带着这些构建模块，玩转提示，测试不同的嵌入策略，突破 RAG 系统的边界。智能应用的未来等待你来塑造，而你所写的每一行代码都让这个愿景更近一步。让我们开始构建——你的下一个突破就在等待着你！🚀

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！💖