使用 LangChain、LangChain vector store、Fireworks AI DeepSeek R1 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。)
• Fireworks AI DeepSeek R1: 这个先进的模型专注于深度数据探索和洞察生成。它具有强大的分析能力和高准确性，能够有效识别大数据集中模式和趋势。DeepSeek R1 适用于商业智能、市场分析和研究应用，帮助组织自信地做出数据驱动的决策。
• 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 Fireworks AI DeepSeek R1

pip install -qU "langchain[fireworks]"

import getpass
import os

if not os.environ.get("FIREWORKS_API_KEY"):
  os.environ["FIREWORKS_API_KEY"] = getpass.getpass("Enter API key for Fireworks AI: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("accounts/fireworks/models/deepseek-r1", model_provider="fireworks")

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。)

Fireworks AI DeepSeek R1 优化建议

DeepSeek R1 是一个强大的模型，适合需要高质量检索和生成的 RAG 应用。通过使用高效的文档嵌入策略来优化性能，确保检索到的文档在传递给模型之前具有高度相关性。有效构建提示，强调关键细节，以指导响应。将温度设置在 0.1 到 0.2 之间以确保事实准确性，并在需要时调整 top-p 以增加响应的多样性。通过缓存频繁查询和使用批量 API 调用进行批量处理来减少延迟。如果在 Fireworks AI 基础设施上运行，请利用 GPU 加速来提高吞吐量。针对需要低延迟输出的互动应用，实施响应流式传输。持续监控查询性能，并根据复杂性调整检索深度，以优化效率。

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。

立即使用 RAG 成本计算器

Calculate your RAG cost

收获与总结

"到现在为止，你已经解锁了从零开始构建RAG系统的魔力！你看到LangChain作为粘合剂，毫无缝隙地将你的组件连接成一个流畅的端到端管道。凭借其直观的框架，你编排了工作流以获取数据、生成上下文相关的响应并管理交互，同时保持你的代码整洁且可扩展。LangChain向量存储作为你可靠的检索引擎，组织了Hugging Face的all-MiniLM-L12-v1模型所创建的嵌入，这个模型将文本转化为丰富的数值表示。这个小巧却强大的嵌入模型证明了效率并不牺牲质量，以其捕捉语义含义的能力展现了强大的张力。接着是Fireworks AI的DeepSeek R1，这个LLM强者将检索到的上下文转化为连贯、人类般的答案，迅速且智能地混合，使你的应用程序感觉像是活过来了一样。

但等等，还有更多！你还获得了优化成本和性能的专业技巧，比如调整块大小和平衡延迟与准确性。那个免费的RAG成本计算器？是预算项目时避免意外的游戏规则改变者。现在，想象一下接下来会发生什么：为细分领域精炼这个系统，添加多模态输入，甚至自动化工作流。工具掌握在你手中，可能性是无限的。所以，尽情地实验、迭代，让你的创造力尽情发挥。构建一些让你感到惊喜的东西，解决真实问题，或者仅仅让某人的一天变得稍微轻松一些。智能应用的未来由你来塑造。让我们开始编码吧！🚀"

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！💖