44.9k联系我们登录免费试用

使用 LangChain、LangChain vector store、Fireworks AI Llama 3.1 70B Instruct 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。)
  • Fireworks AI Llama 3.1 70B Instruct: 这个高级模型旨在执行遵循指令的任务，拥有70亿个参数，以增强理解力和上下文处理能力。它在生成连贯、与上下文相关的输出方面表现出色，适用于复杂查询，使其成为互动应用、教育工具和需要详细和精确信息的客户支持系统的理想选择。
  • 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 Fireworks AI Llama 3.1 70B Instruct

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/llama-v3p1-70b-instruct", model_provider="fireworks")

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。)

Fireworks AI Llama 3.1 70B Instruct 优化建议

Llama 3.1 70B Instruct 是一个强大的模型，兼具速度和推理能力。通过结合语义和基于关键词的匹配使用混合搜索方法来提升检索性能。保持提示结构清晰，确保重点关注关键信息。将温度设置在 0.1 和 0.3 之间，微调 top-k 和 top-p 值以控制输出的可变性。对频繁使用的查询实施缓存策略，以优化成本和效率。Fireworks AI 的自动扩展能力允许动态资源分配——利用这一点有效处理峰值工作负载。流式响应可以改善实时应用的用户体验。如果和更大的模型一起部署 70B，则将其作为处理中等复杂查询的中间选项，同时将最大的模型保留用于深度分析推理。

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

通过深入学习本教程，您已经解锁了从头构建强大的 RAG 系统的魔力！您了解了 LangChain 如何作为胶水，将一切串联在一起，协调您的向量数据库、嵌入模型和 LLM 之间的数据流。借助 LangChain 的向量存储，您看到了如何高效存储和检索丰富上下文的嵌入——就像组织一个供 AI 即时访问的知识库。接下来是明星角色：Ollama 的超快 bge-m3 嵌入模型，它能够高精度地将文本转化为高维向量，以及 Fireworks AI 的 Llama 3.1 70B Instruct，这是一个强大的 LLM，可以将检索到的上下文转化为富有洞察力的人类化回应。这些工具共同创建了一个无缝的管道，在这个管道中，查询触发智能的上下文检索和深思熟虑的回答，同时保持幻觉的控制。您还掌握了优化性能的专业技巧，比如调整块大小和尝试检索策略，并发现了免费的 RAG 成本计算器，以保持项目的预算友好。

现在您已经看到了这些部分是如何结合在一起的，真正的冒险才刚开始！您具备了构建更智能的聊天机器人、动态问答系统，甚至是根据您的需求定制的 AI 助手的能力。无论您是提高管道的准确性，还是将其扩展到实际应用，您在这里学到的工具和技术都是您的发射台。因此，尽情尝试吧——无畏实验，创造性迭代，让您的想法腾飞。智能应用的未来掌握在您手中，创造没有限制。开始构建，持续优化，观赏您的 RAG 驱动的创新变为现实！🚀

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