使用 LangChain、LangChain vector store、Fireworks AI Llama 3.1 8B Instruct 和 IBM all-minilm-l12-v2 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 8B Instruct: 这个模型旨在通过先进的推理能力提供精确的指示和指导。它拥有80亿个参数，能够在各个领域生成连贯的回应，适合用于教育工具、虚拟助手和互动内容创作。它的优势在于通过个性化的互动来增强用户参与感。
- IBM all-minilm-l12-v2: 这个模型是一个紧凑而强大的基于变换器的架构，针对自然语言理解和处理任务进行了优化。它在需要高效计算而不牺牲性能的场景中表现出色，非常适合应用于聊天机器人、信息检索和情感分析等领域。其轻量化设计使其能够在资源受限的环境中集成，同时保持竞争力的准确性。
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 8B 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-v3p1-8b-instruct", model_provider="fireworks")
第 3 步：安装并配置 IBM all-minilm-l12-v2
pip install -qU langchain-ibm
import getpass
import os
if not os.environ.get("WATSONX_APIKEY"):
os.environ["WATSONX_APIKEY"] = getpass.getpass("Enter API key for IBM watsonx: ")
from langchain_ibm import WatsonxEmbeddings
embeddings = WatsonxEmbeddings(
model_id="sentence-transformers/all-minilm-l12-v2",
url="https://us-south.ml.cloud.ibm.com",
project_id="<WATSONX PROJECT_ID>",
)
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 8B Instruct 优化建议
Llama 3.1 8B Instruct 是一个具有成本效益的模型，它在具有适度复杂性的 RAG 应用中表现出色。通过将上下文长度限制在最相关的段落上来优化检索，以确保有效的令牌使用。清晰地构建提示，采用简短且组织良好的部分，以引导模型的关注。将温度保持在 0.1–0.3 之间，以提高准确性，并针对灵活性微调 top-k 和 top-p。缓存高频查询，以最小化冗余处理和降低 API 成本。利用 Fireworks AI 的基础设施批量请求，优化大规模操作的效率。使用响应流以增强需要快速反馈的应用中的互动性。如果部署多个模型，利用 8B 处理简单查询，而将更复杂的任务交给更大的模型。
IBM all-minilm-l12-v2 优化建议
为了在检索增强生成（RAG）设置中优化IBM all-minilm-l12-v2模型，可以考虑在特定领域的数据集上进行微调，以增强其对特定用例的相关性和准确性。实施模型蒸馏技术，以在保持性能的同时减少推理时间。此外，通过根据输入数据调整最大序列长度，确保高效的批处理，并利用混合精度训练来提高计算效率。定期评估模型在不同检索方法下的性能，以确定最佳组合，并考虑对频繁访问的数据采用缓存策略，以最小化延迟。最后，在微调过程中，尝试不同的超参数，如学习率和丢弃率，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。
Calculate your RAG cost
收获与总结
通过深入这个教程，你已经解锁了从零开始构建RAG系统的魔力！你学习了LangChain如何作为连接各个组件的胶水，以无缝的方式创建一个凝聚的管道。IBM的all-minilm-l12-v2嵌入模型将你的文本转化为丰富而有意义的向量，捕捉了数据的本质，以便LangChain向量存储能够快速索引和检索它。接着，Fireworks AI的Llama 3.1 8B Instruct作为大脑，综合检索到的上下文，生成感觉准确而自然的人类回应。所有这些工具共同形成了一种强大的组合——证明RAG不仅仅是一个概念，而是一个切实可行、可扩展的解决方案，可以为应用程序注入上下文感知智能。你甚至发现了如何优化性能，比如调整块大小以提高检索效率，或在模型调用中平衡速度和准确性，确保你的系统在现实场景中顺利运行。
但等等，还有更多！你还探索了像免费的RAG成本计算器这样的工具，帮助你估算费用并在扩展时做出明智的决策。想象一下现在的可能性——无论你是在构建客户支持机器人、研究助手，还是创意写作工具，你都有了实现这些目标的蓝图。最棒的是？这仅仅是开始。拥有这些技能，你已经准备好进行实验、迭代，并推动AI的边界。所以，继续——调整那些参数，测试新的数据集，让你的创造力尽情发挥。智能应用的未来由你来塑造，一次一个RAG驱动的创新。让我们一起构建一些令人敬畏的东西吧！🚀
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！💖
