使用 LangChain、LangChain vector store、Google Vertex AI Claude 3 Haiku 和 IBM slate-125m-english-rtrvr-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。)
- Google Vertex AI Claude 3 Haiku: 这是谷歌Vertex AI生态系统中的一个多功能模型，旨在实现无缝集成和增强的生成能力。它在自然语言处理任务中表现出色，包括文本生成、摘要和对话式人工智能。非常适合希望利用人工智能在各个领域构建强大、可扩展应用的企业。
- IBM slate-125m-english-rtrvr-v2: 这个AI模型旨在用于自然语言理解和文本检索任务。借助先进的训练技术，它在处理和提取大型数据集中的相关信息方面表现出色，非常适合用于聊天机器人、客户支持和内容推荐系统等应用。它的优势在于能够理解上下文并高效地提供准确的响应。
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 Google Vertex AI Claude 3 Haiku
pip install -qU "langchain[google-vertexai]"
# Ensure your VertexAI credentials are configured
from langchain.chat_models import init_chat_model
llm = init_chat_model("claude-3-haiku@20240307", model_provider="google_vertexai")
第 3 步：安装并配置 IBM slate-125m-english-rtrvr-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="ibm/slate-125m-english-rtrvr-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。)
Google Vertex AI Claude 3 Haiku 优化建议
Claude 3 Haiku 在 Google Vertex AI 上旨在低延迟的 RAG 应用程序中，要求快速检索和生成。通过使用高效的向量搜索技术来优化检索，以最小化上下文中的无关数据。保持提示简短和结构化，以最大限度地提高清晰度，同时减少令牌使用量。针对基于事实的查询，将温度设置在 0.1 到 0.3 之间，以保持准确性。利用 Google Cloud 的自动扩展和缓存功能有效应对峰值负载。如果在多模型设置中部署，请将 Haiku 保留用于快速、高容量的任务，同时将复杂推理卸载到更大的模型中。实施响应流式传输以实现实时应用，减少延迟并提高互动性。
IBM slate-125m-english-rtrvr-v2 优化建议
为了在检索增强生成（RAG）设置中优化IBM slate-125m-english-rtrvr-v2，首先在与应用相关的特定领域数据上进行微调，因为这会提高响应质量。实施一个缓存机制，以存储频繁访问的文档，从而减少检索延迟。尝试查询重构技术，以通过使查询与索引内容更加一致来提高检索准确性。此外，确保您的索引过程高效，利用并行计算，并定期监控性能指标，以识别和解决瓶颈。最后，采用集成方法，通过结合多个模型或检索策略来增强生成输出的鲁棒性和多样性。
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
你刚刚解锁了从零开始构建尖端RAG系统的能力！到目前为止，您已经看到LangChain如何作为将所有内容联系在一起的粘合剂——编排工作流程，管理组件之间的交互，并简化复杂任务。LangChain向量存储充当您可信的检索引擎，有效地组织和查询数据，以便您的系统在需要时能够提取精确的上下文。谷歌的Vertex AI Claude 3 Haiku作为LLM强大的核心，以速度、经济性和令人印象深刻的推理能力生成建立在检索数据基础上的类人响应。让我们不要忘记IBM的slate-125m-english-rtrvr-v2嵌入模型，它将文本转化为丰富的数值表示，使得在查询和您的知识库之间找到语义联系成为可能。这些工具共同形成一个无缝的管道：摄取数据、嵌入、检索上下文，并生成感觉既有见地又自然的答案。
但是，等等——还有更多！本教程不仅仅止于基础。您学到了优化技巧，比如调整块大小以获得更好的延迟-准确性平衡，以及利用缓存来节省成本。您探索的免费RAG成本计算器是一个游戏改变者，帮助您估算费用并更智能地扩展。现在想象一下您可以构建的内容：能够真正解决问题的客户支持机器人、消化海量数据的研究助手，或激发新创意的创意工具。这些工具掌握在您手中，可能性是无穷无尽的。那么，继续前进吧——实验、迭代和创新。调整参数、测试新数据集，看看您的RAG系统如何演变。智能应用的未来将由您一行代码一行代码地塑造。让我们一起构建一些惊人的东西吧！ 🚀
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！💖
