使用 LangChain、LangChain vector store、Google Vertex AI Claude 3 Opus 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。)
Google Vertex AI Claude 3 Opus: 这个高级人工智能模型将谷歌的云计算能力与Claude强大的语言理解能力相结合。它在生成连贯且具有上下文相关性的内容方面表现出色，适用于聊天机器人、内容创作和数据分析等多种应用。非常适合寻求可扩展、高性能自然语言处理解决方案的组织。
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 Google Vertex AI Claude 3 Opus

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-opus@20240229", model_provider="google_vertexai")

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。)

Google Vertex AI Claude 3 Opus 优化建议

Claude 3 Opus在Google Vertex AI上是一种高性能模型，适用于RAG应用中的复杂推理任务。通过采用多步骤文档排名来改进检索，以确保仅将最相关的数据传递给模型。有效构建提示，将关键事实放在前面，以提升响应质量。保持低温度（0.1–0.2）以确保事实准确性，并微调top-k/top-p以实现细致的控制。利用Google Vertex AI的资源扩展来高效管理工作负载的激增。为频繁访问的查询实施响应缓存，以优化成本和速度。如果在使用Opus时还伴随较小的模型，请选择性地在需要深度分析能力的查询中部署它，同时对日常任务使用较轻的模型。

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

通过深入本教程，你已经解锁了将尖端工具结合起来，从零开始构建RAG系统的能力！你已看到LangChain如何作为粘合剂，无缝地协调组件之间的工作流程，同时处理文档加载、分块和管道逻辑。LangChain向量存储作为你可靠的检索引擎，使用HuggingFace的all-MiniLM-L12-v1模型将文本转化为可搜索的嵌入，证明了即使是紧凑型模型在捕捉语义意义方面也能大有作为。接着，登场的是主角：Google Vertex AI的Claude 3 Opus，它将检索到的上下文转化为类人反应，展示了现代大语言模型如何以惊人的连贯性综合信息。在这个过程中，你学习了优化技巧，例如平衡分块大小以实现准确性与速度的权衡，以及利用元数据过滤来提高结果的精确度。别忘了那个方便的RAG成本计算器——你在扩大规模之前估算费用的秘密武器！

现在你具备了创建不仅仅能回答问题，还能理解上下文的AI应用的能力，从广阔的数据湖中提取见解，像专业人士一样。不论你是在构建聊天机器人、研究工具还是企业搜索系统，你已经拥有了创造性组合这些组件的蓝图。想象一下为小众领域定制检索策略或为你的特定用例微调嵌入——可能性是无穷无尽的！所以，启动你的IDE，尝试不同的模型，开始构建让用户惊艳的RAG解决方案。智能应用的未来由你来塑造，一次查询，一步一步。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！💖

内容

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

分享文章

快速免费计算您的 RAG 成本