使用 LangChain、LangChain vector store、Google Vertex AI Claude 3 Opus 和 IBM all-minilm-l6-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 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。
- IBM all-minilm-l6-v2: 此模型是一个紧凑、高效的基于变压器的语言表示模型，针对需要快速推理的任务进行了优化。它在自然语言理解任务中表现优异，如情感分析和信息检索，使其非常适合用于聊天机器人、搜索引擎和数据标注等应用。
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 IBM all-minilm-l6-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-l6-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 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。
IBM all-minilm-l6-v2 优化建议
为了优化IBM all-minilm-l6-v2在检索增强生成（RAG）设置中的性能，请考虑实现精简的查询预处理，以去除停用词并标准化文本，确保输入查询简洁且相关。对频繁检索的结果层叠缓存策略可以显著降低延迟，而用特定领域的数据微调模型则能提升相关性和准确性。此外，在推断过程中实验批处理以利用并行化，并监控和调整如学习率和最大令牌计数等超参数，以精炼模型响应。最后，确保您的检索系统与生成过程无缝集成，以保持生成输出中的上下文和连贯性。
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
通过深入本教程，您已经解锁了从零构建强大RAG系统的魔力！您学习了LangChain如何作为将一切串联在一起的粘合剂，协调您的数据、模型和用户查询之间的工作流程。通过集成IBM的all-minilm-l6-v2嵌入模型，您亲眼见证了紧凑而强大的嵌入如何将原始文本转化为可搜索的向量，使您的数据即刻可用。然后，LangChain Vector Store作为您可靠的图书管理员出场，组织这些向量以实现快速检索——再也不必翻找干草堆中的针了！当然，我们不能忘记本次教程的明星：Google Vertex AI的Claude 3 Opus，它将检索到的上下文转化为连贯的人类式回答，展示了尖端LLM如何将您的应用从功能提升到卓越。这些工具共同将静态数据转变为动态、智能的响应，就像为您的应用提供了一个超级强大的大脑！
但等一下，还有更多！您还掌握了优化RAG流程的专业技巧，比如调整块大小以更好地保留上下文，并使用本教程中提供的免费RAG成本计算器来平衡成本与性能的权衡。这些见解确保您的系统不仅智能，而且高效且可扩展。现在您已经看到各个部分如何完美契合，想象一下接下来会是什么——个性化的聊天机器人、高度精准的搜索引擎，甚至是AI驱动的研究助手。工具掌握在您手中，可能性无穷无尽。因此，请大胆尝试，勇敢迭代，让您的创造力尽情发挥。AI驱动应用的未来由您来构建。让我们一起让它变得出色吧！🚀
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！💖
