使用 LangChain、LangChain vector store、Google Vertex AI Claude 3.5 Haiku 和 IBM slate-125m-english-rtrvr 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 3.5 Haiku: 这个先进的人工智能模型利用了谷歌的Vertex AI平台，提供了强大的自然语言处理和数据分析功能。因其多功能性和可扩展性而闻名，它在内容生成和情感分析等复杂任务中表现出色，非常适合希望通过人工智能驱动的洞察来提升决策能力的企业。
- IBM slate-125m-english-rtrvr: 该模型旨在针对英文文本检索任务进行微调，采用轻量高效的架构。其优势在于快速处理和高准确性，使其非常适合需要从大型文本数据集中快速获取相关信息的应用场景。使用案例包括文档搜索引擎、聊天机器人和内容推荐系统。
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 3.5 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-3-5-haiku@20241022", model_provider="google_vertexai")
第 3 步：安装并配置 IBM slate-125m-english-rtrvr
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",
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 3.5 Haiku 优化建议
Claude 3.5 Haiku 在 Google Vertex AI 上经过优化，旨在提高效率和响应质量。通过在将文档传递给模型之前应用相关性过滤，增强检索效果。保持提示结构化，并在用户查询和检索到的上下文之间使用清晰的分隔符。调整温度（0.1–0.3）以获得最佳的事实准确性，同时调整 top-p 以控制输出。利用 Google Cloud 的无服务器扩展，处理大量查询负载而不降低性能。实施缓存策略以减少对频繁请求的信息的冗余 API 调用。如果与更大的模型一起使用，则在延迟敏感的场景中部署 Haiku 以快速响应，同时将复杂推理保留给更高级的模型。
IBM slate-125m-english-rtrvr 优化建议
为了优化IBM slate-125m-english-rtrvr以用于检索增强生成（RAG），请确保您的文档检索系统经过领域特定数据的微调，以提高相关性。有效利用嵌入，通过实施余弦相似度进行高效的最近邻搜索，并考虑应用缓存机制来存储经常访问的文档。此外，尝试各种查询增强技术，如重新表述或添加相关关键词，以提升检索性能。监控和分析检索指标（例如准确率和召回率），以迭代优化您的设置；如果可能，可以采用集成方法，将多个检索模型结合起来，以提高检索内容的多样性。最后，定期更新您的语料库，以反映当前的知识和趋势。
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
通过深入学习本教程，您已经解锁了从零开始构建现代 RAG 系统的力量！您了解了 LangChain 如何充当连接一切的粘合剂——协调工作流程，管理与您的向量数据库（如 LangChain 自身的向量存储）的交互，并无缝集成 Google Vertex AI 的 Claude 3.5 Haiku，以实现快速、上下文感知的文本生成。IBM Slate-125m-english-rtrvr 嵌入模型负责将原始文本转化为有意义的向量，确保您的系统理解并检索到最相关的信息。这些组件共同形成一个动态的处理管道：用户提问，嵌入捕捉他们的意图，向量存储获取最佳匹配的数据，而 Claude 则生成准确、类人化的答案。这就像组建一个梦之队，每个成员都扮演着至关重要的角色——数据检索、语义理解和创造性响应生成——所有这一切都和谐共处！
但等一下，还有更多！您还学习了优化 RAG 管道的专业技巧，例如调整分块策略以提高向量搜索性能以及在速度与准确性之间取得平衡。您探索的免费 RAG 成本计算器是一个游戏规则改变者，帮助您估算开支并更聪明地扩展。既然您已经看到这些工具如何协作，想象一下可能性——定制聊天机器人、研究助手，甚至是针对您需求的 AI 驱动知识中心。智能应用的未来掌握在您手中。那么请继续——实验、迭代和创新。您下一个 RAG 项目不仅仅是一个可能性；它只需几行代码。让我们一起创造一些令人惊叹的东西吧！🚀
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！💖
