使用 LangChain、LangChain vector store、Google Vertex AI Claude 3.5 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 3.5 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-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 3.5 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-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 3.5 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-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
到目前为止，您已经看到将前沿工具结合起来构建一个几乎魔法般的RAG系统是多么强大！您了解到LangChain充当了粘合剂，无缝地连接了您整个管道的每一个环节。借助IBM的slate-125m-english-rtrvr-v2嵌入模型，您可以将原始文本转换为有意义的向量，以机器能够理解的方式捕捉数据的精髓。这些嵌入存储在LangChain的向量存储中，闪电般的检索速度确保您的系统瞬间找到最相关的信息。我们也不能忘记谷歌的Claude 3.5 Haiku——这款大型语言模型将那些检索到的片段进行处理，生成连贯的、具有上下文意识的响应，将原始数据转变为类人对话。本教程不仅展示了步骤；还揭示了每个部分如何互相增强，将理论概念转化为功能齐全的实际应用。您甚至学习到了优化成本和性能的专业技巧，例如平衡检索准确性和计算效率，并亲手操作了例如免费的RAG成本计算器等工具，以便在扩展时做出明智的决策。
接下来是什么？您现在具备了构建更智能、更快速和更直观的AI系统的能力。想象一下如何为能够真正理解上下文的聊天机器人、能够在几秒钟内从海量数据中挖掘信息的研究助手，或将知识与想象力结合的创意工具定制这个管道。基础已经建立——尝试不同的模型，调整检索策略，或为您的向量存储添加实时更新等层次。这不仅仅是遵循一个教程；而是走进一个您主导AI如何与信息互动的世界。所以启动您的IDE，玩弄您所学到的知识，让您的创意腾飞。智能应用的未来在等待着您的触碰——构建一些令人难忘的东西吧！🚀
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！💖
