使用 LangChain、LangChain vector store、Google Vertex AI Claude 3.5 Sonnet 和 Azure text-embedding-3-small 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 Sonnet: Claude家族中的一个精炼模型，旨在实现高级自然语言理解和生成。它在创造性和连贯性之间取得平衡，非常适合生成高质量内容、引人入胜的聊天机器人和复杂的文本分析。其多功能性和增强的能力使其成为寻求丰富互动体验的企业的理想选择。
- Azure text-embedding-3-small: 这个AI模型专门生成文本输入的密集向量表示，促进语义理解和比较。它的优势在于效率和可扩展性，使其非常适合用于文本分类、信息检索以及自然语言处理等应用场景，在这些场合快速的语义相似性评估至关重要。
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 Sonnet
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-sonnet-v2@20241022", model_provider="google_vertexai")
第 3 步：安装并配置 Azure text-embedding-3-small
pip install -qU langchain-openai
import getpass
import os
if not os.environ.get("AZURE_OPENAI_API_KEY"):
os.environ["AZURE_OPENAI_API_KEY"] = getpass.getpass("Enter API key for Azure: ")
from langchain_openai import AzureOpenAIEmbeddings
embeddings = AzureOpenAIEmbeddings(
azure_endpoint=os.environ["AZURE_OPENAI_ENDPOINT"],
azure_deployment=os.environ["AZURE_OPENAI_DEPLOYMENT_NAME"],
openai_api_version=os.environ["AZURE_OPENAI_API_VERSION"],
)
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 Sonnet 优化建议
Claude 3.5 Sonnet在Google Vertex AI上提供了速度和深度之间的良好平衡。通过实施智能重新排名技术，优先考虑高相关性文档来改善检索。高效地构建提示，确保逻辑流畅，以引导模型的响应。将温度设置保持在0.1-0.3之间，调整top-k和top-p以微调多样性和精确度。利用Google的AI基础设施进行自动扩展和负载均衡，以保持最佳性能。缓存频繁使用的查询可以减少延迟和API成本。在多模型部署中，将Sonnet分配用于处理通用查询，同时将Opus保留用于最复杂的请求。
Azure text-embedding-3-small 优化建议
为了优化 Azure text-embedding-3-small 模型以适应你的检索增强生成 (RAG) 设置，考虑将输入文本批处理，以同时处理多个请求，这可以显著提高吞吐量。使用相关关键词来微调嵌入，并确保对文本进行预处理，以去除噪声，例如不必要的标点符号或停用词。在检索过程中尝试不同的相似性度量，比如余弦相似度，以提高结果的相关性。利用缓存机制存储经常访问的嵌入，从而减少响应时间。最后，定期监测和分析性能指标，以便进行迭代改进，并根据用户反馈调整你的方法，使模型与特定用例更紧密地对齐。
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，你已经解锁了从零开始构建RAG系统的强大能力！你了解到，LangChain充当了将一切串联在一起的粘合剂，优雅而灵活地协调组件之间的数据流动。LangChain的向量存储成了你高效存储和检索嵌入的首选工具，将非结构化数据转化为可搜索的知识。谷歌的Vertex AI Claude 3.5 Sonnet以其生成类人响应的能力让你印象深刻，利用其庞大的35亿参数架构理解上下文和细微差别。同时，Azure的text-embedding-3-small通过将文本转换为丰富且有意义的向量证明了其价值，确保你的系统能精准把握语义关系。这些工具共同构成了一个无缝的管道：摄取数据，智能地生成嵌入，检索相关上下文，并生成几乎令人惊叹的回答。你甚至获取了优化性能的专业小技巧，比如调整块大小以获得更好的检索效果，或微调元数据过滤器，使你的RAG系统更快、更准确。而且不要忘记你探索的实用RAG成本计算器，帮助你像专业人士一样平衡性能和预算！
现在你已经看到这些部分如何完美结合，真正的乐趣才刚刚开始。你具备了构建智能聊天机器人、动态问答系统，甚至是根据需求定制的AI驱动研究工具的能力。想象一下自定义检索策略，尝试混合搜索方法，或将多模态数据整合进来。这个教程给了你基础——现在轮到你去创新了。不要止步于此；拿起这些工具，大胆尝试，打破常规，并把它们重建得更好。你所做的每一个调整都可能打开新的可能性。因此，启动你的IDE，毫无畏惧地进行实验，见证你的创意变为现实。智能应用的未来掌握在你手中——去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！💖
