使用 LangChain、LangChain vector store、Google Vertex AI Gemini 1.5 Pro 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 Gemini 1.5 Pro: 这个先进的人工智能模型结合了强大的机器学习能力和增强的多模态支持，使文本、图像和音频的处理无缝进行。它的优势在于可扩展性和定制化，特别适合用于企业应用，如内容生成、数据分析和客户互动自动化。
• 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 Gemini 1.5 Pro

pip install -qU "langchain[google-vertexai]"

# Ensure your VertexAI credentials are configured

from langchain.chat_models import init_chat_model

llm = init_chat_model("gemini-1.5-pro", 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 Gemini 1.5 Pro 优化建议

Gemini 1.5 Pro是一个强大的模型，专为需要深入推理的复杂RAG应用而设计。通过实施先进的排名算法来优化检索，以确保包含高度相关的文档。将提示结构化为清晰的逻辑部分，以最大化响应的连贯性。将温度保持在0.1到0.3之间，以确保事实的准确性，根据需要微调top-k/top-p。利用谷歌的人工智能基础设施批量调用API，以减少处理开销。实施缓存策略，以优化频繁查询的主题。流式响应可以增强实时应用程序，提高感知响应性。如果部署多个模型，建议将Gemini 1.5 Pro保留用于高价值的分析任务，而使用较轻的模型处理较简单的基于检索的查询。

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。

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，您已经解锁了将尖端工具结合起来，从零开始构建完全功能的RAG系统的能力！您学习了LangChain如何作为粘合剂，通过无缝连接您的数据、检索逻辑和语言模型，来协调整个管道。IBM的all-minilm-l6-v2嵌入模型将您的原始文本转化为丰富的数值表示，使LangChain向量存储能够高效索引和检索最相关的信息。随后，Google Vertex AI Gemini 1.5 Pro作为大脑介入，将那些检索到的片段合成成连贯、具有上下文感知的响应，感觉几乎像人类。在这个过程中，您看到了这些组件如何和谐工作——将非结构化数据转变为可行动的洞察，同时平衡速度、准确性和可扩展性。此外，那些优化技巧（如调整块大小和实验元数据过滤器）为您提供了一个微调性能的工具包，而免费的RAG成本计算器帮助您提前估算费用——没有惊喜！

现在，您已经看到了集成框架、数据库、LLM和嵌入的魔力，是时候将这些知识运用到您自己的项目中了。想象一下您可以构建的应用：更智能的聊天机器人、超个性化的推荐引擎，或者在几秒钟内消化海量数据的研究助手。这些工具已经到位，蓝图也很清晰，您的创造力是唯一的限制。要从小处着手，频繁迭代，不要害怕尝试不同的模型或优化策略。您每次的调整都使您更接近构建一些真正突破性的东西。那么，启动您的IDE，加载您的数据集，让您的RAG驱动的想法成真——智能应用的未来掌握在您手中！🚀

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！💖