使用 LangChain、LangChain vector store、Google Vertex AI Gemini 1.5 Pro 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 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 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 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 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 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 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
通过深入本教程，你已经解锁了集成尖端工具以从零建立强大RAG系统的力量！你了解到LangChain作为粘合剂，轻松地将你的组件连接成一个统一的流水线。LangChain向量存储充当了你的动态记忆中心，高效地存储和检索你的数据背景。接着，谷歌的Vertex AI Gemini 1.5 Pro——你的LLM强大动力源——将这些检索到的片段转化为富有洞察力的、类似人类的回答，展示了它理解微妙差异和生成连贯答案的能力。同时，IBM的slate-125m-english-rtrvr嵌入模型在幕后运作，将文本转化为有意义的向量，以确保你的系统不仅理解关键词，还能抓住查询的语义。这些部分共同形成了一个比传统搜索系统更智能、更快速、且更具上下文意识的RAG流水线——证明了模块化、现代化工具如何将AI应用提升到新的高度。
但等等，还有更多！你还掌握了优化性能的专业技巧，比如调整块大小和精炼检索策略，以平衡速度和准确性。别忘了免费的RAG成本计算器——这是估算费用和明智地扩展项目的改变游戏规则者。现在你已经看到了这些部分是如何结合在一起的，想象一下你接下来可以构建什么！无论是增强客户支持机器人、创建研究助手，还是打造个性化推荐引擎，你都具备了创新的能力。可能性是无限的，工具掌握在你手中。快去吧——探索、迭代，让你的创造力尽情发挥。智能应用的未来由你来塑造。开始构建，持续优化，观看你的想法成真！🚀
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！💖
