使用 LangChain、LangChain vector store、Google Vertex AI Gemini 1.5 Pro 和 NVIDIA llama-3.2-nv-embedqa-1b-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。
- NVIDIA llama-3.2-nv-embedqa-1b-v2: 这个AI模型专为高级问答任务而设计，利用了NVIDIA的LLaMA架构。它在基于嵌入的问答检索方面表现出色，并在理解上下文方面提供高准确性。非常适合知识密集型应用，能够提升客户支持、教育工具和研究辅助的效果。
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 NVIDIA llama-3.2-nv-embedqa-1b-v2
pip install -qU langchain-nvidia-ai-endpoints
import getpass
import os
if not os.environ.get("NVIDIA_API_KEY"):
os.environ["NVIDIA_API_KEY"] = getpass.getpass("Enter API key for NVIDIA: ")
from langchain_nvidia_ai_endpoints import NVIDIAEmbeddings
embeddings = NVIDIAEmbeddings(model="nvidia/llama-3.2-nv-embedqa-1b-v2")
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。
NVIDIA llama-3.2-nv-embedqa-1b-v2 优化建议
要优化NVIDIA llama-3.2-nv-embedqa-1b-v2在检索增强生成（Retrieval-Augmented Generation）环境中的性能，可以考虑采用混合精度训练，以提高计算效率，同时保持模型的准确性。利用高效的索引和检索方法，例如FAISS，以快速访问相关文档，最小化响应时间。根据验证指标调整超参数，特别是学习率和批量大小，以提高收敛速度。实施缓存策略以存储经常访问的数据和结果，以实现更快的检索。定期对模型进行性能分析，以识别瓶颈并进行必要的调整。最后，利用NVIDIA的TensorRT进行优化推理，确保您的设置在兼容硬件上受益于加速性能。
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
通过本教程的深入学习，你已解锁从零开始构建强大RAG系统的魔力！你了解到，LangChain如何作为将一切联系在一起的粘合剂，简化工作流程，使复杂的交互变得轻松自如。通过LangChain的向量存储，你发现了如何高效地存储和检索上下文数据，将非结构化信息转变为可搜索的宝藏。NVIDIA的llama-3.2-nv-embedqa-1b-v2嵌入模型成为你将文本转化为丰富、有意义向量的秘密武器，确保你的系统理解语言的细微差别。随后，谷歌的Vertex AI Gemini 1.5 Pro作为大脑出现，将检索到的数据合成为连贯、类人化的响应，既自然又具有洞察力。这些组件共同形成一个无缝的管道，检索和生成相辅相成，提供准确的、上下文敏感的答案——就像拥有一个充满活力的研究助理在你指尖一样！
但等等，还有更多！你还获得了一些优化性能的专业小贴士，比如微调块大小和在速度与准确性之间取得平衡，确保你的RAG系统顺畅运行而不会破产。加上本教程中介绍的免费RAG成本计算器，你现在可以提前估算费用，并做出明智的、符合预算的决策。这不仅仅是构建一个工具——这关乎于赋能你去创新、迭代并突破界限。想象一下应用场景：更智能的聊天机器人、动态知识库，甚至是AI驱动的研究平台。基础已经打好，工具已经在你手中，可能性是无限的。所以，尽管去实验、调整，让你的创意飞扬。你的下一个突破性RAG项目只需几行代码的距离。让我们一起构建未来，一次一个查询！🚀
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！💖
