使用 LangChain、LangChain vector store、Google Vertex AI Gemini 2.0 Flash 和 IBM multilingual-e5-large 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 2.0 Flash: 该模型旨在快速部署和高性能机器学习任务。凭借增强的自然语言处理和图像识别能力，它在实时分析和自动决策方面表现出色。非常适合寻求快速洞察和高效模型训练的企业，应用领域包括聊天机器人和数据分析。
• IBM multilingual-e5-large: 这个先进的AI模型在多语言自然语言处理方面表现出色。它专为文本生成、翻译和情感分析等任务而设计，展现出强大的上下文理解能力和流利性。非常适合希望提升客户互动和实现多语言沟通自动化的全球企业。

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 2.0 Flash

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-2.0-flash-001", model_provider="google_vertexai")

第 3 步：安装并配置 IBM multilingual-e5-large

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="intfloat/multilingual-e5-large",
    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 2.0 Flash 优化建议

Gemini 2.0 Flash 专为超快速的 RAG 应用程序而构建，优化效率和速度至关重要。通过最小化检索文档的数量来提高检索效率，从而避免不必要的令牌消耗。简洁地构建提示，使用项目符号或编号列表来提高清晰度。将温度设定为 0.1–0.2 以获取事实性回应，微调 top-p 和 top-k 来控制变异性。对经常查询的主题实现响应缓存，以减少延迟。在负载下，利用 Google Cloud 的自动扩展和 GPU 加速来保持平稳性能。如果使用多个模型，利用 Flash 进行快速摘要和初步分析，然后再将查询升级到更大的模型。

IBM multilingual-e5-large 优化建议

为了优化IBM多语言e5-large模型以用于检索增强生成（RAG）设置，考虑在领域特定数据上对模型进行微调，以提高生成过程中的相关性和连贯性。通过利用多样化和高质量的数据集来保持平衡的检索，从而增强提供给模型的上下文质量。为常见请求的查询实施缓存机制，以最小化延迟并改善响应时间。密切监控提示设计，确保其简洁且上下文丰富，以有效引导模型。最后，整合用户反馈，以迭代方式完善检索和生成过程，从而提升整体性能和用户满意度。

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，您已经解锁了整合尖端工具、从零开始构建一个完全功能的RAG（检索增强生成）系统的能力！您了解到，LangChain作为系统的脊梁，能够无缝地协调矢量数据库、大型语言模型和嵌入模型之间的交互。借助LangChain的框架，您将各个部分串联起来——使用LangChain矢量存储高效管理和检索丰富上下文数据，利用Google Vertex AI Gemini 2.0 Flash生成快速且高质量的响应，以及使用IBM的多语言e5-large嵌入模型将文本转换为捕捉语义细微差别的有意义向量。这些组件共同形成了一个动态管道，能够获取相关信息、理解上下文，并生成既准确又自然的答案。该教程还为您提供了优化性能的专业提示，例如微调块大小和平衡速度与准确性，并附上一个免费的RAG成本计算器，以便智能估算开支并合理扩展——确保您的项目在预算友好的同时不牺牲质量。

现在您已经看到了这些组件如何相互配合，想象一下无限的可能性！无论您是在构建多语言聊天机器人、AI驱动的研究工具，还是定制知识库，您都有创新的工具包。尝试不同的数据集，调整参数以匹配您的使用案例，并探索多语言嵌入如何为全球应用打开大门。记住，每一次迭代都让您更接近于掌握RAG。因此，请大胆出发——开始构建、无畏优化，让您的创造力塑造智能系统的未来。世界需要您的想法，而现在您已经具备将其付诸实践的技能。让我们开始编码吧！🚀

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！💖