使用 LangChain、LangChain vector store、Google Vertex AI Gemini 2.0 Flash 和 IBM slate-125m-english-rtrvr-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 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 slate-125m-english-rtrvr-v2: 这个AI模型旨在用于自然语言理解和文本检索任务。借助先进的训练技术，它在处理和提取大型数据集中的相关信息方面表现出色，非常适合用于聊天机器人、客户支持和内容推荐系统等应用。它的优势在于能够理解上下文并高效地提供准确的响应。
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 slate-125m-english-rtrvr-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="ibm/slate-125m-english-rtrvr-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 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 slate-125m-english-rtrvr-v2 优化建议
为了在检索增强生成（RAG）设置中优化IBM slate-125m-english-rtrvr-v2，首先在与应用相关的特定领域数据上进行微调，因为这会提高响应质量。实施一个缓存机制，以存储频繁访问的文档，从而减少检索延迟。尝试查询重构技术，以通过使查询与索引内容更加一致来提高检索准确性。此外，确保您的索引过程高效，利用并行计算，并定期监控性能指标，以识别和解决瓶颈。最后，采用集成方法，通过结合多个模型或检索策略来增强生成输出的鲁棒性和多样性。
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。
Calculate your RAG cost
收获与总结
通过学习这个教程，您已经解锁了结合尖端工具从零开始构建 RAG 系统的力量！您了解了 LangChain 如何作为粘合剂，毫不费力地连接您的数据管道、检索逻辑和生成式 AI。LangChain 向量存储成为您快速语义搜索的首选，能够将您的数据组织成有意义的块，并实现精确的上下文检索。然后，您看到了 Google Vertex AI Gemini 2.0 Flash——一个精简但强大的 LLM——如何通过将检索到的上下文转换为自然且类似人类的回答，提供快速而准确的响应。同时，IBM 的 slate-125m-english-rtrvr-v2 嵌入模型默默发挥着作用，将文本转化为丰富的数值表示，捕捉细微差别和含义，使您的系统更加智能和直观。在这个过程中，您还收获了优化成本和性能的专业技巧，例如平衡块大小和利用免费的 RAG 成本计算器提前估算开支。
现在，您已经具备了构建不仅仅能回答问题而是理解问题的智能应用程序的能力。想象一下，能感受到人性的聊天机器人、能在几秒钟内提供洞见的研究工具，或者能够实时适应的客户支持系统——这个教程为您提供了蓝图。工具就在这里，可能性是无穷的，而您的旅程才刚刚开始。所以，继续前进——调整那些参数，尝试新的数据集，让您的创造力尽情驰骋。未来的 AI 等待着您来塑造，每一次 RAG 驱动的创新都是一个新开始。让我们一起构建一些惊人的东西吧！ 🚀
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！💖
