使用 LangChain、LangChain vector store、Google Vertex AI Gemini 2.0 Flash 和 NVIDIA nv-embedqa-e5-v5 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。
• NVIDIA nv-embedqa-e5-v5: 这个模型结合了先进的自然语言处理和深度学习，实现了高效的问题回答。它在理解上下文和从嵌入的知识源中提供准确的响应方面表现出色。非常适合于客户支持、聊天机器人和互动学习环境等应用，通过直观的互动增强用户参与度。

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 NVIDIA nv-embedqa-e5-v5

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/nv-embedqa-e5-v5")

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。

NVIDIA nv-embedqa-e5-v5 优化建议

为了在检索增强生成（RAG）设置中优化 NVIDIA nv-embedqa-e5-v5，首先确保您的模型经过多样化的训练数据集正确微调，以提高检索准确性。利用混合精度训练来提高计算效率并减少内存使用。对查询和响应实施批处理，以利用并行处理能力。定期监控并调整学习率和其他超参数，以获得最佳训练性能。最后，结合缓存机制以存储频繁访问的嵌入和结果，从而显著加快检索速度。

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

到现在为止，你已经解锁了从零开始构建RAG系统的魔力！你了解了LangChain如何充当操作的核心，无缝协调组件之间的数据流，同时保持代码的整洁和模块化。LangChain向量存储成为你快速检索的强大引擎，将非结构化数据转化为有组织、可搜索的知识。接着来了Google Vertex AI Gemini 2.0 Flash，这是一款精简却强大的大型语言模型（LLM），极大增强了系统生成类人、上下文相关响应的能力，同时保持低成本和低延迟。还有NVIDIA的nv-embedqa-e5-v5嵌入模型，它将文本转化为丰富、富有意义的向量，确保你的查询和文档使用相同的语言。这些工具共同形成了一个动态管道，检索与生成相结合，创造出既聪明又高效的AI。

但等等，更多内容来了！你还获得了优化性能的专业提示，比如调整块大小和过滤元数据，从系统中榨取每一滴准确性。而那个免费的RAG成本计算器呢？对于在不牺牲质量的前提下平衡预算来说简直是个游戏规则改变者。这想象一下！你现在已经具备构建不仅能回答问题而且能理解上下文的AI应用程序的能力，可以优雅地扩展并适应现实世界的需求。智能系统的未来掌握在你手中。所以继续吧——实验、迭代，让你的创造力尽情发挥。无论你是在提升客户支持、驱动研究工具，还是创造下一个重大AI创新，你都拥有实现这一切的工具。大胆构建，无畏优化，见证你的想法成真！🚀

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！💖