使用 LangChain、LangChain vector store、Google Vertex AI Gemini 2.0 Flash-Lite 和 NVIDIA nv-embed-v1 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-Lite: 该模型简化了人工智能的部署，强调低延迟和成本高效的解决方案。它在实时应用中表现出色，例如聊天机器人和互动工具，结合了高性能与在各种框架中的无缝集成。非常适合希望在不妥协效率的情况下提升用户参与度的企业。
• NVIDIA nv-embed-v1: 这个模型专注于为各种应用生成高质量的嵌入，如图像和文本处理。它的优势在于高效捕捉语义相似性和上下文信息。非常适合语义搜索、推荐系统和自然语言理解等任务，它为各个行业的先进人工智能解决方案提供了支持。

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-Lite

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-flash", model_provider="google_vertexai")

第 3 步：安装并配置 NVIDIA nv-embed-v1

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-embed-v1")

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-Lite 优化建议

Gemini 2.0 Flash-Lite 是一个轻量级、响应快速的模型，适合成本效益高的 RAG 应用。通过使用高精度嵌入来提高检索效率，以最小化不相关的上下文。高效地构建提示，使其简洁且结构良好。根据需要调整温度（0.1–0.2）以提高准确性，并在输出多样性时调节 top-p。缓存频繁的查询以减少 API 使用量并提高性能。利用谷歌的自动扩展基础设施无缝处理需求高峰。如果要部署多个模型，可以利用 Flash-Lite 进行初步筛选和总结，同时保留较大的模型用于深入推理。

NVIDIA nv-embed-v1 优化建议

为了在检索增强生成（RAG）设置中优化 NVIDIA nv-embed-v1，请确保使用特定领域的数据对您的模型进行微调，以提高相关性和准确性。利用混合精度训练来加快训练时间并减少内存使用。实施高效的批处理技术以处理更大的数据集，从而最大化吞吐量。利用 NVIDIA 的 TensorRT 进行推理优化，以实现更快的检索响应时间。最后，监测 GPU 利用率，并尝试各种超参数，例如学习率和 dropout 率，以实现针对您的应用需求的最佳性能。

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。

立即使用 RAG 成本计算器

Calculate your RAG cost

收获与总结

通过深入学习本教程，你已经解锁了从零开始构建RAG系统的魔力！你了解了LangChain如何作为将所有内容联系在一起的粘合剂，优雅地协调数据、嵌入和语言模型之间的流动。通过利用LangChain的内置向量存储，你亲眼见证了如何高效存储和检索信息，创建一个动态知识库，推动实时、上下文感知的响应。接着是强大的二人组：Google Vertex AI Gemini 2.0 Flash-Lite，凭借其闪电般的推理速度和经济实惠的设计，以及NVIDIA的nv-embed-v1，它以精确和速度助力你的嵌入。它们共同将原始数据转化为可操作的洞察，使得你的系统能够以类人流利的方式回答复杂问题。你甚至掌握了一些优化性能的专业技巧，比如在数据切分时平衡速度和准确性，以及使用并行处理来优雅地扩展——此外，那款免费的RAG成本计算器是你进行更智能预算和更快速迭代的新秘密武器。

现在，你已经具备构建智能应用程序的能力，它们不仅仅是回答问题，而是理解上下文，适应用户并随时间演变。想象一下，聊天机器人就像可信赖的顾问，研究工具能在几秒钟内呈现洞察，或创意助手与你并肩头脑风暴——这是你准备塑造的未来。所以，继续吧！尝试不同的模型，调整你的检索策略，让好奇心引导你。这些工具掌握在你手中，可能性是无穷无尽的。创造大胆的东西，毫无畏惧地优化，观看你的创意变为现实。AI驱动创新的世界在等待——而你刚刚提升了技能，以引领这场变革。让我们开始构建吧！🚀

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！💖