使用 LangChain、LangChain vector store、Google Vertex AI Gemini 2.0 Pro 和 IBM slate-125m-english-rtrvr 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 Pro: 这个先进的人工智能模型结合了强大的机器学习能力，适用于从自然语言处理到图像分析的多种应用。它的优势在于多模态理解和快速部署，使其成为寻求利用人工智能增强各个行业自动化和决策能力的企业的理想选择。
- IBM slate-125m-english-rtrvr: 该模型旨在针对英文文本检索任务进行微调，采用轻量高效的架构。其优势在于快速处理和高准确性，使其非常适合需要从大型文本数据集中快速获取相关信息的应用场景。使用案例包括文档搜索引擎、聊天机器人和内容推荐系统。
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 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-2.0-pro-exp-02-05", model_provider="google_vertexai")
第 3 步：安装并配置 IBM slate-125m-english-rtrvr
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",
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 Pro 优化建议
Gemini 2.0 Pro旨在支持高级推理，非常适合需要深度上下文理解的RAG应用。通过使用多阶段排名技术优化检索，以确保仅包含最相关的文档在上下文中。保持提示结构化和逻辑清晰，关键信息应提前呈现。调整温度（0.1–0.3）以精确控制响应风格和准确性。利用谷歌的缓存和批处理机制提高效率并降低API成本。流式响应可以通过减少感知延迟来增强实时应用的体验。如果部署多个模型，建议将Gemini 2.0 Pro保留用于深入分析，而使用较小的模型进行基本检索和摘要。
IBM slate-125m-english-rtrvr 优化建议
为了优化IBM slate-125m-english-rtrvr以用于检索增强生成（RAG），请确保您的文档检索系统经过领域特定数据的微调，以提高相关性。有效利用嵌入，通过实施余弦相似度进行高效的最近邻搜索，并考虑应用缓存机制来存储经常访问的文档。此外，尝试各种查询增强技术，如重新表述或添加相关关键词，以提升检索性能。监控和分析检索指标（例如准确率和召回率），以迭代优化您的设置；如果可能，可以采用集成方法，将多个检索模型结合起来，以提高检索内容的多样性。最后，定期更新您的语料库，以反映当前的知识和趋势。
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
通过深入这个教程，你已经解锁了结合最尖端工具的力量，以构建一个既智能又高效的RAG系统！你学习了LangChain如何作为粘合剂，协调整个管道，轻松连接你的数据源、AI模型和用户交互。借助LangChain向量存储，你看到了如何快速存储和检索信息，将非结构化数据转化为可操作的见解。接下来是Google Vertex AI Gemini 2.0 Pro，这个强大的LLM生成类人响应，将创造力与精确度结合，以回答复杂查询。然后，我们还有IBM slate-125m-english-rtrvr嵌入模型，它将你的文本转化为丰富的数值表示，使相似性搜索和上下文匹配变得轻而易举。这些工具共同形成了一个动态的RAG工作流程，填补知识空白，以深度和准确性提供答案。
但是等等——还有更多！你也获得了一些优化系统的专业技巧，比如调整块大小以改善检索效果，或微调提示以引导Gemini的输出。此外，免费RAG成本计算器为你提供了一个清晰的路线图，以平衡性能和预算，让你能够智能地扩展。现在你已经了解了这些组件如何融合在一起，想象一下接下来会发生什么！无论你是在构建一个聊天机器人、研究助手，还是定制知识中心，你都拥有创新的工具。所以，继续吧——实验、迭代，让你的创意腾飞。智能应用的世界等待你去塑造，借助RAG，天空才是极限。开始构建，看看你的创作如何栩栩如生！🚀
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！💖
