使用 LangChain、LangChain vector store、Groq llama3-70b-8192 和 Google Vertex AI textembedding-gecko@003 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。)
• Groq llama3-70b-8192: llama3-70b-8192模型是由Meta开发的大型语言模型，拥有700亿个参数和8,192个令牌的上下文窗口。该模型旨在用于一般语言任务，包括文本生成、摘要和翻译。专注于人工智能硬件和软件解决方案的公司Groq通过其API提供llama3-70b-8192模型。这一集成使开发者能够利用Groq的高性能语言处理单元（LPU）进行高效推理。Groq的LPU以其确定性的单核流式架构而闻名，为人工智能工作负载提供可预测和可重复的性能。
• Google Vertex AI textembedding-gecko@003: 该模型专门生成高质量的文本嵌入，用于多种应用，包括语义搜索和内容推荐。它利用先进的上下文理解技术，确保对复杂文本的准确表示。非常适合集成到需要可扩展和高效自然语言处理解决方案的系统中，提升实时应用中的用户体验。

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 Groq llama3-70b-8192

pip install -qU "langchain[groq]"

import getpass
import os

if not os.environ.get("GROQ_API_KEY"):
  os.environ["GROQ_API_KEY"] = getpass.getpass("Enter API key for Groq: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("llama3-8b-8192", model_provider="groq")

第 3 步：安装并配置 Google Vertex AI textembedding-gecko@003

pip install -qU langchain-google-vertexai

from langchain_google_vertexai import VertexAIEmbeddings

embeddings = VertexAIEmbeddings(model="textembedding-gecko@003")

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。)

Groq llama3-70b-8192 优化建议

为了在检索增强生成（RAG）系统中优化 Groq llama3-70b-8192，重点关注高效的批处理，以通过将多个请求组合在一起来最大化吞吐量。利用混合精度进行更快速的计算，同时保持模型的准确性，并调整输入序列长度，以在上下文丰富性和计算效率之间取得平衡。利用模型并行性将工作负载分配到多个处理单元，以确保可扩展性。定期监控 GPU 利用率，并通过释放未使用的张量来有效管理内存，以防止瓶颈。对特定任务或领域进行模型微调，以提高准确性并减少推理时间。此外，考虑修剪或量化某些层，以在不太影响模型输出质量的情况下优化生产级任务的性能。

Google Vertex AI textembedding-gecko@003 优化建议

Google Vertex AI textembedding-gecko@003旨在实现高级文本理解，使其非常适合高精度的RAG应用。通过去除噪声数据并专注于文档中最相关的内容来优化嵌入生成。使用高效的向量搜索算法，如带有IVF或HNSW的FAISS，以确保快速准确的文档检索。对大量数据进行批量文本嵌入，以加快处理速度并最小化延迟。为高频查询实现缓存，并定期更新嵌入以跟上数据环境的变化。对领域特定任务进行微调，以提高专业RAG应用中的相关性。考虑部署多阶段搜索策略，结合语义和基于关键字的方法，以实现最佳的准确性和性能。

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

通过深入这个教程，你已经解锁了结合尖端工具来从零构建完整的RAG系统的能力！你学习了LangChain如何作为粘合剂，毫不费力地协调组件之间的工作流程。LangChain向量存储成为你快速检索的首选，能够高效组织和查询由谷歌的Vertex AI textembedding-gecko@003生成的嵌入——这一模型将文本转化为丰富而有意义的向量。接着是Groq的Llama3-70B-8192的魔力，你的查询与生成的智慧相遇，将检索到的上下文转化为连贯且富有洞察的答案。这个管道不仅仅是堆叠工具——而是创造检索与生成之间的协同效应，使你的应用程序更智能、更具响应能力。

但等等，还有更多！你还获得了一些优化的专业技巧，比如调整块大小以更好地保留上下文，以及使用元数据过滤来提高检索的准确性。还有免费的RAG成本计算器——这对在扩展时平衡性能和预算至关重要。想象一下下一步：为特定领域微调嵌入，尝试混合搜索策略，甚至整合多模态数据。基础已经奠定，可能性无穷无尽。那么，你还在等什么？抓起你的代码编辑器，无所畏惧地迭代，让你的创造力自由发挥。更快构建，更聪明优化，将你的RAG创意转化为令用户惊叹的解决方案。智能应用的未来掌握在你手中——去实现它吧！ 🚀

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！💖