使用 LangChain、LangChain vector store、Groq llama3-70b-8192 和 IBM all-minilm-l6-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。)
- 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。
- IBM all-minilm-l6-v2: 此模型是一个紧凑、高效的基于变压器的语言表示模型，针对需要快速推理的任务进行了优化。它在自然语言理解任务中表现优异，如情感分析和信息检索，使其非常适合用于聊天机器人、搜索引擎和数据标注等应用。
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 IBM all-minilm-l6-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="sentence-transformers/all-minilm-l6-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。)
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。
IBM all-minilm-l6-v2 优化建议
为了优化IBM all-minilm-l6-v2在检索增强生成（RAG）设置中的性能，请考虑实现精简的查询预处理，以去除停用词并标准化文本，确保输入查询简洁且相关。对频繁检索的结果层叠缓存策略可以显著降低延迟，而用特定领域的数据微调模型则能提升相关性和准确性。此外，在推断过程中实验批处理以利用并行化，并监控和调整如学习率和最大令牌计数等超参数，以精炼模型响应。最后，确保您的检索系统与生成过程无缝集成，以保持生成输出中的上下文和连贯性。
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
通过深入本教程，你已经解锁了从零开始构建RAG系统的魔力！你学习了LangChain如何作为支柱，灵活地将每个组件连接在一起。LangChain Vector Store 成为你快速检索的首选，组织数据，使你的系统能够迅速找到所需内容。接下来是Groq的Llama3-70b-8192，一款强大的LLM，将检索到的上下文转换为类人响应，证明了现代语言模型的强大之处。我们还不能忘记IBM all-minilm-l6-v2嵌入模型，它将你的数据压缩为丰富而有意义的向量——将非结构化文本转化为可搜索的知识。这些工具共同形成了一个动态管道，能够像专业人士一样获取、理解和生成答案！
但等等，还有更多！你还学到了优化性能的专业技巧，比如平衡块大小以提高准确性和速度，以及使用元数据过滤来精炼结果。此外，免费的RAG成本计算器让你提前窥见了管理开支的方法，这样你就可以智慧地构建，而不至于破产。现在轮到你了——拿起这些工具，毫无畏惧地进行实验，调整每一个参数，让你的RAG应用大放异彩。无论你是在增强聊天机器人、自动化研究，还是打造个性化体验，可能性都是无穷无尽的。你拥有技能、工具和知识。那么你还在等什么？快来尝试，大胆迭代，让你的创造力重新定义我们与信息的互动方式。智能应用的未来掌握在你手中——去构建一些令人惊叹的东西吧！🚀
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！💖
