使用 LangChain、LangChain vector store、Groq llama3-70b-8192 和 voyage-3 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。
• Voyage-3: 致力于AI驱动的导航和行程规划，Voyage-3优化了路线效率，同时提供实时交通更新和数据洞察。其优势在于预测分析和自适应学习，使其成为物流、配送服务和需要可靠智能导航解决方案的旅游应用的理想选择。

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 voyage-3

pip install -qU langchain-voyageai

import getpass
import os

if not os.environ.get("VOYAGE_API_KEY"):
  os.environ["VOYAGE_API_KEY"] = getpass.getpass("Enter API key for Voyage AI: ")

from langchain-voyageai import VoyageAIEmbeddings

embeddings = VoyageAIEmbeddings(model="voyage-3")

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。

voyage-3 优化建议

voyage-3是一个多功能模型，适用于RAG系统中的平衡性能，使得高效的检索策略对于保持低延迟和高准确性至关重要。通过利用基于嵌入的相似性搜索和重排序来提升检索效果，以确保包含相关的上下文。构造提示时需明确上下文分离和简明的指令，以最大化响应的准确性。将温度设置在0.1到0.3之间，以控制输出，同时调整top-k和top-p以实现灵活性。对频繁查询的数据实施响应缓存，以最小化冗余处理和API调用。利用并行处理和请求批量处理来优化资源效率。对于多模型部署，将voyage-3分配给中等复杂度的任务，同时使用更大的模型进行深入分析，使用更小的模型进行实时、低延迟的查询。

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

通过参与本教程，您已解锁了结合尖端工具创建强大RAG系统的能力！您了解了LangChain如何充当粘合剂，通过将向量数据库（如LangChain自己的向量存储）连接以存储和检索上下文数据，闪电般快速的Groq Llama3-70b-8192 LLM生成类人响应，以及Voyage-3嵌入模型将文本转换为丰富的数值表示。通过这些元素，形成了一个动态管道，其中Voyage-3将您的知识库编码为嵌入，向量数据库为查询检索最相关的片段，而Groq的LLM将这些信息综合成连贯且准确的答案。您亲眼见证了每个组件的亮点——LangChain的灵活性、Groq的速度和可扩展性、Voyage-3对语义意义的精准捕捉，以及向量数据库在相似性搜索中的高效性——所有这些协同工作以提升您的应用智能。

但等一下，还有更多！您还掌握了优化RAG管道的专业技巧，如调整检索阈值和平衡成本与性能。教程中的免费RAG成本计算器让您能够估算开支并在规模化时做出明智的决策。现在您已经拥有了蓝图，是时候将您的知识付诸实践了！尝试不同的数据集，调整参数，或将这些工具集成到您的项目中。无论您是在构建聊天机器人、研究助手还是企业搜索工具，您都准备好进行创新。AI驱动应用的未来是光明的，而您正握着火炬——所以出去吧，构建一些不可思议的事物，见证您的想法变为现实！🚀

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！💖