使用 LangChain、LangChain vector store、Mistral AI Ministral 3B 和 Cohere embed-english-light-v2.0 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。)
Mistral AI Ministral 3B: 该模型是一款紧凑而强大的变换器，旨在高效处理自然语言处理任务。它注重速度和较低的计算成本，在文本生成、摘要和分类方面表现出色。非常适合需要在资源受限的环境中获得高性能或要求快速响应时间的应用程序开发者。
Cohere embed-english-light-v2.0: 这个轻量级的嵌入模型旨在高效地对英语文本进行编码，为各种自然语言处理任务提供高质量的表示。它在需要以最小计算资源生成嵌入的场景中表现出色，例如文档相似性、聚类和推荐系统，确保快速性能而不妥协准确性。

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 Mistral AI Ministral 3B

pip install -qU "langchain[mistralai]"

import getpass
import os

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

from langchain.chat_models import init_chat_model

llm = init_chat_model("ministral-3b-latest", model_provider="mistralai")

第 3 步：安装并配置 Cohere embed-english-light-v2.0

pip install -qU langchain-cohere

import getpass
import os

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

from langchain_cohere import CohereEmbeddings

embeddings = CohereEmbeddings(model="embed-english-light-v2.0")

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。)

Mistral AI Ministral 3B 优化建议

Ministral 3B 是一个轻量级模型，非常适合低延迟、具有成本效益的 RAG 应用。通过限制检索文档的数量来优化检索，确保只有最相关的内容被处理，以保持效率。使用激进的提示压缩技术，例如去除不必要的元数据和以层次结构组织上下文，以最大化信息密度。在进行事实查询时，保持低温度（0.1-0.2），以获得精确且确定的输出。如果同时处理多个请求，请使用高效的批处理机制以减少 API 调用开销。利用量化技术进一步减少内存占用并提高推理速度。对于频繁访问的查询，利用缓存来最小化冗余处理，并在高吞吐量环境中增强响应时间。

Cohere embed-english-light-v2.0 优化建议

Cohere embed-english-light-v2.0 旨在提高英语任务中嵌入生成的速度和资源效率。为了优化处理，预处理文本时应去除停用词、标点符号和不必要的格式，以最小化输入的复杂性。利用向量压缩技术，如量化或主成分分析（PCA），在不牺牲显著准确性的前提下减少存储需求。对于检索，实施混合搜索策略，将关键词搜索与密集向量搜索相结合，以实现更快和更相关的结果。使用多线程或并行处理高效处理大量嵌入。对于频繁查询的嵌入应用缓存，以最小化重新处理并降低查询延迟，尤其是在高流量的 RAG 系统中。

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

“你学到了什么？你刚刚开启了构建最先进的RAG（检索增强生成）系统的关键，通过集成一套令人惊叹的组件！在本教程中，我们共同建立了一个强大的框架，使一切得以实现。你已经看到了LangChain框架如何优雅地协调整个过程，确保每个组件无缝互动。向量数据库的强大在于其能够实现令人难以置信的快速搜索，使你的信息检索既高效又有效。

但这还不是全部！你实施的Mistral AI Ministral 3B为你的应用程序提供了对话智能，生成了既具有上下文意识又引人入胜的响应。与Cohere embed-english-light-v2.0嵌入模型配合使用，你已经学会了如何创建丰富的语义表示，增强理解和响应的准确性。

还不要忘记我们一起探讨的那些实用的优化技巧和免费的成本计算器！这些工具将帮助你在开发RAG应用的过程中最大化效率，明智地管理资源。

现在轮到你了！深入RAG系统的世界，开始构建、优化，并突破你能创造的界限。前方的可能性是无穷无尽的——你进入创新应用的旅程现在开始，我迫不及待想看到你会开发出什么惊人的解决方案。今天就开始吧！”