使用 LangChain、LangChain vector store、Mistral AI Ministral 8B 和 Amazon Titan Text Embeddings 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。)
Mistral AI Ministral 8B: 该模型旨在满足高性能生成任务，拥有80亿个参数，提供效率与能力的平衡。它在文档生成、对话人工智能和创意内容制作方面表现出色。非常适合寻求强大但易于管理的复杂语言应用模型的开发者，同时又无需更大架构所需的资源。
Amazon Titan Text Embeddings v2: 该模型生成高质量的文本嵌入，能够实现细致的语义理解和相似性比较。它具有增强的性能和可扩展性，适用于信息检索、推荐系统和情感分析等任务。非常适合需要大规模、稳健而高效的语言表示的应用。

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 Mistral AI Ministral 8B

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-8b-latest", model_provider="mistralai")

第 3 步：安装并配置 Amazon Titan Text Embeddings v2

pip install -qU langchain-aws

from langchain_aws import BedrockEmbeddings

embeddings = BedrockEmbeddings(model_id="amazon.titan-embed-text-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 8B 优化建议

Ministral 8B在效率和推理能力之间提供了良好的平衡，使其成为RAG应用的一个不错的中档选择。通过利用混合搜索（结合向量搜索和关键词搜索）来优化检索，以提高准确性。使用提示工程技术，如结构化输入格式和上下文的逻辑排序，以增强响应质量。调整温度（0.1-0.3）和top-k值，以平衡事实准确性与创造性灵活性。实现响应缓存，以改善对常见查询的延迟。如果进行大规模部署，使用模型并行性在多个GPU或节点之间有效分配工作负载。通过使用半精度（FP16）或量化模型来优化内存管理，以提高吞吐量。细化检索粒度，确保每个查询中仅包含最相关和简洁的上下文。

Amazon Titan Text Embeddings v2 优化建议

亚马逊Titan文本嵌入v2是一个可扩展的模型，在大规模文本检索任务中表现良好。通过预处理输入文本以去除噪音并专注于高价值内容来优化检索，这可以提高嵌入生成的效率。使用矢量压缩技术，如量化或降维，以降低内存和存储成本，而不显著影响检索准确性。在查询时，实施结合稠密矢量搜索和传统基于关键词搜索的混合搜索策略，以提高检索速度和相关性。对于大规模应用，批量处理文本以减少API调用并增强吞吐量。缓存高需求的嵌入以最小化冗余处理并加快查询响应时间。定期更新和重新训练嵌入模型，以保持与新数据的准确性。

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。

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？在本教程中，我们深入探讨了构建先进的RAG（检索增强生成）系统的迷人世界，运用强大组件的协同组合。让我们花一点时间来庆祝你所集成的惊人能力！

首先，从LangChain框架开始，它轻松地将所有部分串联在一起，你已经看到它是如何简化整个开发过程，让你的工作流程比以往更加顺畅。通过LangChain向量存储，你发现熟练管理数据如何导致闪电般快速的搜索，使你能够高效而有效地处理询问。在对话智能方面，使用Mistral AI Ministral 8B模型使你的应用能够与用户进行有意义的对话，而Amazon Titan文本嵌入v2则提供丰富的语义表示，增强了你理解内容中的上下文和细微差别的能力。

而且不要忘记那些有价值的优化提示和方便的成本计算器——这些工具旨在确保你不仅构建出强大的RAG应用，还能高效、自信地做到这一点。

现在，既然你已经掌握了这种集成，前景无垠！利用这些技能，开始构建，把你的创新提升到一个新的水平。去创造一些非凡的东西，世界在期待着你的RAG应用！