使用 LangChain、LangChain vector store、Mistral AI Ministral 8B 和 HuggingFace all-mpnet-base-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。
HuggingFace all-mpnet-base-v2: 这个模型是 MPNet 的一个变体，旨在用于通用的 NLP 任务，提供在句子嵌入和语义相似性方面的卓越性能。它擅长理解上下文的细微差别，因而非常适合搜索、推荐系统以及任何需要强大文本理解和匹配能力的应用。

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 HuggingFace all-mpnet-base-v2

pip install -qU langchain-huggingface

from langchain_huggingface import HuggingFaceEmbeddings

embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-mpnet-base-v2")

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。

HuggingFace all-mpnet-base-v2 优化建议

HuggingFace all-mpnet-base-v2 是一个强大且高效的嵌入模型，在 RAG 任务的语义理解方面表现出色。通过在嵌入之前减少文本噪声来优化检索，确保只有有意义的内容被处理。使用近似最近邻 (ANN) 搜索与 FAISS 或类似框架结合，加速查询解析而不降低质量。实施降维技术以节省内存并减少计算开销。利用缓存策略针对频繁查询的文本嵌入，以最小化 API 调用并改善延迟。针对特定任务的数据微调嵌入模型，以提高搜索结果的准确性和相关性。在扩展时，对大型数据集使用并行处理和批量嵌入操作，以优化吞吐量。

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，我们一起 embarked on 一段激动人心的旅程，探索了信息检索增强生成（RAG）系统的奇妙世界！通过将一个强大的框架与一个最先进的向量数据库、来自 Mistral AI 的先进大型语言模型 (LLM)，以及来自 HuggingFace 的强大嵌入模型相结合，你为创建能够变革我们与信息互动方式的智能应用奠定了基础。

我们首先揭示了这个框架如何优雅地将所有这些组件结合在一起，确保平稳的功能和可扩展性。你亲眼目睹了 LangChain 向量数据库如何实现闪电般快速的搜索，使你能够轻松地检索相关数据，同时将延迟降至最低。Mistral 8B 模型，我们的 LLM 明星，展示了惊人的对话能力，使用户与技术进行有意义互动变得比以往任何时候都简单。此外，别忘了嵌入模型，它创建丰富的语义表示，以确保你的系统像人类一样理解上下文！

我们还分享了一些优化建议，以提升你应用的性能，以及一个方便的免费的成本计算器，以帮助你在探索的同时控制预算。现在轮到你了！深入其中，开始构建，让你的创造力充分发挥，创新和优化你自己的 RAG 应用。未来无限，我迫不及待想看到你创造的开创性项目！所以，开始吧，迎接前方惊人的可能性！”