使用 LangChain、LangChain vector store、Mistral AI Ministral 8B 和 NVIDIA arctic-embed-l 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。
• NVIDIA arctic-embed-l: 这个AI模型旨在优化嵌入式系统，重点关注低延迟处理和能源效率。它在实时应用中表现出色，非常适合用于智能设备、物联网应用和自动化系统中的边缘计算，使现场能够进行高级分析和决策。

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 NVIDIA arctic-embed-l

pip install -qU langchain-nvidia-ai-endpoints

import getpass
import os

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

from langchain_nvidia_ai_endpoints import NVIDIAEmbeddings

embeddings = NVIDIAEmbeddings(model="snowflake/arctic-embed-l")

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。

NVIDIA arctic-embed-l 优化建议

为了优化您在检索增强生成（RAG）设置中的NVIDIA arctic-embed-l组件，考虑实施多线程方法来并行处理数据，这可以显著提高吞吐量。利用混合精度训练加速模型的计算，同时降低内存使用。定期使用特定领域的数据微调您的嵌入，以提高其相关性和准确性。此外，采用批处理技术来减少延迟，确保高效利用GPU。监控您的推理时间，并根据工作负载模式动态调整缓存大小，以有效平衡速度和资源消耗。

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

"通过深入学习本教程，您已经解锁了从零开始构建 RAG 系统的魔力！您学会了 LangChain 如何作为粘合剂，优雅地将您的组件连接成一条无缝的管道。借助其直观的框架，您协调工作流程以获取数据，将其切块，并将其馈送到 NVIDIA 的超高速 arctic-embed-l 模型，该模型将文本转换为丰富的、可搜索的嵌入。这些嵌入随后为 LangChain 向量存储 提供了支持，使其能够进行闪电般快速的语义搜索，以检索最相关的上下文。最后，您看到了 Mistral AI 的 Mixtral 8B——一款强大的 LLM——如何将检索到的知识合成为连贯、准确的回答，将原始数据转化为可操作的见解。在此过程中，您还学习到了一些专业技巧，比如优化切块大小以改善检索效果，并在成本和性能之间取得平衡，也许还实验了免费的 RAG 成本计算器来估算您项目的需求。

现在，您已经具备了构建智能系统的能力，这些系统不仅能够 回答 问题，还能 理解 上下文。想象一下应用场景——从引用来源的聊天机器人到从庞大知识库中提取信息的 AI 辅导员。这些工具都在您的手中，可能性是无限的。所以，去吧！调整那些参数，尝试新的数据集，突破 RAG 的边界。无论您是在优化速度、成本还是准确性，您的旅程才刚刚开始。构建一些大胆的东西，与世界分享，并记住：您所编写的每一行代码都让我们更接近更智能、更灵敏的 AI。让我们一起创造魔法吧！🚀"

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！💖