使用 LangChain、LangChain vector store、Mistral AI Mistral 7B 和 Cohere embed-english-light-v3.0 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's Mistral 7B: 一个高效且强大的语言模型，拥有70亿个参数。它旨在为广泛的自然语言处理任务提供强大的性能，能够生成高质量的响应，同时在速度和计算资源使用之间保持平衡。其架构经过优化，兼顾了灵活性和可扩展性，适用于人工智能应用。
Cohere embed-english-light-v3.0: 这个模型专注于生成高质量的英语文本嵌入，经过优化以实现高效和低资源使用。它在语义搜索、聚类和推荐系统等任务中表现出色。非常适合需要在资源受限环境中快速和可扩展的文本表示能力的开发者。

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 Mistral 7B

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("open-mistral-7b", model_provider="mistralai")

第 3 步：安装并配置 Cohere embed-english-light-v3.0

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-v3.0")

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 Mistral 7B 优化建议

Mistral 7B 是一个基于密集变压器的模型，经过优化以提高效率，是资源受限的 RAG 应用中的强有力选择。通过使用高质量的嵌入和重排名策略来提升检索效果，以确保仅将最相关的文档包含在上下文窗口中。通过简洁地构建输入提示来优化token使用，消除冗余细节，同时保留关键信息。使用温度（0.1–0.3）以确保一致的事实准确性，并根据所需的响应多样性调整采样技术。通过利用量化技术（如4位或8位精度）在可扩展的基础设施中部署 Mistral 7B，从而提高推理速度而不显著影响准确性。实施批处理以有效处理多个查询，减少整体计算负载。在实时应用中，考虑响应缓存以最小化冗余 API 调用。

Cohere embed-english-light-v3.0 优化建议

Cohere embed-english-light-v3.0 是针对英语语言任务优化的轻量级、快速的嵌入模型。为了最大化效率，请对输入文本进行预处理，去除不必要的词语并标准化格式，这样可以减少计算负载并加快嵌入生成速度。利用向量压缩技术来降低存储成本并提高检索性能。在处理大量数据时，实施高效的搜索策略，如 HNSW 或产品量化，以减少查询所花费的时间。批量嵌入操作一次处理多个文本，从而最小化频繁 API 调用带来的开销。定期更新嵌入，以捕捉数据集中的任何变化，确保搜索结果的新鲜度和准确性，同时优化存储。

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

我们共同踏上了一段令人难以置信的旅程！在这个教程中，我们深入探讨了检索增强生成（RAG）系统的世界，我希望你和我一样，对我们所构建的成果感到兴奋。通过整合像LangChain这样强大的框架，我们为所有关键组件之间的无缝协作奠定了基础。LangChain向量存储让我们能够高效利用向量数据库的速度和灵活性，确保你的RAG系统能够以闪电般的精确度进行搜索。同时，我们也见证了Mistral AI的Mistral 7B模型如何为对话智能增添神奇一层，让你的应用能够以自然且引人入胜的方式做出回应，真正体现出人类的感觉。我们还不能忘记嵌入模型的重要角色，例如Cohere的embed-english-light-v3.0，它生成丰富的语义表示，为你的查询增添深度。

在此过程中，我分享了一些优化技巧，以帮助提高性能，并提供了一个免费的成本计算器来协助你的预算。现在轮到你了！利用这些知识，进行实验，拓展可能性的边界。开始构建、优化和创新你自己的RAG应用，让你的创意自由翱翔。未来一片光明，我期待看到你所创造的作品！