使用 LangChain、LangChain vector store、Mistral AI Mistral 7B 和 Cohere embed-multilingual-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-multilingual-v3.0: 这个模型提供高质量的多语言文本嵌入，能够有效理解不同语言之间的语义。它的优势在于捕捉细微的含义并促进跨语言的搜索和分析。非常适用于全球客户支持、内容推荐和多语言数据分析等应用，提升了多语言沟通和洞察提取的能力。

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-multilingual-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-multilingual-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-multilingual-v3.0 优化建议

Cohere embed-multilingual-v3.0 旨在支持多语言，使其在全球 RAG 系统中非常有用。为优化性能，需要通过处理语言特有的细节（如分词和特殊字符）来预处理多语言输入，以保持不同语言之间的一致性。实现语言检测模型以过滤和路由查询到合适的语言嵌入，从而提高速度和相关性。使用如 FAISS 或 HNSW 等索引结构加快跨多语言数据集的搜索速度。采用量化等技术压缩嵌入，以优化存储，同时确保质量。为了处理可扩展性，利用分布式存储系统高效管理多语言嵌入。持续重新训练和更新嵌入，以反映新语言或不断演变的语言模型。

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？恭喜你完成这个激动人心的教程！你不仅获得了将强大框架与向量数据库集成的宝贵见解，还探索了如何利用语言模型和嵌入模型来创建前沿的检索增强生成（RAG）系统。看到这个框架将所有组件结合在一起，允许你的系统顺畅高效地运行，真是太棒了。向量数据库，比如LangChain的向量存储，使你能够快速搜索，确保你的应用程序能够快速检索相关数据进行处理。

通过实现Mistral AI的Mistral 7B模型，你亲身体验了对话智能如何提升用户交互，提供更丰富、更具吸引力的对话。借助Cohere的embed-multilingual-v3.0嵌入模型，你掌握了生成细致语义表示的能力，这对于理解不同语言用户的意图至关重要。

记得在整个教程中分享的优化建议，并别忘了利用免费的成本计算器来最大化你的资源！这只是一个开始——利用你所学的知识来开始构建、优化和创新你自己的RAG应用程序。世界在等待你的创造力和想法，所以卷起袖子，投入进来。让我们一起创造一些惊人的东西！