使用 LangChain、LangChain vector store、Mistral AI Mistral 7B 和 Google Vertex AI textembedding-gecko@001 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。
Google Vertex AI textembedding-gecko@001: 该AI模型专注于生成高质量的文本嵌入，促进卓越的语义理解和上下文捕捉。它的优势在于高效的处理能力和可扩展性，使其成为搜索、推荐系统以及需要从文本数据中提取精确见解的自然语言理解任务等应用的理想选择。

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 Google Vertex AI textembedding-gecko@001

pip install -qU langchain-google-vertexai

from langchain_google_vertexai import VertexAIEmbeddings

embeddings = VertexAIEmbeddings(model="textembedding-gecko@001")

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。

Google Vertex AI textembedding-gecko@001 优化建议

Google Vertex AI textembedding-gecko@001 提供了强大的语义理解，适用于各种 RAG 工作流程。为优化检索，应预处理文本以去除非必要的单词，并结构化内容以突出关键信息。使用最近邻搜索技术，如 HNSW 或 FAISS，以提高检索速度而不牺牲准确性。通过将多个文本查询分组来优化批处理，减少 API 调用开销并提高吞吐量。微调温度设置以确保响应的一致性，并根据所需的输出多样性调整 top-k 或 top-p 参数。缓存经常使用的文本的嵌入，并定期更新以确保嵌入的新鲜度。使用降维技术有效管理内存使用和存储成本。

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？哇！你刚刚迈出了令人激动的一步，进入了尖端科技的世界，我对此感到无比兴奋！在本教程中，我们编织了一个强大的框架，支持向量数据库、LLM（大语言模型）和嵌入模型的无缝集成，创造出一个充满可能性的顶级RAG（检索增强生成）系统。想象一下，你的应用程序会变得多么灵活！

在我们的框架下，一切都像一台运转良好的机器，简化了系统的操作方式。LangChain 向量存储实现了信息的快速检索，确保你的搜索速度快得惊人且高效。你已经见识到 Mistral AI Mistral 7B 如何驱动对话智能，使交互体验仿佛如同真实人类般自然。还有 Google Vertex AI 的 textembedding-gecko@001 的魔力，它能构建丰富的语义表示，赋予你的系统真正理解和解释数据的能力。

我们还包含了一些巧妙的优化技巧，甚至提供了一个免费的成本计算器，让你更容易根据需求定制应用，同时兼顾预算。现在，是时候动手开始构建、优化和创新你自己的 RAG 应用程序了。可能性是无穷无尽的，所以出发吧，进行尝试，释放你的创造力！你能做到的！