使用 LangChain、LangChain vector store、Mistral AI Mistral Large 和 Cohere embed-english-light-v2.0 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 Mistral Large: 该模型为多种自然语言处理任务提供高性能的解决方案。它专注于大规模文本生成和理解，擅长处理复杂查询并生成细致的响应。非常适用于内容创作、对话代理和研究分析等应用，Mistral Large 将多功能性与高效率结合在一起。
Cohere embed-english-light-v2.0: 这个轻量级的嵌入模型旨在高效地对英语文本进行编码，为各种自然语言处理任务提供高质量的表示。它在需要以最小计算资源生成嵌入的场景中表现出色，例如文档相似性、聚类和推荐系统，确保快速性能而不妥协准确性。

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 Large

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("mistral-large-latest", model_provider="mistralai")

第 3 步：安装并配置 Cohere embed-english-light-v2.0

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-v2.0")

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 Large 优化建议

Mistral Large 是一款高容量模型，适用于 RAG 应用中的复杂推理和深度检索任务。为提高效率，使用先进的重新排名模型来优先考虑高质量的检索结果，确保只有最相关的信息被包含在上下文窗口中。通过逻辑地分割和结构化输入提示来优化令牌效率，避免过多的上下文导致推理速度变慢。微调温度（针对事实查询为 0.1–0.2，针对创造性推理可达 0.5）和采样参数，以保持响应质量。使用动态检索策略——对模糊查询检索更广泛的上下文，对明确的问题缩小范围。部署缓存和异步处理，以高效处理高吞吐量的工作负载。如果在云环境中运行 Mistral Large，动态分配资源以平衡性能和成本。

Cohere embed-english-light-v2.0 优化建议

Cohere embed-english-light-v2.0 旨在提高英语任务中嵌入生成的速度和资源效率。为了优化处理，预处理文本时应去除停用词、标点符号和不必要的格式，以最小化输入的复杂性。利用向量压缩技术，如量化或主成分分析（PCA），在不牺牲显著准确性的前提下减少存储需求。对于检索，实施混合搜索策略，将关键词搜索与密集向量搜索相结合，以实现更快和更相关的结果。使用多线程或并行处理高效处理大量嵌入。对于频繁查询的嵌入应用缓存，以最小化重新处理并降低查询延迟，尤其是在高流量的 RAG 系统中。

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？在这个教程中，我们一起踏上了一段激动人心的旅程，探索了检索增强生成（RAG）系统的世界，你已经掌握了关键组件的强大整合！你发现像 LangChain 这样强大的框架充当了将所有元素联系在一起的基石，确保无缝的交互和高效性。通过 LangChain 向量存储，你现在可以利用向量数据库的强大功能，进行闪电般快速的搜索，将最相关的信息放在你的指尖。

你还解锁了 Mistral AI 最前沿的 LLM 能力，使你能够提供真正吸引用户的对话智能，让交互感觉自然且充满活力。而且，不要忘记嵌入模型 Cohere 的 embed-english-light-v2.0，它为你的系统提供了丰富的语义表示，提高了生成内容的准确性和相关性。

此外，凭借关于优化的额外提示和附带的免费成本计算器，你现在拥有了完美调整系统以满足需求的工具！所以，开始运用这些知识—今天就开始构建、优化和创新你自己的 RAG 应用程序吧！可能性是无限的，你已经准备好将你的想法变为现实。让我们对你接下来将创造的东西充满期待！