使用 LangChain、LangChain vector store、Mistral AI Mistral Nemo 和 Amazon Titan Text Embeddings v2 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 Nemo: 该模型旨在进行高性能自然语言处理，强调可解释性和适应性。它在文本生成、对话系统和内容创作等任务中表现出色。非常适合营销和娱乐等行业，Mistral Nemo 能够提供丰富、连贯的叙事，同时允许针对特定领域需求进行微调。
Amazon Titan Text Embeddings v2: 该模型生成高质量的文本嵌入，能够实现细致的语义理解和相似性比较。它具有增强的性能和可扩展性，适用于信息检索、推荐系统和情感分析等任务。非常适合需要大规模、稳健而高效的语言表示的应用。

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 Nemo

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-nemo", model_provider="mistralai")

第 3 步：安装并配置 Amazon Titan Text Embeddings v2

pip install -qU langchain-aws

from langchain_aws import BedrockEmbeddings

embeddings = BedrockEmbeddings(model_id="amazon.titan-embed-text-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 Nemo 优化建议

Mistral Nemo旨在进行领域特定的知识检索和响应生成，使检索效率成为首要任务。通过微调检索管道来优化性能，以确保在相似性搜索中使用与领域相关的嵌入。使用排名层优先选择最相关的上下文段落，然后将其传递给模型，从而减少令牌浪费。调整温度设定（0.1–0.3）以保持一致、结构化的响应。在延迟敏感的应用中，使用令牌流传输逐步响应，而不是等待完全完成。如果在生产环境中运行Nemo，请考虑使用分布式推理技术以有效管理大规模工作负载。持续监控检索准确性，并定期微调嵌入，以保持响应与领域特定更新的一致性。

Amazon Titan Text Embeddings v2 优化建议

亚马逊Titan文本嵌入v2是一个可扩展的模型，在大规模文本检索任务中表现良好。通过预处理输入文本以去除噪音并专注于高价值内容来优化检索，这可以提高嵌入生成的效率。使用矢量压缩技术，如量化或降维，以降低内存和存储成本，而不显著影响检索准确性。在查询时，实施结合稠密矢量搜索和传统基于关键词搜索的混合搜索策略，以提高检索速度和相关性。对于大规模应用，批量处理文本以减少API调用并增强吞吐量。缓存高需求的嵌入以最小化冗余处理并加快查询响应时间。定期更新和重新训练嵌入模型，以保持与新数据的准确性。

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？在本教程中，你经历了构建前沿RAG（检索增强生成）系统的激动人心的旅程，整合了四个强大的组件，使你的项目提升到新的高度。你发现框架作为你应用的基础，顺畅地连接了向量数据库、LLM和嵌入模型之间的关系。这意味着资源管理更加高效便捷，让你能够专注于真正重要的事情：创新！

你探索了向量数据库的能力，它支持快速而精准的搜索，确保你可以在瞬间获取最相关的信息。同时，像Mistral AI的Mistral Nemo或亚马逊的Titan Text Embeddings v2等LLM为你的应用提供对话智能，使用户体验丰富而引人入胜。我们也不能忘记嵌入模型，它为细致的理解生成丰富的语义表示——不仅仅是对词汇的理解，还有上下文、意图和意义。

借助优化技巧以及一个免费的成本计算器，你可以进一步细化你的应用。现在是释放你创造力的时候！深入构建、优化和创新你自己的RAG应用。可能性是无穷无尽的，我迫不及待想看到你创造的惊人解决方案。所以，去吧，勇敢迈出那一步，让你的想法转化为改变世界的强大工具！