使用 LangChain、LangChain vector store、Mistral AI Mistral Small 和 Azure text-embedding-3-large 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 Small: 这个轻量级的变换器模型在减少内存占用的同时提供了竞争力的性能，使其适合资源受限的环境。它在文本生成和分类等任务中表现出色，提供了高效性而不牺牲质量。非常适合需要快速响应和低延迟的应用，例如聊天机器人和实时分析。
Azure text-embedding-3-large: 这个强大的AI模型专注于为自然语言处理任务生成高质量的文本嵌入。凭借其对上下文的高级理解，它在语义搜索、推荐系统和聚类等应用中表现出色。非常适合那些希望提升复杂数据集中文本分析和检索的开发者，同时确保强大的准确性和性能。

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 Small

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-small-latest", model_provider="mistralai")

第 3 步：安装并配置 Azure text-embedding-3-large

pip install -qU langchain-openai

import getpass
import os

if not os.environ.get("AZURE_OPENAI_API_KEY"):
  os.environ["AZURE_OPENAI_API_KEY"] = getpass.getpass("Enter API key for Azure: ")

from langchain_openai import AzureOpenAIEmbeddings

embeddings = AzureOpenAIEmbeddings(
    azure_endpoint=os.environ["AZURE_OPENAI_ENDPOINT"],
    azure_deployment=os.environ["AZURE_OPENAI_DEPLOYMENT_NAME"],
    openai_api_version=os.environ["AZURE_OPENAI_API_VERSION"],
)

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 Small 优化建议

Mistral Small 是一个紧凑、高效的模型，最适合低延迟和成本效益高的 RAG 应用。通过确保检索管道返回高度针对性和简洁的上下文来优化令牌使用，从而减少不必要的模型计算。使用轻量级的提示压缩技术来简化输入格式，避免冗余细节。将温度调整到 0.1–0.2，以保持事实一致性，同时保持采样技术的最小化，以防止响应的可变性。对于实时应用，实施常见查询的缓存以进一步提高速度。如果进行大规模部署，可以利用量化版本的模型（例如，4 位或 8 位精度）来减少内存占用。使用批量推断技术以最大化吞吐量，同时最小化 API 调用开销。

Azure text-embedding-3-large 优化建议

Azure text-embedding-3-large 是一个强大的模型，用于生成高质量的文本嵌入。通过预处理输入文本以去除冗余内容，优化效率，并确保嵌入集中于最重要的概念。利用近似最近邻（ANN）搜索算法，如 FAISS 或 HNSW，在大数据集中快速检索。处理高吞吐量应用时，实行缓存策略以存储经常访问的嵌入，减少 API 调用开销。使用多线程或并行处理来处理批量请求，降低大规模系统的延迟。考虑使用降维技术，如 PCA 或量化，来减少存储需求并提高检索速度。定期更新嵌入以反映新数据，确保系统的搜索结果准确。

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

“我们一起经历了多么奇妙的旅程啊！在这个教程中，我们探索了构建尖端 RAG（检索增强生成）系统的令人兴奋的世界，将强大的组件如 LangChain、稳健的向量数据库、来自 Mistral AI 的高性能 LLM 以及复杂的嵌入模型结合在一起。您已经了解了这些工具如何无缝集成，以创建一个智能和响应迅速的系统，能够改变您的应用。

我们的框架 LangChain 美妙地协调了所有这些元素，确保它们协调工作以提供最佳性能。通过利用向量数据库，您的系统可以进行闪电般快速的搜索，瞬间检索相关信息。加上 Mistral AI 模型的对话智能，您就拥有了一个可以与用户进行丰富上下文对话的系统。此外，嵌入模型构建复杂的语义表示，帮助您的系统准确理解和响应。

我们还分享了一些实用的优化技巧，以提升您的 RAG 应用程序的性能，甚至提供了一个免费的成本计算器，帮助您估算运营费用。现在，是时候让您的创造力和创新力大展拳脚了！深入探索，进行实验，构建您自己的应用。可能性是无限的，我迫不及待想看到您创造的成果。让我们一起前行，创造惊人的事物——您的旅程从现在开始！”