使用 LangChain、LangChain vector store、Mistral AI Mistral Small 和 Google Vertex AI text-embedding-005 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。
Google Vertex AI text-embedding-005: 该模型生成高质量的文本嵌入，促进细致的语义理解和相似性比较。它的优势在于高效性和可扩展性，非常适合信息检索、推荐系统和多语言支持等任务。非常适合寻求通过强大的上下文洞察来增强其应用程序的开发者。

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 Google Vertex AI text-embedding-005

pip install -qU langchain-google-vertexai

from langchain_google_vertexai import VertexAIEmbeddings

embeddings = VertexAIEmbeddings(model="text-embedding-005")

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。

Google Vertex AI text-embedding-005 优化建议

Google Vertex AI text-embedding-005 是一个高性能模型，针对在 RAG 系统中生成上下文感知的嵌入进行了优化。通过利用两阶段搜索流程来提高检索准确性：首先，通过关键词匹配进行过滤，然后根据嵌入相似度对结果进行重新排序。使用批量嵌入生成以最小化延迟并简化处理。当管理大型数据集时，实施分层向量索引以优化内存使用和检索速度。使用特定领域的数据微调嵌入，以提高小众用例的检索相关性。对于高吞吐量系统，采用分布式搜索基础设施以高效扩展，同时保持低查询响应时间。定期评估嵌入的相关性，并使用新的训练数据更新模型，以实现最佳性能。

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，你掌握了一套令人惊叹的技能，使你能够构建一个尖端的检索增强生成（RAG）系统！通过整合LangChain框架，你看到了它如何优雅地将所有组件结合在一起，为你的应用程序创造一个稳固的基础。你探索了LangChain向量存储的强大功能，它通过在数据中实现超快和高效的搜索提升了系统的性能，使用户能够在创纪录的时间内找到他们所寻找的确切信息。

你还利用了Mistral AI Mistral Small的能力，它为你的应用程序带来了对话智能，将用户互动提升到全新的水平。在学习如何使用谷歌的Vertex AI text-embedding-005生成丰富的语义表示时，你熟练掌握了创建强大嵌入的方法，从而增强了响应的上下文理解和相关性。

此外，优化建议和附带的免费成本计算器确保你在深入研究时可以精简项目并明智地管理资源。因此，当你站在这个令人兴奋的岔路口时，尽情去构建、优化和创新你自己的RAG应用程序吧！可能性是无穷的，世界在等待你独特的贡献。祝你编码愉快！