44.7k联系我们登录免费试用

使用 LangChain、LangChain vector store、Mistral AI Mistral Small 和 Ollama snowflake-arctic-embed 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。
  • Ollama Snowflake-Arctic-Embed: 该模型专注于为结构化和非结构化数据生成高维嵌入，利用先进的深度学习技术。它的优势包括高效处理大型数据集和生成上下文表示，使其非常适合用于推荐系统、语义搜索和个性化内容传递等应用。

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 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 Ollama snowflake-arctic-embed

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="snowflake-arctic-embed")

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。

Ollama snowflake-arctic-embed 优化建议

为了优化您在检索增强生成设置中的Ollama snowflake-arctic-embed组件，请确保在特定领域的数据上对嵌入模型进行微调，以提高相关性和准确性。利用缓存机制来存储频繁访问的嵌入，以减少计算时间。尝试不同的嵌入维度，以平衡性能和资源使用，并实施向量量化技术，在不显著影响质量的情况下节省内存空间。此外，定期监控性能指标，并相应地调整超参数，以在您的检索任务中获得最佳效果。

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 Calculate your RAG cost

收获与总结

通过深入本教程，您已经解锁了从零开始构建检索增强生成（RAG）系统的魔力！您了解了LangChain如何充当支柱，无缝地将管道的每个组件结合在一起。通过整合LangChain向量存储，您亲眼见证了如何高效地存储和检索数据，将非结构化信息转变为可搜索的知识库。接下来是Mistral AI的Mistral Small，这个强大的语言模型通过将检索的数据与自身的推理合成，生成类人响应。我们还不能忘记Ollama的snowflake-arctic-embed模型，它将文本转化为丰富的嵌入，确保您的系统精确理解上下文和细微差别。所有这些工具共同创建了一个既智能又适应性强的动态RAG管道——非常适合聊天机器人、研究助手或任何需要实时知识注入的应用！

但等等，还有更多！您还学到了优化性能的专业技巧，例如调整检索参数和在速度与准确性之间取得平衡。您探索的免费RAG成本计算器是一个游戏改变者，帮助您估算费用并智能地扩展项目。现在，您已经看到了这些组件如何组合在一起——以及如何调整它们以达到最大效果——是时候自己掌舵了！尝试不同的模型，完善工作流程，拓展可能的边界。无论您是在构建创造力、生产力还是创新的工具，您都有能力使其成为现实。现在就启动您的IDE，拥抱试错的旅程，开始创建令用户惊叹并解决现实问题的RAG应用。未来的人工智能掌握在您手中——让我们一起构建它！ 🚀

欢迎反馈！

我们很期待听到你的使用心得与建议！ 🌟 你可以：

  • 在下方留言；
  • 加入 Milvus Discord 社区，与全球 AI 爱好者一起交流。 如果你觉得本教程对你有帮助，别忘了给 Milvus GitHub 仓库点个 ⭐，这将激励我们不断创作！💖

大规模向量数据库

Zilliz Cloud 是一个专为大规模应用构建的全托管向量数据库，完美适配您的 RAG 应用。

免费试用 Zilliz Cloud
快速免费计算您的 RAG 成本

继续阅读

AI Assistant