使用 LangChain、LangChain vector store、Mistral AI Mixtral 8x7B 和 IBM all-minilm-l6-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's Mixtral 8x7B: 一个前沿的多模型架构，旨在提高性能和效率。它结合了8个较小的模型，每个模型拥有70亿个参数，从而实现更专业的能力和更好的可扩展性。这一创新设计旨在提供更快、更准确的人工智能响应，同时保持资源的高效利用。
- IBM all-minilm-l6-v2: 此模型是一个紧凑、高效的基于变压器的语言表示模型，针对需要快速推理的任务进行了优化。它在自然语言理解任务中表现优异，如情感分析和信息检索，使其非常适合用于聊天机器人、搜索引擎和数据标注等应用。
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 Mixtral 8x7B
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-mixtral-8x7b", model_provider="mistralai")
第 3 步：安装并配置 IBM all-minilm-l6-v2
pip install -qU langchain-ibm
import getpass
import os
if not os.environ.get("WATSONX_APIKEY"):
os.environ["WATSONX_APIKEY"] = getpass.getpass("Enter API key for IBM watsonx: ")
from langchain_ibm import WatsonxEmbeddings
embeddings = WatsonxEmbeddings(
model_id="sentence-transformers/all-minilm-l6-v2",
url="https://us-south.ml.cloud.ibm.com",
project_id="<WATSONX PROJECT_ID>",
)
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 Mixtral 8x7B 优化建议
Mixtral 8x7B 是一种专家混合模型 (MoE)，这意味着每个查询仅使用其参数的一个子集，从而优化效率并保持高性能。为了最大化检索增强生成 (RAG) 的效率，确保检索管道返回高度相关的上下文，以避免不必要的令牌使用。使用自适应分块提供结构化和简明的信息，防止检索过多或冗余的数据。通过调整路由策略来优化推理速度，确保有效利用正确的专家路径。微调温度 (0.1–0.3 用于事实任务) 和 top-p 设置，以保持响应的一致性。如果在自托管或基于 API 的环境中运行 Mixtral，请利用批处理和并行处理来高效处理高吞吐量的请求。在多层系统中将 Mixtral 与其他模型结合时，对推理密集型查询进行选择性使用，同时将简单任务委派给较小的模型。
IBM all-minilm-l6-v2 优化建议
为了优化IBM all-minilm-l6-v2在检索增强生成（RAG）设置中的性能，请考虑实现精简的查询预处理，以去除停用词并标准化文本，确保输入查询简洁且相关。对频繁检索的结果层叠缓存策略可以显著降低延迟，而用特定领域的数据微调模型则能提升相关性和准确性。此外，在推断过程中实验批处理以利用并行化，并监控和调整如学习率和最大令牌计数等超参数，以精炼模型响应。最后，确保您的检索系统与生成过程无缝集成，以保持生成输出中的上下文和连贯性。
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。
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 RAG 系统的魔力，使用了最前沿的工具！您学习了 LangChain 如何像专业人士一样，作为粘合剂，顺畅地协调各个组件之间的工作流程。LangChain 向量存储 成为了您的数据强大引擎，利用 IBM 的 all-minilm-l6-v2 模型 生成的嵌入，高效地存储和检索上下文，将文本转化为丰富的数值表示。接着，Mistral AI 的 Mixtral 8x7B 提供了智能，将这些嵌入合成连贯的人类响应——展示了它在快速且细致地处理复杂查询方面的才能。所有这些要素共同形成了一个动态管道，连接原始数据和智能输出，证明了 RAG 如何为应用提供上下文感知的 AI 动力。此外，您还掌握了优化性能的专业技巧，例如调整块大小和改善检索策略，甚至发现了一种 免费的 RAG 成本计算器，以便让您的项目保持预算友好和可扩展。
现在，您掌握了将理论变为实践的知识！想象一下您可以构建的应用——能真正理解上下文的聊天机器人、能在几秒钟内提供洞见的研究工具，或者能够即时适应的个性化内容引擎。本教程不仅仅是关于代码；它在于赋予您创新的力量。所以，继续前行——尝试不同的模型，微调您的向量数据库，或者添加新的数据源。AI 驱动的应用未来由您来塑造，而您写下的每一行代码都将使我们更接近更智能、更直观的技术。准备好，出发，构建……让您的 RAG 创作惊艳四方吧！🚀
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！💖
