使用 LangChain、LangChain vector store、Mistral AI Pixtral 和 Google Vertex AI textembedding-gecko@001 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 Pixtral: Pixtral是一个尖端的图像生成模型，旨在高质量视觉内容创作。它专注于艺术风格迁移和细节准确性，擅长将文本提示转化为生动的图像。Pixtral非常适合设计、营销和创意领域的应用，以其多功能性和美学精确性提升工作流程。
Google Vertex AI textembedding-gecko@001: 该AI模型专注于生成高质量的文本嵌入，促进卓越的语义理解和上下文捕捉。它的优势在于高效的处理能力和可扩展性，使其成为搜索、推荐系统以及需要从文本数据中提取精确见解的自然语言理解任务等应用的理想选择。

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 Pixtral

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("pixtral-12b-2409", model_provider="mistralai")

第 3 步：安装并配置 Google Vertex AI textembedding-gecko@001

pip install -qU langchain-google-vertexai

from langchain_google_vertexai import VertexAIEmbeddings

embeddings = VertexAIEmbeddings(model="textembedding-gecko@001")

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 Pixtral 优化建议

Pixtral 针对多模态 RAG 应用进行了优化，需要对文本和视觉数据检索进行仔细管理。通过使用专门的嵌入来提高检索效率——对文本使用向量搜索，对图像使用基于 CLIP 的嵌入。实施一种多模态排序系统，以优先考虑最具上下文相关性的段落和图像。通过有效构建输入提示来优化模型性能，确保文本和视觉信息良好集成，避免不必要的重复。根据响应需求微调温度设置——对于以准确性为驱动的应用，使用较低的值（0.1–0.2），对于创意输出则使用较高的值。如果进行大规模部署，请使用并行推理以高效处理大规模多模态数据集。通过利用批处理和缓存策略来简化推理，尤其是在处理频繁查询的图像和文本对时。

Google Vertex AI textembedding-gecko@001 优化建议

Google Vertex AI textembedding-gecko@001 提供了强大的语义理解，适用于各种 RAG 工作流程。为优化检索，应预处理文本以去除非必要的单词，并结构化内容以突出关键信息。使用最近邻搜索技术，如 HNSW 或 FAISS，以提高检索速度而不牺牲准确性。通过将多个文本查询分组来优化批处理，减少 API 调用开销并提高吞吐量。微调温度设置以确保响应的一致性，并根据所需的输出多样性调整 top-k 或 top-p 参数。缓存经常使用的文本的嵌入，并定期更新以确保嵌入的新鲜度。使用降维技术有效管理内存使用和存储成本。

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？在这个教程中，你大胆地踏入了最前沿的增强检索生成（RAG）系统的世界！通过将强大的框架如LangChain与能够实现闪电般快速搜索的向量数据库无缝集成，你现在具备了构建响应迅速且智能应用程序的工具。你见识到了Mistral AI Pixtral语言模型如何为对话智能赋能，将数据检索转化为动态对话。结合Google Vertex AI的textembedding-gecko@001嵌入模型，你发现了如何制作丰富的语义表示，从而增强应用程序理解的深度。

借助优化技巧和方便的免费成本计算器，你不仅准备好实现这些功能；你还具备了创新和完善你的RAG系统的能力，超越了你曾经认为可能的界限。想象一下你可以探索的所有创造性路径！这些组件的结合标志着你在创造响应迅速且吸引人的应用程序方面的一次重大飞跃。因此，挽起袖子，投入你的项目，让你的想象力自由驰骋。RAG技术的未来光明，而这一切都在你的创造之中！现在正是构建、优化并在这一激动人心的领域留下你印记的时刻！