使用 LangChain、LangChain vector store、NVIDIA BGE-M3 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。)
• NVIDIA BGE-M3: NVIDIA BGE-M3 是一款尖端的语言模型，旨在生成类人文本，适用于多种自然语言处理任务。它的优势在于能够产生连贯且具有上下文相关性的响应，使其非常适合用于聊天机器人、内容创作和虚拟助手等应用。BGE-M3 在理解细微的输入方面表现出色，为用户提供高度准确且引人入胜的互动，从而增强多个行业中的自动化沟通系统。
• 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 NVIDIA BGE-M3

pip install -qU "langchain-nvidia-ai-endpoints"

import getpass
import os

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

from langchain.chat_models import init_chat_model

llm = init_chat_model("baai/bge-m3", model_provider="nvidia")

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。)

NVIDIA BGE-M3 优化建议

为了在检索增强生成（RAG）设置中优化 NVIDIA BGE-M3，确保您的数据检索系统经过精细调优，以实现可重用性和相关性——考虑实施缓存机制以存储频繁访问的文档。此外，实验检索参数，例如最近邻搜索中的 k 值，可以为您的特定任务产生更好的结果。利用混合精度训练来提高吞吐量并减少内存使用，同时不影响模型性能。定期通过验证测试监控和微调超参数，以实现速度和准确性之间的最佳平衡。最后，利用 NVIDIA 的 TensorRT 或 ONNX 优化工具进行模型部署，以最大化推理效率。

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

通过深入这个教程，你已经解锁了从零开始构建RAG系统的强大能力，使用最先进的工具！你学习了LangChain如何作为背后的支柱，像指挥家引导乐队一样，无缝地协调组件之间的流动。LangChain向量存储变成了你可信赖的图书管理员，利用NVIDIA强大的BGE-M3模型或Google多功能的textembedding-gecko@001生成的嵌入，高效地组织和检索上下文数据。这些嵌入模型将原始文本转化为丰富的数值表示，使你的系统具备理解和优先处理信息的能力。同时，Google Vertex AI的LLM作为创造天才，合成检索到的数据，生成自然且富有洞察力的人类般的回应。这些组件共同形成了一个动态的RAG管道，平衡了速度、准确性和可扩展性——非常适合聊天机器人、研究工具或个性化助手！

但等等，还有更多！你还获得了优化性能的专业技巧，比如调整块大小以提高相关性，或融合关键词搜索和语义搜索（混合搜索加油！）。你探索的免费的RAG成本计算器是一个改变游戏规则的工具，帮助你在预算和性能之间取得平衡，无需猜测。现在，armed with this knowledge，你准备好进行创造、实验和创新。想象一下你将构建的应用——你将解决的问题！所以，继续前进：调整那些参数，测试不同的嵌入，让你的创意驰骋。AI的世界是你的游乐场，而你刚刚升级。开始构建，分享你的胜利，记住——每一行代码都使我们更接近更聪明、更直观的AI。让我们创造奇迹吧！🚀

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！💖