使用 LangChain、LangChain vector store、NVIDIA BGE-M3 和 Google Vertex AI textembedding-gecko@003 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@003: 该模型专门生成高质量的文本嵌入，用于多种应用，包括语义搜索和内容推荐。它利用先进的上下文理解技术，确保对复杂文本的准确表示。非常适合集成到需要可扩展和高效自然语言处理解决方案的系统中，提升实时应用中的用户体验。

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@003

pip install -qU langchain-google-vertexai

from langchain_google_vertexai import VertexAIEmbeddings

embeddings = VertexAIEmbeddings(model="textembedding-gecko@003")

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@003 优化建议

Google Vertex AI textembedding-gecko@003旨在实现高级文本理解，使其非常适合高精度的RAG应用。通过去除噪声数据并专注于文档中最相关的内容来优化嵌入生成。使用高效的向量搜索算法，如带有IVF或HNSW的FAISS，以确保快速准确的文档检索。对大量数据进行批量文本嵌入，以加快处理速度并最小化延迟。为高频查询实现缓存，并定期更新嵌入以跟上数据环境的变化。对领域特定任务进行微调，以提高专业RAG应用中的相关性。考虑部署多阶段搜索策略，结合语义和基于关键字的方法，以实现最佳的准确性和性能。

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

通过深入这个教程，您已经解锁了将尖端工具集成在一起、从零构建强大RAG系统的能力！您了解了LangChain如何作为粘合剂，将一切串联在一起——协调工作流程、管理提示并无缝连接组件。LangChain向量存储成了您高效存储和检索上下文数据的首选工具，确保您的系统能够快速访问相关信息。接下来是嵌入魔法：NVIDIA的BGE-M3模型和Google的Vertex AI textembedding-gecko@003向您展示了如何将文本转化为丰富的语义向量，以精准而灵活的方式捕捉意义。您亲眼看到更换嵌入模型如何能够根据不同需求定制您的RAG管道，无论是优先考虑速度、准确性还是多语言支持。在这个过程中，您掌握了优化性能的专业技巧——例如调整块大小、在延迟与质量之间取得平衡，以及使用元数据过滤——甚至发现免费的RAG成本计算器如何帮助您在扩展时合理预算。

现在，凭借这些知识，您准备创建感觉几乎 活着 的RAG应用程序——理解上下文、动态回答并随着您的数据而进化的系统。工具掌握在您手中，可能性是无限的，最棒的是什么？您已经迈出了第一步。所以，继续吧——无畏地实验，创造性地迭代，突破人工智能可以做到的界限。无论您是在构建聊天机器人、研究助手还是企业解决方案，您都有基础来实现这一切。智能应用的未来将由您来塑造。让我们一起构建美妙的东西吧！ 🚀

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！💖