使用 LangChain、LangChain vector store、NVIDIA Deepseek R1 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 Deepseek R1: 这个先进的人工智能模型旨在实现高保真图像合成和增强，利用了NVIDIA的尖端图形技术。Deepseek R1能够生成逼真的视觉效果并提高图像质量，非常适合用于游戏、电影制作和虚拟现实等需要逼真图形的应用领域。
• 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 Deepseek R1

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("deepseek-ai/deepseek-r1", 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 Deepseek R1 优化建议

为了优化NVIDIA Deepseek R1以用于检索增强生成（RAG），确保您的输入数据经过良好准备并进行索引，以便快速访问，利用其缓存能力。采用混合精度训练以提高性能，同时减少内存使用，并尝试不同的批量大小以找到最有效的处理速度。此外，定期监控并根据验证结果微调超参数，如学习率和.dropout率，以避免过拟合。实施异步数据加载，以便在管理I/O操作时保持GPU积极处理。最后，通过修剪非必要层和优化模型的推理管道来简化架构，以增强实时检索性能。

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

通过深入本教程，您学习了如何利用尖端工具的强大功能，从零开始构建一个完整的RAG系统！您首先利用LangChain作为整个管道的框架，将各个组件无缝连接，就像指挥引领乐团一样。通过LangChain的向量存储，您将非结构化数据转化为可搜索的知识，实现了快速检索相关信息。接着，使用Google Vertex AI的textembedding-gecko@001，您将文本转换为丰富的上下文嵌入——将单词变为机器可以理解的数学魔法。最后，NVIDIA Deepseek R1作为您的大型语言模型(LMM)强大引擎，将检索到的数据合成成连贯、类似人类的自然回应，感觉既自然又富有洞察力。这些工具共同构成了一个动态的RAG生态系统，弥合了原始数据与可操作智能之间的鸿沟！

但您并没有止步于此！教程还为您提供了优化性能的专业技巧，比如调整块大小以获得更好的检索效果，或微调提示以引导您的大型语言模型的创造力。别忘了免费的RAG成本计算器——这是在性能与预算之间取得平衡的游戏规则改变者，确保您的项目保持高效和可扩展。现在，掌握了这些知识，您准备好构建、实验和创新了。想象一下这些应用：像专家一样回答问题的聊天机器人、解析大量数据的研究助理，或根据用户需求调整的个性化内容生成器。可能性是无穷无尽的，等待您去探索。那么，去吧——启动您的集成开发环境(IDE)，调整那些参数，观察您的RAG系统如何活起来。以AI驱动的解决方案的未来掌握在您手中，您将创造的下一步没有限制！🚀

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！💖