使用 LangChain、LangChain vector store、NVIDIA Deepseek R1 和 OpenAI text-embedding-3-small 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。
• OpenAI text-embedding-3-small: 该模型专注于为各种自然语言处理任务生成高质量的文本嵌入，提供性能和计算效率之间的平衡。其优势在于语义理解和相似性比较，使其非常适合用于搜索、推荐系统以及快速处理至关重要的聚类任务。

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 OpenAI text-embedding-3-small

pip install -qU langchain-openai

import getpass
import os

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

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-small")

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。

OpenAI text-embedding-3-small 优化建议

OpenAI text-embedding-3-small提供了一种轻量级的替代方案，具有更快的处理速度，使其非常适合实时RAG应用。通过微调相似性阈值来减少ANN搜索中的误报，以提高检索性能。在嵌入之前，保持输入文本简洁并去除冗余信息，以最大化嵌入效率。利用缓存来存储频繁查询的文本嵌入，以减少不必要的重新计算。在扩展时，将嵌入生成任务分布到多个工作节点，以优化吞吐量。应用后处理过滤器，例如余弦相似性截止值，来精细化搜索结果。在处理不同查询类型时，考虑混合搜索（密集 + 基于关键词），以改善检索效果。

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，您解锁了将尖端工具结合起来从零构建 RAG 系统的力量！您了解了 LangChain 如何作为将所有组件连接在一起的粘合剂，通过其灵活的框架协调数据流动。LangChain 向量存储 成为了您高效存储和检索上下文信息的首选，确保您的系统能够快速访问相关数据。使用 NVIDIA Deepseek R1 作为您的 LLM 强大引擎，您亲眼见证了如何通过利用其先进的推理能力生成准确的人类响应。而且别忘了 OpenAI 的 text-embedding-3-small 的魔力，它将原始文本转换为丰富的数值表示，使您的系统能够理解语义关系，并将查询与最有用的信息匹配在一起。这些元素共同形成了一个无缝的管道，将复杂的问题转化为可操作的答案——就像拥有一个超级充电的研究助手触手可及！

但是，还有更多！您还获得了优化 RAG 系统的专业技巧，比如调整块大小以获得更好的检索，或通过不同的嵌入模型在成本和性能之间取得平衡。您探索的免费的 RAG 成本计算器 是一个游戏规则改变者，帮助您估算开支，并在扩展时做出明智的选择。现在您已经看到这些工具如何和谐运作，想象一下您可以接下来构建的东西——定制聊天机器人、智能搜索引擎，甚至是特定领域的知识中心。可能性是无穷无尽的，而您拥有所有技能来开始实验。快启动您的 IDE，尝试这些工具，让您的创造力尽情发挥。AI 驱动的应用程序的未来掌握在您手中——去构建一些惊人的东西吧！🚀

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！💖