使用 LangChain、LangChain vector store、NVIDIA Qwen2.5-7B-Instruct 和 Cohere embed-multilingual-v3.0 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 Qwen2.5-7B-Instruct: 这个先进的语言模型旨在执行按照指令的任务，利用70亿个参数的能力来理解和生成多样化的文本响应。它的优势在于自然语言理解和上下文适应能力，使其成为辅导、对话代理和各个领域的自动内容生成应用的理想选择。
• Cohere embed-multilingual-v3.0: 这个模型提供高质量的多语言文本嵌入，能够有效理解不同语言之间的语义。它的优势在于捕捉细微的含义并促进跨语言的搜索和分析。非常适用于全球客户支持、内容推荐和多语言数据分析等应用，提升了多语言沟通和洞察提取的能力。

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 Qwen2.5-7B-Instruct

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("qwen/qwen2.5-7b-instruct", model_provider="nvidia")

第 3 步：安装并配置 Cohere embed-multilingual-v3.0

pip install -qU langchain-cohere

import getpass
import os

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

from langchain_cohere import CohereEmbeddings

embeddings = CohereEmbeddings(model="embed-multilingual-v3.0")

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 Qwen2.5-7B-Instruct 优化建议

为了在检索增强生成（RAG）设置中优化NVIDIA Qwen2.5-7B-Instruct模型，可以考虑实施混合精度训练，以减少内存占用并加快训练速度。针对特定领域数据对模型进行微调，以提高生成响应的相关性，同时调整检索组件的余弦相似度阈值，以平衡精度和召回率。利用高效的缓存机制存储频繁访问的数据，确保低延迟响应。根据查询的复杂性实验不同的检索次数，并在推理时利用批处理来最大化吞吐量。最后，关注硬件利用率指标，以调整配置并实现最佳性能。

Cohere embed-multilingual-v3.0 优化建议

Cohere embed-multilingual-v3.0 旨在支持多语言，使其在全球 RAG 系统中非常有用。为优化性能，需要通过处理语言特有的细节（如分词和特殊字符）来预处理多语言输入，以保持不同语言之间的一致性。实现语言检测模型以过滤和路由查询到合适的语言嵌入，从而提高速度和相关性。使用如 FAISS 或 HNSW 等索引结构加快跨多语言数据集的搜索速度。采用量化等技术压缩嵌入，以优化存储，同时确保质量。为了处理可扩展性，利用分布式存储系统高效管理多语言嵌入。持续重新训练和更新嵌入，以反映新语言或不断演变的语言模型。

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，您已经解锁了从零开始构建RAG（检索增强生成）系统的能力！您学习了LangChain如何作为粘合剂，毫无缝隙地连接您的管道组件。借助LangChain的向量存储，您看到了如何高效地存储和检索来自大型数据集的上下文，确保您的AI能够快速访问相关信息。NVIDIA Qwen2.5-7B-Instruct模型给您留下了深刻印象，它通过利用检索到的上下文生成类人且准确的响应，而Cohere的embed-multilingual-v3.0模型则展示了其将文本转换为丰富的多语言嵌入的魔力——非常适合需要理解多种语言的应用程序。这些工具共同将原始数据转化为一个动态的、上下文感知的AI，能够智能且准确地回答问题。您甚至还学到了优化性能和成本的专业技巧，比如调整块大小和使用免费的RAG成本计算器来估算费用——在智能扩展项目时非常实用！

现在，您已经具备将理论转化为实践的能力！无论您是在构建多语言支持机器人、研究助手，还是创意故事工具，可能性都是无穷无尽的。这个教程不仅教会了您如何组装这些组件——还向您展示了为什么它们很重要。您编写的每一行代码、调整的每一个参数和运行的每一个测试，都让您离掌握RAG的艺术更近了一步。那么，接下来是什么？开始实验吧！调整您的管道，探索新的数据集，或集成自定义模型。工具在您手中，AI 领域等待着您去塑造。去构建一些令人惊叹的东西，毫无畏惧地优化，并让您的创造力飞扬——您可以做到的！🚀

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！💖