44.9k联系我们登录免费试用

使用 LangChain、LangChain vector store、OpenAI GPT-o1 和 Ollama all-minilm 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。)
  • OpenAI GPT-01: 这个基础模型标志着OpenAI生成预训练变换器的开始。通过对多样文本的广泛训练，GPT-01在各种自然语言处理任务中表现出色，包括文本生成、翻译和对话。它的多功能性使其成为原型应用和增强早期人工智能部署中交互用户体验的理想选择。
  • Ollama all-minilm: Ollama all-minilm 是一种轻量级的基于变换器的模型，旨在高效地进行自然语言理解和生成任务。它拥有紧凑的架构，擅长于计算资源有限的场景，因此非常适合移动应用程序和实时聊天机器人，同时在语言任务中保持竞争力的表现。

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 OpenAI GPT-o1

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.chat_models import init_chat_model

llm = init_chat_model("o1", model_provider="openai")

第 3 步：安装并配置 Ollama all-minilm

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="all-minilm")

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。)

OpenAI GPT-o1 优化建议

GPT-o1的设计旨在优化效率和成本效益，使其非常适合可扩展的RAG系统。通过实施动态检索深度来提高检索性能——对于复杂查询获取更广泛的上下文，对于简单查询则进行更狭窄的聚焦。使用提示压缩技术以去除不必要的元数据，同时保持核心信息。根据所需的响应具体性调整温度设置（0.1-0.3），确保输出质量的平衡。部署缓存策略以处理重复查询，从而提高响应速度并降低运营成本。利用函数调用来结构化响应，避免模糊或过于冗长的回答。在处理大规模工作负载时，将请求分散到多个实例之间，以平衡资源分配并减少瓶颈。持续监控API使用情况并优化检索策略，以保持效率。

Ollama all-minilm 优化建议

为了在检索增强生成（RAG）设置中优化Ollama所有minilm模型，请考虑在特定领域数据上对模型进行微调，以提高其相关性和准确性。使用FAISS等高效索引技术，以便更快地从大型数据集中检索嵌入，确保检索和生成阶段之间的顺畅互动。在生成过程中调整温度和top-k采样参数，以根据您的应用需求平衡创造性和连贯性。监控GPU利用率并调整批量大小，以优化吞吐量，同时保持响应能力。最后，定期评估和更新检索语料库，以确保模型生成最相关的信息，从而提升整体性能。

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 Calculate your RAG cost

收获与总结

通过阅读本教程，您已经解锁了结合先进工具从零开始构建功能性RAG系统的能力！您了解到LangChain如何充当连接剂，将您的向量数据库（如LangChain内置的向量存储）与大型语言模型（如OpenAI的GPT-4或Ollama的all-minilm嵌入模型）无缝连接。教程向您展示了LangChain如何协调数据流——将原始数据转换为可搜索的知识，利用嵌入从向量存储中检索相关上下文，并将该上下文提供给LLM，以生成精准且具有上下文意识的答案。您亲眼目睹了每个组件的闪光点：向量数据库处理超快的相似性搜索，LLM生成类人响应，而嵌入模型则将文本转换为有意义的数字表示。此外，您还获得了一些专业建议，比如优化嵌入的块大小以及在选择模型时平衡成本与性能的权衡——这些工具将为您节省时间和资源，帮助您进行迭代！

但等等，还有更多内容！教程还向您介绍了一个免费的RAG成本计算器，用于估算费用和比较模型效率，使您能够做出数据驱动的决策。现在，您已经看到了这些部分是如何结合在一起的，想象一下接下来会是什么！无论您是构建聊天机器人、研究助手，还是定制AI工具，您都有基础可以进行实验、调整和扩展。不要止步于此——调整这些参数，尝试不同的LLM，或者添加您自己的数据集，创造出独特而强大的东西。RAG的世界等着您去探索，每一次迭代都让您更接近构建更智能、更快速和更直观的AI应用程序。因此，启动您的代码编辑器，释放您的创意，开始将您的想法变为现实。智能系统的未来掌握在您手中——让我们一起构建吧！🚀

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！💖

大规模向量数据库

Zilliz Cloud 是一个专为大规模应用构建的全托管向量数据库，完美适配您的 RAG 应用。

免费试用 Zilliz Cloud
快速免费计算您的 RAG 成本

继续阅读

AI Assistant