使用 LangChain、LangChain vector store、OpenAI GPT-o3-mini 和 NVIDIA nv-embedqa-e5-v5 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-o3-mini: 这个紧凑版的GPT-3模型旨在满足对计算资源要求较低但不牺牲性能的应用。它在文本生成、对话系统和内容创作等任务中表现出色。非常适合移动应用或小型部署，同时在自然语言处理方面兼顾效率和有效性。
• NVIDIA nv-embedqa-e5-v5: 这个模型结合了先进的自然语言处理和深度学习，实现了高效的问题回答。它在理解上下文和从嵌入的知识源中提供准确的响应方面表现出色。非常适合于客户支持、聊天机器人和互动学习环境等应用，通过直观的互动增强用户参与度。

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-o3-mini

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("o3-mini", model_provider="openai")

第 3 步：安装并配置 NVIDIA nv-embedqa-e5-v5

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_nvidia_ai_endpoints import NVIDIAEmbeddings

embeddings = NVIDIAEmbeddings(model="nvidia/nv-embedqa-e5-v5")

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-o3-mini 优化建议

GPT-o3-mini 是一个轻量级模型，旨在成本高效和低延迟的 RAG 应用中使用。通过确保检索的文档按相关性排序后再传递给模型来优化性能，防止浪费 token。保持提示结构化和简明，去除冗余细节，同时保持必要的上下文。微调温度设置（0.1-0.2）以应对以准确性为驱动的任务，并在需要时使用 top-p 采样来调整响应创意。对于大规模应用，进行批量查询以最小化 API 开销并优化吞吐量。实施缓存机制来处理频繁访问的数据，以减少 API 调用并提高响应时间。在实时应用中流式传输响应，以保持平滑的用户体验。如果在与更大模型的管道中部署 GPT-o3-mini，使用它进行初步过滤和摘要，然后将复杂任务升级到更强大的模型。

NVIDIA nv-embedqa-e5-v5 优化建议

为了在检索增强生成（RAG）设置中优化 NVIDIA nv-embedqa-e5-v5，首先确保您的模型经过多样化的训练数据集正确微调，以提高检索准确性。利用混合精度训练来提高计算效率并减少内存使用。对查询和响应实施批处理，以利用并行处理能力。定期监控并调整学习率和其他超参数，以获得最佳训练性能。最后，结合缓存机制以存储频繁访问的嵌入和结果，从而显著加快检索速度。

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，你已经解锁了整合尖端工具的能力，以从零开始构建一个检索增强生成（RAG）系统！你学习了如何使用LangChain作为支柱，协调整个管道，能够无缝连接你的数据源、语言模型和向量存储。LangChain向量存储成为你进行闪电般快速相似性搜索的首选，使得你的系统能够从大型数据集中检索上下文相关的信息。借助OpenAI的GPT-3.5-turbo（或教程中有趣的简写“GPT-3.5-mini”），你利用了强大的大型语言模型（LLM）来生成类人回复，将创造力与准确性相结合。让我们不要忘记NVIDIA的nv-embedqa-e5-v5嵌入模型——这个无名英雄将原始文本转换为有意义的向量，确保你的RAG系统理解数据的细微差别。这些组件共同创造了动态的协同效应，将静态信息转化为可操作的洞察！

等等，还有更多！你还学到了优化RAG管道的专业技巧，比如在检索过程中平衡速度和准确性，甚至发现了一个免费的RAG成本计算器，以便在扩展时估算费用。想象一下，使用这些工具来构建聊天机器人、研究助手或定制的AI解决方案，满足你的需求。可能性是无穷无尽的，而你现在具备了实验、调整和创新的能力。那么接下来是什么？深入探索，尝试不同的数据集，微调你的模型，见证你的想法变为现实。智能应用的未来掌握在你手中——去构建一些令人惊叹的东西，让你的创造力奔放吧！🚀

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！💖