使用 LangChain、LangChain vector store、Together AI Mixtral 8x7B Instruct v0.1 和 IBM multilingual-e5-large 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。)
- Together AI Mixtral 8x7B Instruct v0.1: 该模型提供了基于指令学习和高级自然语言理解的强大结合。凭借其8x7B架构，它在生成连贯且上下文相关的响应方面表现出色。非常适合应用于聊天机器人、内容创作和教育工具等需要用户引导和高质量互动的场景。
- IBM multilingual-e5-large: 这个先进的AI模型在多语言自然语言处理方面表现出色。它专为文本生成、翻译和情感分析等任务而设计，展现出强大的上下文理解能力和流利性。非常适合希望提升客户互动和实现多语言沟通自动化的全球企业。
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 Together AI Mixtral 8x7B Instruct v0.1
pip install -qU "langchain[together]"
import getpass
import os
if not os.environ.get("TOGETHER_API_KEY"):
os.environ["TOGETHER_API_KEY"] = getpass.getpass("Enter API key for Together AI: ")
from langchain.chat_models import init_chat_model
llm = init_chat_model("mistralai/Mixtral-8x7B-Instruct-v0.1", model_provider="together")
第 3 步：安装并配置 IBM multilingual-e5-large
pip install -qU langchain-ibm
import getpass
import os
if not os.environ.get("WATSONX_APIKEY"):
os.environ["WATSONX_APIKEY"] = getpass.getpass("Enter API key for IBM watsonx: ")
from langchain_ibm import WatsonxEmbeddings
embeddings = WatsonxEmbeddings(
model_id="intfloat/multilingual-e5-large",
url="https://us-south.ml.cloud.ibm.com",
project_id="<WATSONX PROJECT_ID>",
)
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。)
Together AI Mixtral 8x7B Instruct v0.1 优化建议
Together AI 的 Mixtral 8x7B Instruct v0.1 采用混合专家 (MoE) 架构，以平衡效率和性能。通过动态调整检索文档的数量来优化检索，以适应查询复杂性，从而防止上下文窗口的过载。有效地构建提示，确保关键细节位于输入的开头，以引导模型的关注。使用 0.1–0.3 的温度以确保事实准确性，同时调整 top-k 和 top-p，以实现平衡的响应生成。Together AI 的推理栈允许优化执行，因此在不需要全容量时启用专家修剪以限制活跃路径。为常见查询实施缓存策略，以最小化冗余处理。如果需要集成多个模型，可以使用 Mixtral 8x7B 进行中到高复杂度的推理，同时将更简单的查询转交给更小、更高效的模型。
IBM multilingual-e5-large 优化建议
为了优化IBM多语言e5-large模型以用于检索增强生成（RAG）设置，考虑在领域特定数据上对模型进行微调，以提高生成过程中的相关性和连贯性。通过利用多样化和高质量的数据集来保持平衡的检索，从而增强提供给模型的上下文质量。为常见请求的查询实施缓存机制，以最小化延迟并改善响应时间。密切监控提示设计，确保其简洁且上下文丰富，以有效引导模型。最后，整合用户反馈，以迭代方式完善检索和生成过程，从而提升整体性能和用户满意度。
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。
Calculate your RAG cost
收获与总结
通过深入本教程，您解锁了从零构建最先进的RAG系统的魔力！您学习了LangChain如何作为将您的管道无缝连接的粘合剂，像专业人士一样协调组件之间的数据流。LangChain向量存储作为您可靠的图书管理员出现，组织和检索IBM的多语言-e5-large模型生成的嵌入——这是一个能够理解多种语言文本并捕捉细微含义的强大工具。接着是Together AI的Mixtral 8x7B Instruct v0.1，这一创意天才将检索到的信息转化为清晰、类人化的回应。这些工具一起形成了一个动态四重奏：您的框架使一切保持同步，您的向量数据库有效存储知识，您的嵌入模型架起语言和语境的桥梁，您的LLM提供的答案几乎让人感到心灵感应。此外，您还掌握了优化技巧，比如分块策略以提高速度，以及一个免费的RAG成本计算器来保持您的项目预算友好——因为创新不应让人陷入破产之中！
现在您已具备构建更智能、更快速、更多元化AI应用的能力。想象一下创造能用任何语言回答问题的聊天机器人、能即时综合信息的研究工具，或让人感到异常人性化的客户支持系统。本教程不仅教您步骤，还为您提供了一个将想法变为现实的工具箱。那么接下来是什么呢？调整那些参数，尝试多语言数据集，或者像巫师一样优化成本。RAG的世界是您的游乐场，您写的每一行代码都在突破边界。去构建一些让自己惊艳的东西——然后让其他人也感到惊讶。AI的未来是您可以塑造的，每一个增强检索的突破都是一步！ 🚀
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！💖
