使用 LangChain、Milvus、Anthropic Claude 3 Sonnet 和 Cohere embed-multilingual-v2.0 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。
- Milvus: 一个开源的向量数据库，专门用于高效地存储、索引和搜索大规模向量嵌入，非常适合用于检索增强生成（RAG）、语义搜索和推荐系统等场景。如果您需要更具扩展性的解决方案，或不想管理自己的基础设施，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。
- Anthropic Claude 3 Sonnet: Claude 3 系列中的这款先进模型专注于创造性和细腻的文本生成。它对上下文和语调有深刻的理解，非常适合应用于创意写作、对话生成和讲故事。其生成清晰而引人入胜的散文的能力，使其成为内容创作和娱乐领域的理想选择。
- Cohere embed-multilingual-v2.0: 这个模型专注于生成高质量的多语言嵌入，使得有效的跨语言理解和检索成为可能。它的优势在于捕捉多种语言中的语义关系，因此非常适合用于多语言搜索、推荐系统以及全球内容分析等应用，在这些领域中语言多样性是一个重要因素。
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 Anthropic Claude 3 Sonnet
pip install -qU "langchain[anthropic]"
import getpass
import os
if not os.environ.get("ANTHROPIC_API_KEY"):
os.environ["ANTHROPIC_API_KEY"] = getpass.getpass("Enter API key for Anthropic: ")
from langchain.chat_models import init_chat_model
llm = init_chat_model("claude-3-sonnet-20240229", model_provider="anthropic")
第 3 步：安装并配置 Cohere embed-multilingual-v2.0
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-v2.0")
第 4 步：安装并配置 Milvus
pip install -qU langchain-milvus
from langchain_milvus import Milvus
vector_store = Milvus(embedding_function=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。
Milvus 优化建议
Milvus 作为一个高效的向量数据库，在 RAG 系统的检索任务中发挥着关键作用。要优化其性能，应确保构建合适的索引，以平衡速度和准确性；对于响应时间至关重要的场景，可考虑使用 HNSW（Hierarchical Navigable Small World）进行高效的最近邻搜索。根据使用模式对数据进行分区，有助于提升查询性能并减少加载时间，从而提高系统的可扩展性。根据查询频率定期监控并调整缓存设置，以避免数据检索时出现延迟。向量插入时采用批处理模式，可以减少数据库锁争用，提高整体吞吐量。此外，通过调整向量的维度来优化模型参数：更高的维度可以提升检索准确性，但可能增加搜索时间，因此需根据具体用例和硬件条件找到最佳平衡点。
Anthropic Claude 3 Sonnet 优化建议
Claude 3 Sonnet 在速度和准确性之间提供了平衡，使其成为 RAG 系统的多功能选择。通过限制每个查询检索的文档数量来优化检索效率，以避免过多的上下文窗口使用，这可能会减慢响应时间。使用语义切块技术将文档分解为有意义的部分，确保仅将最相关的信息传递给模型。根据用户查询的复杂性动态调整温度和采样参数，对于事实性响应使用较低的值，对于生成创意文本时使用较高的值。实施结构化提示，以引导模型向更精确的答案发展，减少响应中的歧义。如果集成多个模型，则在面对适度复杂的查询时使用 Sonnet 作为中间选项，同时将 Opus 保留用于高风险推理任务。利用 Claude 的 API 优化功能，例如流式传输，以提高响应时间和系统效率。
Cohere embed-multilingual-v2.0 优化建议
Cohere embed-multilingual-v2.0支持多种语言，使其成为跨语言RAG设置的理想选择。为了优化效率，预处理文本以去除特定语言的噪声并处理编码问题，确保为嵌入生成提供干净的输入。实施高效的ANN算法，如采用层次索引的FAISS，以支持在多语言数据集中的快速检索。使用产品量化或HNSW等技术压缩嵌入，以优化存储和速度。使用语言检测模型将查询路由到相应的语言特定嵌入，减少不必要的计算。批量处理嵌入操作，并利用并行处理来高效处理大量多语言数据。定期更新嵌入，以确保模型反映任何语言变化或发展趋势。
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
你学到了什么？你刚刚经历了一段激动人心的旅程，构建了一个最先进的检索增强生成（RAG）系统，这一切都是不可思议的！通过将像 LangChain 这样强大的框架结合在一起，你现在拥有了一个稳健的结构，将所有移动部件无缝连接——使你的应用能够以高效和灵活的方式闪耀。
你已经看到，向量数据库，具体来说是 Milvus，如何为你的搜索提供强大的动力，即使在庞大的数据集中也能快速输出结果。令人兴奋的是，你可以体验到实时查询，它能够提升性能和用户满意度。而且我们不能忘记 Anthropic 的 Claude 3 Sonnet 带来的对话能力——想象一下拥有一个不仅理解查询而且能与用户进行有意义互动的虚拟助手！
你还学习了如何使用 Cohere 的 embed-multilingual-v2.0 嵌入模型生成细腻的语义表示，丰富用户互动，弥补语言差距，并将输入转换为有意义的上下文。结合我们的优化建议和一个方便的免费成本计算器，你已经为最大化系统的性能、效率和可扩展性做好了充分准备。
现在你已经打下了基础，接下来的冒险完全由你来塑造！想想你可以构建的创意可能性和创新应用。所以，开始释放你的想象力，着手创作、优化，并突破 RAG 系统的界限。世界在等待你的才华——让我们一起实现它吧！
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！💖
