使用 LangChain、Milvus、Cohere Command 和 voyage-3 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。
• Cohere Command: Cohere Command是一种强大的语言模型，专为面向任务的应用设计，强调效率和可扩展性。它在生成上下文响应方面表现出色，能够执行自然语言处理任务，如文本生成、摘要和查询回答。非常适合希望增强客户互动和自动化工作流程的企业，通过准确和相关的输出来提高效率。
• Voyage-3: 致力于AI驱动的导航和行程规划，Voyage-3优化了路线效率，同时提供实时交通更新和数据洞察。其优势在于预测分析和自适应学习，使其成为物流、配送服务和需要可靠智能导航解决方案的旅游应用的理想选择。

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 Cohere Command

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.chat_models import init_chat_model

llm = init_chat_model("command", model_provider="cohere")

第 3 步：安装并配置 voyage-3

pip install -qU langchain-voyageai

import getpass
import os

if not os.environ.get("VOYAGE_API_KEY"):
  os.environ["VOYAGE_API_KEY"] = getpass.getpass("Enter API key for Voyage AI: ")

from langchain-voyageai import VoyageAIEmbeddings

embeddings = VoyageAIEmbeddings(model="voyage-3")

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。

Cohere Command 优化建议

Cohere Command 是一款通用语言模型，可以通过提示工程、有效检索和结构化响应控制来优化 RAG 工作流程。为了提高准确性，使用 Cohere 的重新排序功能在将检索到的文档传入模型之前进行筛选和优先排序。保持输入提示简洁且结构化，减少标记开销，同时确保模型有明确的上下文。通过调整温度（0.1–0.3 以确保事实准确性）和 top-p 采样等参数来优化响应质量，以控制创造力水平。通过结合密集和稀疏检索方法实施混合搜索技术，以提高召回率和精准度。为了成本效益的扩展，缓存频繁查询的响应，并为常见知识领域预计算嵌入。在需要实时生成的场景中流式传输响应，尽量减少延迟，同时确保用户参与度。通过 Cohere 的分析工具监控 API 使用情况和延迟，以根据性能趋势微调检索策略。

voyage-3 优化建议

voyage-3是一个多功能模型，适用于RAG系统中的平衡性能，使得高效的检索策略对于保持低延迟和高准确性至关重要。通过利用基于嵌入的相似性搜索和重排序来提升检索效果，以确保包含相关的上下文。构造提示时需明确上下文分离和简明的指令，以最大化响应的准确性。将温度设置在0.1到0.3之间，以控制输出，同时调整top-k和top-p以实现灵活性。对频繁查询的数据实施响应缓存，以最小化冗余处理和API调用。利用并行处理和请求批量处理来优化资源效率。对于多模型部署，将voyage-3分配给中等复杂度的任务，同时使用更大的模型进行深入分析，使用更小的模型进行实时、低延迟的查询。

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

你学到了什么？在这个教程中，我们踏上了一段激动人心的旅程，探索了检索增强生成（RAG）系统的世界，你应该为自己所取得的成就感到自豪！通过整合强大的框架、高性能的向量数据库、尖端的语言模型（LLM）以及令人印象深刻的嵌入模型，你为一个真正变革性的应用奠定了基础。每个组件都发挥着至关重要的作用：框架将所有内容无缝连接在一起，确保各个部分能够完美沟通；以 Milvus 为核心的向量数据库使你能够在海量数据中进行闪电般快速的搜索；由 Cohere Command 驱动的 LLM 则推动了丰富的对话交互；而嵌入模型生成深层语义表示，使得对理解与相关性的细腻把握成为可能。

在本教程中，我们还分享了一些优化小贴士，以提升系统性能，并提供了一个方便的成本计算器，帮助你合理规划预算。所有这些工具旨在帮助你在 RAG 系统所提供的广阔可能性海洋中畅行无阻。那么，接下来该做什么呢？深入探索，开始构建与优化，让你的创造力自由流淌！创新的潜力就在你的指尖，我们迫不及待想要看到你接下来的旅程会带你去哪里。加油，创造一些惊人的东西吧！

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！💖