使用 LangChain、Milvus、Cohere Command R+ 和 nomic-embed-text-v1.5 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 R+: 该模型专注于快速检索和密集文本理解，优先考虑搜索和信息提取任务中的性能。凭借增强的上下文意识，它能够提供准确的结果，非常适合在客户支持、内容推荐和企业搜索解决方案等应用中，满足对响应效率和相关性高的需求。
• nomic-embed-text-v1.5: 该模型专注于生成高质量的文本嵌入，捕捉语义意义和上下文细微差别。其优势在于促进高效的相似性搜索和信息检索任务。非常适合在推荐系统、语义搜索和自然语言理解等应用中，提高各种NLP项目的性能。

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 R+

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-r-plus", model_provider="cohere")

第 3 步：安装并配置 nomic-embed-text-v1.5

pip install -qU langchain-nomic

import getpass
import os

if not os.environ.get("NOMIC_API_KEY"):
  os.environ["NOMIC_API_KEY"] = getpass.getpass("Enter API key for Nomic: ")

from langchain_nomic import NomicEmbeddings

embeddings = NomicEmbeddings(model="nomic-embed-text-v1.5")

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 R+ 优化建议

Cohere Command R+ 是一个针对检索密集型工作负载优化的高级模型，因此精炼上下文选择和排名机制至关重要。使用 Cohere 的重排名模型对检索到的段落进行排序，基于语义相关性，确保仅处理最相关的信息。通过将文档分段为有意义的块并限制不必要的上下文，优化令牌经济，避免提示过载。根据查询的复杂性动态调整检索深度——对于复杂查询进行更广泛的搜索，针对简单提示进行更狭窄的搜索。根据使用案例微调温度和采样参数，较低的值确保更可靠、真实的输出。对于高吞吐量的应用，实施异步处理和并行查询执行以提高效率。对经常访问的主题进行缓存和预生成响应，可以显著降低推理成本并提高响应时间。根据用户反馈和性能分析定期测试和优化检索配置，以保持 RAG 工作流中的高质量输出。

nomic-embed-text-v1.5 优化建议

nomic-embed-text-v1.5 是一个全面的嵌入模型，在各种文本检索场景中表现出色。在进行嵌入之前，优化文本预处理，去除停用词和冗余信息，以提高存储效率。使用层级索引结构管理大规模数据集中的嵌入，提高检索速度。利用余弦相似度过滤在查询后细化搜索结果。为了实现经济高效的扩展，一次对多个文档进行批量嵌入，并将嵌入存储在像 Milvus 或 FAISS 这样的分布式向量数据库中。如果处理快速变化的数据，实施增量索引而不是完全重新处理，以节省计算时间。定期通过与基准数据集验证，监测嵌入质量以确保相关性。

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

这真是一段精彩的旅程！在整个教程中，你已经迈出了巨大的步伐，进入了激动人心的RAG系统世界，通过整合一个强大的框架和强大的工具，比如向量数据库、大型语言模型（LLM）和先进的嵌入模型。你已经看到LangChain如何无缝地将所有内容结合在一起，创造出一个统一的环境，使你能够充分发挥这些技术的潜力。凭借Milvus作为你的向量数据库，你现在具备了进行闪电般快速搜索的能力，能够快速检索信息——这正是你所需要的，以使你的应用程序响应迅速且高效。

你还发现了由Cohere Command R+驱动的LLM如何促进对话智能，使你能够构建引人入胜、自然顺畅的对话，能够与用户产生共鸣。我们也不能忽视嵌入模型nomic-embed-text-v1.5，它生成丰富的语义表示，使你的应用程序能够理解它们所处理信息的上下文和细微之处。

记得我们分享的优化技巧和便捷的成本计算器吗？这些工具一定能帮助你微调设置并有效管理资源。现在，轮到你了！可能性是无穷的——去前进吧，开始构建、优化和创新你自己的RAG应用程序。深入创作过程；尖端科技的世界就在你的指尖。你激动人心的旅程才刚刚开始，我迫不及待想看到你创造出的作品！

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！💖