使用 LangChain、Milvus、Cohere Command R 和 mistral-embed 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: 该模型旨在高性能检索任务中表现出色，具备理解和生成自然语言的先进能力。它在语义搜索和文档摘要方面的优势，使其非常适合用于客户支持、内容生成和知识管理等应用，这些领域对准确性和上下文相关性要求极高。
• Mistral-Embed: Mistral-Embed 是一个最先进的嵌入模型，旨在实现高维文本表示。它在语义搜索、相似度测量和推荐系统等任务中表现出色，提供准确的上下文嵌入。非常适合增强自然语言处理应用，它在性能与可扩展性之间达到了良好的平衡，使其适用于研究和实际应用。

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", model_provider="cohere")

第 3 步：安装并配置 mistral-embed

pip install -qU langchain-mistralai

import getpass
import os

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

from langchain_mistralai import MistralAIEmbeddings

embeddings = MistralAIEmbeddings(model="mistral-embed")

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 旨在进行检索增强生成，使高效的上下文检索和排名对于系统性能至关重要。通过使用 Cohere 的基于嵌入的搜索优化检索管道，以识别和排序最相关的文档，从而减少不必要的输入上下文，同时保持准确性。通过微调温度设置来提高响应质量；较低的值（0.1–0.2）最适合结构化的事实基础查询，而较高的值则在生成的响应中引入更多的变异性。利用提示模板保持一致的格式，确保输出的清晰性。实施批处理，当多个查询需要相似的上下文时，减少冗余的 API 调用。为了提高效率，缓存顶部查询结果，并利用增量上下文更新，而不是重复发送完整的文档集。如果在大规模部署，实时监控延迟和响应一致性，动态调整检索阈值，以实现速度和完整性之间的最佳平衡。

mistral-embed 优化建议

mistral-embed 是一个多功能的嵌入模型，适用于多种基于文本的 RAG 应用。为了增强检索能力，通过在特定领域数据上进行微调来优化嵌入质量，以捕捉细微的语义关系。使用高效的向量搜索技术，如 FAISS 或 HNSW，以快速识别大数据集中的相关文档。为了更好的存储管理，在不牺牲准确性的前提下压缩嵌入，例如通过量化或降维。为了最大化吞吐量，批量处理嵌入请求，并使用多线程来并行计算。定期用新数据更新嵌入存储，以确保检索的时效性和准确性。通过调整超参数，如温度和 top-k，来优化模型性能，以平衡检索结果的精确性和多样性。”

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

我们在这个教程中一起经历了多么不可思议的旅程啊！现在，您已经掌握了构建一个前沿的检索增强生成（RAG）系统所需的基本工具和知识，这个系统融合了现代技术的最佳之处。让我们花点时间来庆祝您工具箱中每个组件发挥的关键作用。LangChain 框架充当您坚实的支柱，无缝集成所有元素，确保它们和谐地协同工作。Milvus 向量数据库让您能够进行闪电般快速的搜索，确保您的应用能够迅速有效地检索到相关信息。同时，Cohere Command R 大语言模型——一个对话智能的强大引擎——使您的系统能够理解上下文，与用户进行动态的、类人对话。最后但同样重要的是，mistral-embed 嵌入模型通过深刻的语义理解丰富了您的数据，能够提供真正深刻的结果。

关于优化的额外提示和免费的成本计算器为您提供了初步规划与最大化性能的路径，同时也能关注费用问题。所以现在，凭借这个基础，轮到您释放创造力了！想象一下您可以构建、优化和创新的自定义 RAG 应用程序。在技术世界中充满热情地探索无尽的可能性，让您独特的创意蓬勃发展！快来吧，今天就开始构建您的愿景！

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！💖