使用 LangChain、Milvus、Mistral AI Codestral Mamba 和 Cohere embed-multilingual-v3.0 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。
• Mistral AI Codestral Mamba: Codestral Mamba是一款高性能的编码助手，旨在提升软件开发效率。它在生成和调试多种编程语言的代码方面表现出色。凭借对编程环境和常用库的深刻理解，它非常适合寻求快速原型开发、代码优化和重构支持的开发者。
• Cohere embed-multilingual-v3.0: 这个模型提供高质量的多语言文本嵌入，能够有效理解不同语言之间的语义。它的优势在于捕捉细微的含义并促进跨语言的搜索和分析。非常适用于全球客户支持、内容推荐和多语言数据分析等应用，提升了多语言沟通和洞察提取的能力。

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 Mistral AI Codestral Mamba

pip install -qU "langchain[mistralai]"

import getpass
import os

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

from langchain.chat_models import init_chat_model

llm = init_chat_model("open-codestral-mamba", model_provider="mistralai")

第 3 步：安装并配置 Cohere embed-multilingual-v3.0

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-v3.0")

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。

Mistral AI Codestral Mamba 优化建议

Codestral Mamba 针对代码生成和补全进行了优化，非常适合涉及结构化编程查询的 RAG 应用。通过使用在代码数据集上训练的嵌入，提高检索质量，以确保检索到的上下文与编程语言和任务良好对齐。为了增强响应的准确性，确保输入提示格式清晰，包含函数定义、文档字符串和注释。动态调整温度值——较低的值（0.1–0.2）用于确定性代码生成，较高的值（0.3–0.5）用于探索性建议。使用缓存来存储常见的编程模式和频繁查询的代码片段，以减少延迟。如果在 IDE 或交互式编码环境中部署，请启用流式传输，以提供实时反馈和建议。在处理多个同时的代码查询时，利用并行推理技术来优化性能。

Cohere embed-multilingual-v3.0 优化建议

Cohere embed-multilingual-v3.0 旨在支持多语言，使其在全球 RAG 系统中非常有用。为优化性能，需要通过处理语言特有的细节（如分词和特殊字符）来预处理多语言输入，以保持不同语言之间的一致性。实现语言检测模型以过滤和路由查询到合适的语言嵌入，从而提高速度和相关性。使用如 FAISS 或 HNSW 等索引结构加快跨多语言数据集的搜索速度。采用量化等技术压缩嵌入，以优化存储，同时确保质量。为了处理可扩展性，利用分布式存储系统高效管理多语言嵌入。持续重新训练和更新嵌入，以反映新语言或不断演变的语言模型。

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？哇，构建一个先进的RAG系统的旅程真是令人振奋！你亲眼见证了将多种技术——如LangChain、Milvus、Mistral AI的Codestral Mamba，以及Cohere的embed-multilingual-v3.0——结合起来所产生的魔力，如何让你的应用活灵活现。每个组件都扮演着至关重要的角色：LangChain提供了一个强大的框架，能够无缝整合所有内容，从而实现系统之间的轻松协调。Milvus向量数据库则毫不逊色，是一台强大的引擎，能够以迅雷不及掩耳之势在巨量数据集中进行闪电般的搜索。

与此同时，Mistral AI引擎为你的应用注入了对话智能，让互动感觉亲切而直观。还有Cohere出色的嵌入模型；它生成丰富的语义表示，确保你的查询与上下文之间产生有意义的共鸣。此外，你还收获了一些出色的优化技巧，甚至发现了一个免费的成本计算器，帮助保持你的项目可行。

那么，接下来呢？RAG应用的世界充满了等待你发挥创造力的无限可能！深入其中，开始构建，让你的创新精神绽放。你手边拥有所有的工具和知识——现在，出发去创造一些惊人的东西吧！智能应用的未来待你去塑造！

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！💖