使用 LangChain、Milvus、Mistral AI Mixtral 8x7B 和 Cohere embed-english-light-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。
• Mistral AI's Mixtral 8x7B: 一个前沿的多模型架构，旨在提高性能和效率。它结合了8个较小的模型，每个模型拥有70亿个参数，从而实现更专业的能力和更好的可扩展性。这一创新设计旨在提供更快、更准确的人工智能响应，同时保持资源的高效利用。
• Cohere embed-english-light-v2.0: 这个轻量级的嵌入模型旨在高效地对英语文本进行编码，为各种自然语言处理任务提供高质量的表示。它在需要以最小计算资源生成嵌入的场景中表现出色，例如文档相似性、聚类和推荐系统，确保快速性能而不妥协准确性。

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 Mixtral 8x7B

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-mixtral-8x7b", model_provider="mistralai")

第 3 步：安装并配置 Cohere embed-english-light-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-english-light-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。

Mistral AI Mixtral 8x7B 优化建议

Mixtral 8x7B 是一种专家混合模型 (MoE)，这意味着每个查询仅使用其参数的一个子集，从而优化效率并保持高性能。为了最大化检索增强生成 (RAG) 的效率，确保检索管道返回高度相关的上下文，以避免不必要的令牌使用。使用自适应分块提供结构化和简明的信息，防止检索过多或冗余的数据。通过调整路由策略来优化推理速度，确保有效利用正确的专家路径。微调温度 (0.1–0.3 用于事实任务) 和 top-p 设置，以保持响应的一致性。如果在自托管或基于 API 的环境中运行 Mixtral，请利用批处理和并行处理来高效处理高吞吐量的请求。在多层系统中将 Mixtral 与其他模型结合时，对推理密集型查询进行选择性使用，同时将简单任务委派给较小的模型。

Cohere embed-english-light-v2.0 优化建议

Cohere embed-english-light-v2.0 旨在提高英语任务中嵌入生成的速度和资源效率。为了优化处理，预处理文本时应去除停用词、标点符号和不必要的格式，以最小化输入的复杂性。利用向量压缩技术，如量化或主成分分析（PCA），在不牺牲显著准确性的前提下减少存储需求。对于检索，实施混合搜索策略，将关键词搜索与密集向量搜索相结合，以实现更快和更相关的结果。使用多线程或并行处理高效处理大量嵌入。对于频繁查询的嵌入应用缓存，以最小化重新处理并降低查询延迟，尤其是在高流量的 RAG 系统中。

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

哇，我们一起经历了多么不可思议的旅程啊！在这个教程中，您不仅踏入了检索增强生成（RAG）系统的世界，还学习了如何利用一些前沿技术来构建您自己的创新应用程序。我们首先探索了一个将所有内容联系在一起的强大框架。这个框架让您能够轻松集成各种组件，确保数据和功能在整个系统中流畅流动。

接着，我们深入了解了像Milvus这样向量数据库的惊人能力，它能够在广泛的数据集中快速、高效地进行搜索，为您在时间紧迫时提供所需的性能提升。再加上Mistral AI Mixtral 8x7B的出色对话智能，您现在拥有的是一个不仅能够检索信息，还能够进行有意义对话的系统，从而创造出引人入胜的用户体验。我们也不能忘记嵌入模型Cohere的embed-english-light-v2.0，它能够制作丰富的语义表示，让您的系统前所未有地理解上下文和细微差别。

在整个教程中，我们还分享了优化技巧，甚至提供了一个免费的成本计算器，帮助您在财务上简化项目。掌握了这些工具和见解，可能性是无限的！

那么，您还在等什么呢？释放您的创造力，今天就开始构建、优化和创新您自己的RAG应用程序吧！未来光明，您的想法正等待着产生影响。加油—您一定可以做到的！

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！💖