使用 LangChain、Milvus、NVIDIA BGE-M3 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。
NVIDIA BGE-M3: NVIDIA BGE-M3 是一款尖端的语言模型，旨在生成类人文本，适用于多种自然语言处理任务。它的优势在于能够产生连贯且具有上下文相关性的响应，使其非常适合用于聊天机器人、内容创作和虚拟助手等应用。BGE-M3 在理解细微的输入方面表现出色，为用户提供高度准确且引人入胜的互动，从而增强多个行业中的自动化沟通系统。
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 NVIDIA BGE-M3

pip install -qU "langchain-nvidia-ai-endpoints"

import getpass
import os

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

from langchain.chat_models import init_chat_model

llm = init_chat_model("baai/bge-m3", model_provider="nvidia")

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。

NVIDIA BGE-M3 优化建议

为了在检索增强生成（RAG）设置中优化 NVIDIA BGE-M3，确保您的数据检索系统经过精细调优，以实现可重用性和相关性——考虑实施缓存机制以存储频繁访问的文档。此外，实验检索参数，例如最近邻搜索中的 k 值，可以为您的特定任务产生更好的结果。利用混合精度训练来提高吞吐量并减少内存使用，同时不影响模型性能。定期通过验证测试监控和微调超参数，以实现速度和准确性之间的最佳平衡。最后，利用 NVIDIA 的 TensorRT 或 ONNX 优化工具进行模型部署，以最大化推理效率。

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

通过深入学习本教程，您已解锁将前沿工具结合起来，从零开始构建强大RAG系统的能力！您了解到，LangChain作为粘合剂，无缝协调各个组件之间的交互。高性能向量数据库Milvus快速存储和检索嵌入，确保您的系统轻松处理复杂查询。与此同时，NVIDIA的BGE-M3和nomic-embed-text-v1.5嵌入模型发挥其魔力，将原始文本转换为丰富的数值表示，捕捉意义和语境。所有这些部分共同形成一个动态管道，LangChain将问题路由到您的大型语言模型（LLM），使用这些强大的嵌入从Milvus中检索相关的上下文，并合成准确、具有上下文意识的答案。您看到每个工具的独特优势——如BGE-M3的多语言能力或Milvus的可扩展性——如何结合创造出超越部分之和的整体！

但等等，还有更多！教程不仅仅停留在集成上——它还为您提供了优化技巧，以微调性能，如通过智能索引策略平衡速度和准确性，或为您的用例选择合适的嵌入模型。您甚至还看到了实用工具，比如免费的RAG成本计算器，用于估算开支并优化资源使用。现在，借助这个工具包，您已准备好构建更智能的应用程序，无论是超响应的聊天机器人、研究助手，还是企业级知识中心。人工智能驱动解决方案的未来掌握在您手中——所以尽情实验，无畏地调整，让您的创造力尽情释放。世界需要您的创新，而开始的最佳时机就是现在。祝您构建愉快！🚀