使用 LangChain、Milvus、OpenAI GPT-4 和 OpenAI text-embedding-3-small 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。
OpenAI GPT-4: GPT-4 是 OpenAI 的先进语言模型，旨在实现全面理解和上下文感知的文本生成。它在创意写作、复杂问题解决和细致对话方面表现出色，适用于内容创作、辅导和交互式人工智能等应用。其强大的能力使其能以深度和连贯性处理各种主题。
OpenAI text-embedding-3-small: 该模型专注于为各种自然语言处理任务生成高质量的文本嵌入，提供性能和计算效率之间的平衡。其优势在于语义理解和相似性比较，使其非常适合用于搜索、推荐系统以及快速处理至关重要的聚类任务。

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 OpenAI GPT-4

pip install -qU "langchain[openai]"

import getpass
import os

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

from langchain.chat_models import init_chat_model

llm = init_chat_model("gpt-4", model_provider="openai")

第 3 步：安装并配置 OpenAI text-embedding-3-small

pip install -qU langchain-openai

import getpass
import os

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

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-small")

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。

OpenAI GPT-4 优化建议

GPT-4 是一个强大的 RAG 应用模型，但优化检索和提示效率是降低成本和提高响应质量的关键。使用基于嵌入的检索，以确保包含高度相关的上下文，同时避免不必要的令牌使用。简洁地构建提示，清晰地以排名格式展示检索到的文档，以引导模型的关注。针对基于事实的任务微调温度（0.1-0.3），并调整 top-p 和 top-k 采样以控制响应的变异性。对频繁查询的信息实现缓存，以减少冗余的 API 调用并提高延迟。如果在高流量应用中使用 GPT-4，请批量请求以最小化开销并优化吞吐量。利用 OpenAI 的函数调用功能以编程方式构建响应，避免过多的幻觉。在实时应用中使用响应流以改善感知性能，同时保持高效的令牌使用。

OpenAI text-embedding-3-small 优化建议

OpenAI text-embedding-3-small提供了一种轻量级的替代方案，具有更快的处理速度，使其非常适合实时RAG应用。通过微调相似性阈值来减少ANN搜索中的误报，以提高检索性能。在嵌入之前，保持输入文本简洁并去除冗余信息，以最大化嵌入效率。利用缓存来存储频繁查询的文本嵌入，以减少不必要的重新计算。在扩展时，将嵌入生成任务分布到多个工作节点，以优化吞吐量。应用后处理过滤器，例如余弦相似性截止值，来精细化搜索结果。在处理不同查询类型时，考虑混合搜索（密集 + 基于关键词），以改善检索效果。

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，真是一次不可思议的旅程！在本教程中，你充分利用了一些最尖端的技术，创造了一个强大的RAG系统。通过将LangChain作为你的基础框架，你看到了它是如何无缝连接所有组件的，使操作流畅而高效。Milvus向量数据库提升了你以闪电般的速度检索信息的能力，提供了快速搜索，让你的工作流程毫不受阻。借助OpenAI的GPT-4作为你的大型语言模型（LLM），你赋予了系统会话智能，使互动丰富而有意义，自然且引人入胜。此外，利用OpenAI的text-embedding-3-small模型，你能够生成细致的语义表示，确保你的RAG系统以前所未有的方式理解上下文。

而且，别忘了我们探讨的那些宝贵的优化技巧和方便的成本计算器！这些资源旨在帮助你优化应用程序，提高效率和效果，为现实世界的影响奠定基础。

现在，是时候让你的创造力翱翔了！再次深入你的项目，调整组件，开始构建一些令人惊叹的东西。可能性是无穷无尽的，你的创新精神可以引领突破，重新定义我们与信息和技术的互动方式。来吧，撸起袖子，进行实验，最重要的是，乐在其中！你的RAG之旅才刚刚开始！