使用 LangChain、Milvus、OpenAI GPT-o3-mini 和 Cohere embed-multilingual-light-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。
• OpenAI GPT-o3-mini: 这个紧凑版的GPT-3模型旨在满足对计算资源要求较低但不牺牲性能的应用。它在文本生成、对话系统和内容创作等任务中表现出色。非常适合移动应用或小型部署，同时在自然语言处理方面兼顾效率和有效性。
• Cohere embed-multilingual-light-v3.0: 该模型旨在高效地进行多语言文本嵌入，支持在不同语言之间进行强大的语义搜索和相似性任务。它在需要快速理解和匹配多样语言数据集的场景中表现出色，非常适合于内容推荐、分类和跨语言信息检索等全球应用。

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 OpenAI GPT-o3-mini

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("o3-mini", model_provider="openai")

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

OpenAI GPT-o3-mini 优化建议

GPT-o3-mini 是一个轻量级模型，旨在成本高效和低延迟的 RAG 应用中使用。通过确保检索的文档按相关性排序后再传递给模型来优化性能，防止浪费 token。保持提示结构化和简明，去除冗余细节，同时保持必要的上下文。微调温度设置（0.1-0.2）以应对以准确性为驱动的任务，并在需要时使用 top-p 采样来调整响应创意。对于大规模应用，进行批量查询以最小化 API 开销并优化吞吐量。实施缓存机制来处理频繁访问的数据，以减少 API 调用并提高响应时间。在实时应用中流式传输响应，以保持平滑的用户体验。如果在与更大模型的管道中部署 GPT-o3-mini，使用它进行初步过滤和摘要，然后将复杂任务升级到更强大的模型。

Cohere embed-multilingual-light-v3.0 优化建议

Cohere embed-multilingual-light-v3.0 优化了多语言嵌入的速度和效率。通过过滤掉非必要元素，减少输入数据的大小，专注于提供最大价值的关键短语或术语，以提高跨语言搜索场景的效果。实施近似最近邻搜索方法，如 FAISS，确保在大型数据集中检索依然快速而准确。使用向量压缩技术节省存储空间，同时保持检索质量。采用缓存策略存储常用的嵌入，减少不必要的重新计算。通过根据语言或主题将嵌入组织成层次结构来优化搜索性能，从而实现更快速的特定语言组检索。

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

""" 在这个教程中，我们共同经历了一段精彩的旅程！现在，您已经解锁了构建前沿的检索增强生成（RAG）系统的强大潜力，通过整合一个强大的框架、一个动态的向量数据库、一个智能的大型语言模型和一个先进的嵌入模型。这些组件在创建一个高效、响应迅速的系统中发挥着至关重要的作用。框架就像交响乐中的指挥者，协调这些技术的无缝集成，确保它们高效协作。得益于Milvus向量数据库，您可以进行闪电般快速的搜索，在眨眼之间检索相关信息，这对于响应敏捷的应用程序至关重要。随着OpenAI GPT-o3-mini为对话智能提供动力，您的系统能够以互动和有意义的方式与用户交流。而且，不能忽视Cohere的embed-multilingual-light-v3.0模型，它生成丰富的语义表示，增强了理解力和相关性。

我们还分享了一些优化技巧并介绍了一个成本计算器，以帮助您有效地制定资源分配策略。您在这里建立了坚实的基础，希望您对即将到来的惊人可能性感到兴奋。现在是时候掌握主动权，开始实验了！测试不同的配置，创新新特性，突破您的RAG应用程序的边界。世界是您的游乐场，所以尽情探索并开始构建吧！ """

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！💖