使用 LangChain、pgvector、Cohere Command R+ 和 Ollama mxbai-embed-large 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。
• Pgvector: 一个面向 PostgreSQL 的开源扩展，可高效存储和查询高维向量数据，适用于机器学习和 AI 应用。该扩展专为处理嵌入数据而设计，支持使用 HNSW 和 IVFFlat 等算法进行快速的近似最近邻（ANN）搜索。但由于它只是传统搜索的向量搜索附加组件，而非专门构建的向量数据库，因此在可扩展性、可用性以及其他企业级应用所需的高级功能方面存在不足。因此，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。)
• Cohere Command R+: 该模型专注于快速检索和密集文本理解，优先考虑搜索和信息提取任务中的性能。凭借增强的上下文意识，它能够提供准确的结果，非常适合在客户支持、内容推荐和企业搜索解决方案等应用中，满足对响应效率和相关性高的需求。
• Ollama mxbai-embed-large: 这个先进的人工智能模型专注于为自然语言处理任务生成高质量的嵌入。它的优势在于捕捉文本数据中的细微含义和关系，使其非常适合进行语义搜索、推荐系统和内容聚类应用。

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 Cohere Command R+

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.chat_models import init_chat_model

llm = init_chat_model("command-r-plus", model_provider="cohere")

第 3 步：安装并配置 Ollama mxbai-embed-large

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="mxbai-embed-large")

第 4 步：安装并配置 pgvector

pip install -qU langchain-postgres

from langchain_postgres import PGVector

vector_store = PGVector(
    embeddings=embeddings,
    collection_name="my_docs",
    connection="postgresql+psycopg://...",
)

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。

pgvector 优化建议

为了优化 pgvector 在检索增强生成（RAG）设置中的表现，可以考虑使用 GiST 或 IVFFlat 索引向量，以显著加快搜索查询并提高检索性能。确保在查询执行过程中利用并行化，使得多个查询能够同时处理，尤其是在处理大数据集时。通过调整向量存储大小并在可能的情况下使用压缩嵌入来优化内存使用。为了进一步提升查询速度，可以实现预过滤技术，在查询之前缩小搜索空间。定期重建索引，以确保其与新数据保持同步。通过微调向量化模型来减少维度，同时不牺牲准确性，从而提升存储效率和检索时间。最后，仔细管理资源分配，利用水平扩展处理更大的数据集，并将计算密集型操作卸载到专用处理单元，以保持在高流量期间的响应能力。

Cohere Command R+ 优化建议

Cohere Command R+ 是一个针对检索密集型工作负载优化的高级模型，因此精炼上下文选择和排名机制至关重要。使用 Cohere 的重排名模型对检索到的段落进行排序，基于语义相关性，确保仅处理最相关的信息。通过将文档分段为有意义的块并限制不必要的上下文，优化令牌经济，避免提示过载。根据查询的复杂性动态调整检索深度——对于复杂查询进行更广泛的搜索，针对简单提示进行更狭窄的搜索。根据使用案例微调温度和采样参数，较低的值确保更可靠、真实的输出。对于高吞吐量的应用，实施异步处理和并行查询执行以提高效率。对经常访问的主题进行缓存和预生成响应，可以显著降低推理成本并提高响应时间。根据用户反馈和性能分析定期测试和优化检索配置，以保持 RAG 工作流中的高质量输出。

Ollama mxbai-embed-large 优化建议

为了优化Ollama mxbai-embed-large组件在检索增强生成（RAG）设置中的表现，可以考虑在领域特定数据上对嵌入模型进行微调，以提升检索任务的相关性。利用批处理输入查询来提高吞吐量和效率，并实施缓存机制，对频繁访问的嵌入数据进行缓存以减少延迟。监控和分析性能指标，以识别瓶颈，并迭代调整超参数，如学习率和嵌入大小，同时利用混合精度训练来平衡准确性和资源利用。最后，定期用新数据更新嵌入数据库，以保持检索结果的准确性，确保您的RAG系统始终有效和响应迅速。

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

通过深入这个教程，你已经解锁了结合尖端工具构建一个强大的 RAG 系统的能力！你了解到 LangChain 如同粘合剂，利用其灵活的框架协调组件之间的数据流动。通过 pgvector，你将 PostgreSQL 转变为一个高性能的向量数据库，高效地存储和检索嵌入，以找到最相关的查询上下文。接着是 Cohere Command R+，这个语言模型强者通过利用检索到的信息生成类人、准确的响应，证明了它为何是企业级应用的首选。而且别忘了 Ollama的 mxbai-embed-large，这个嵌入模型将你的原始文本转化为丰富的数值表示，确保你的系统深入理解语义关系。这些工具共同创建了一个无缝的管道：获取数据、嵌入、存储、检索上下文和生成答案——所有这一切都保持着可扩展性和精确性。

但是等等，还有更多！你还获得了一些优化 RAG 系统的专业技巧，比如调整块大小和微调检索参数，以平衡速度和准确性。教程中甚至提供了一个 免费的 RAG 成本计算器，帮助你估算费用并智能扩展。现在你已经亲眼看到这些组件如何结合在一起——以及如何让它们发光——是时候掌控这一切了！无论你是在构建聊天机器人、研究助手还是知识中心，你都具备创新所需的工具和知识。因此，启动你的 IDE，尝试新的数据集，让你的创意变为现实。智能应用的未来掌握在你手中——让我们一起创造一些令人惊叹的东西吧！🚀

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！💖