使用 LangChain、pgvector、Cohere Command R 和 NVIDIA embed-qa-4 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: 该模型旨在高性能检索任务中表现出色，具备理解和生成自然语言的先进能力。它在语义搜索和文档摘要方面的优势，使其非常适合用于客户支持、内容生成和知识管理等应用，这些领域对准确性和上下文相关性要求极高。
NVIDIA embed-qa-4: 这个模型专注于问答任务，利用最先进的嵌入技术来提高准确性和理解能力。其优势在于理解上下文并有效地检索精确信息。非常适合用于客户支持、教育平台以及任何需要快速、基于上下文的用户问询回应的领域。

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", model_provider="cohere")

第 3 步：安装并配置 NVIDIA embed-qa-4

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_nvidia_ai_endpoints import NVIDIAEmbeddings

embeddings = NVIDIAEmbeddings(model="NV-Embed-QA")

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 旨在进行检索增强生成，使高效的上下文检索和排名对于系统性能至关重要。通过使用 Cohere 的基于嵌入的搜索优化检索管道，以识别和排序最相关的文档，从而减少不必要的输入上下文，同时保持准确性。通过微调温度设置来提高响应质量；较低的值（0.1–0.2）最适合结构化的事实基础查询，而较高的值则在生成的响应中引入更多的变异性。利用提示模板保持一致的格式，确保输出的清晰性。实施批处理，当多个查询需要相似的上下文时，减少冗余的 API 调用。为了提高效率，缓存顶部查询结果，并利用增量上下文更新，而不是重复发送完整的文档集。如果在大规模部署，实时监控延迟和响应一致性，动态调整检索阈值，以实现速度和完整性之间的最佳平衡。

NVIDIA embed-qa-4 优化建议

NVIDIA embed-qa-4 是一种高性能的嵌入模型，专为 RAG 系统中的问答任务优化。通过在文档和句子级别生成嵌入，提高检索效率，实现精细匹配。使用相似度阈值调节来平衡检索文档时的精准度和召回率。对于大规模应用，采用 GPU 加速的 ANN 搜索框架，如 FAISS，并优化索引参数。缓存经常使用的嵌入以减少 API 开销并加快查询处理。在处理动态知识库时，实施定期重新嵌入更新文档，以保持搜索相关性。考虑通过集成基于元数据的过滤器与向量搜索相结合，来微调检索管道，以提高上下文准确性。

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，您已经解锁了从零开始构建RAG系统的魔法！您已经看到LangChain如何充当粘合剂，无缝连接管道中的每一个部分——协调工作流程、管理数据流，并将您的向量数据库与强大的语言模型桥接在一起。通过pgvector，您掌握了高效存储和检索高维嵌入的能力，使PostgreSQL转变为一个闪电般快速的语义查询搜索引擎。您将这一能力与NVIDIA的embed-qa-4嵌入模型结合在一起，该模型将文本转化为丰富的数值表示，确保您的系统理解上下文和细微差别。我们还不能忘记Cohere的Command R，这一大型语言模型将一切结合在一起，利用检索到的上下文生成听起来自然且富有洞察力的人类般的响应。在此过程中，您掌握了优化性能的专业技巧，比如调整嵌入的块大小或微调检索阈值，还发现了诸如免费的RAG成本计算器等工具，以保持您的项目在预算内且可扩展。

现在，您具备了创建RAG应用程序的能力，不仅仅是回答问题——而是理解问题。想象一下可能性：更智能的聊天机器人、动态研究工具，或几乎如人的AI助手。本教程不仅仅是遵循步骤；它旨在赋予您创新的能力。那么，继续前进——尝试不同的模型，玩转混合搜索策略，或集成新的数据源。工具掌握在您手中，智能应用的未来由您来塑造。大胆构建，无畏优化，让您的创造力自由发挥。下一个AI突破可能就从您的代码开始！🚀

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！💖

内容

大规模向量数据库

Zilliz Cloud 是一个专为大规模应用构建的全托管向量数据库，完美适配您的 RAG 应用。

免费试用 Zilliz Cloud

分享文章

快速免费计算您的 RAG 成本

使用 LangChain、pgvector、Cohere Command R 和 NVIDIA embed-qa-4 构建 RAG 聊天机器人

什么是 RAG

核心组件说明

实战：搭建 RAG 聊天机器人

第 1 步：安装并配置 LangChain

第 2 步：安装并配置 Cohere Command R

第 3 步：安装并配置 NVIDIA embed-qa-4

第 4 步：安装并配置 pgvector

第 5 步：正式构建 RAG 聊天机器人

测试聊天机器人

示例输出

优化小贴士

LangChain 优化建议

pgvector 优化建议

Cohere Command R 优化建议

NVIDIA embed-qa-4 优化建议

RAG 成本计算器

收获与总结

欢迎反馈！

内容

大规模向量数据库

分享文章

继续阅读

Zilliz落地垂直RAG：为什么说医疗场景中，LLM只是半成品？

从 CLIP 到 JinaCLIP：搜索和多模态 RAG 中的通用文本-图像表示学习

面向 RAG 应用开发者的实用指南和建议

AI Assistant

使用 LangChain、pgvector、Cohere Command R 和 NVIDIA embed-qa-4 构建 RAG 聊天机器人

什么是 RAG

核心组件说明

实战：搭建 RAG 聊天机器人

第 1 步：安装并配置 LangChain

第 2 步：安装并配置 Cohere Command R

第 3 步：安装并配置 NVIDIA embed-qa-4

第 4 步：安装并配置 pgvector

第 5 步：正式构建 RAG 聊天机器人

测试聊天机器人

示例输出

优化小贴士

LangChain 优化建议

pgvector 优化建议

Cohere Command R 优化建议

NVIDIA embed-qa-4 优化建议

RAG 成本计算器

收获与总结

欢迎反馈！

内容

大规模向量数据库

分享文章

继续阅读

Zilliz落地垂直RAG：为什么说医疗场景中，LLM只是半成品？

从 CLIP 到 JinaCLIP：搜索和多模态 RAG 中的通用 文本-图像表示学习

面向 RAG 应用开发者的实用指南和建议

AI Assistant

从 CLIP 到 JinaCLIP：搜索和多模态 RAG 中的通用文本-图像表示学习