使用 LangChain、pgvector、Mistral AI Ministral 3B 和 Ollama snowflake-arctic-embed 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。)
• Mistral AI Ministral 3B: 该模型是一款紧凑而强大的变换器，旨在高效处理自然语言处理任务。它注重速度和较低的计算成本，在文本生成、摘要和分类方面表现出色。非常适合需要在资源受限的环境中获得高性能或要求快速响应时间的应用程序开发者。
• Ollama Snowflake-Arctic-Embed: 该模型专注于为结构化和非结构化数据生成高维嵌入，利用先进的深度学习技术。它的优势包括高效处理大型数据集和生成上下文表示，使其非常适合用于推荐系统、语义搜索和个性化内容传递等应用。

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 Mistral AI Ministral 3B

pip install -qU "langchain[mistralai]"

import getpass
import os

if not os.environ.get("MISTRAL_API_KEY"):
  os.environ["MISTRAL_API_KEY"] = getpass.getpass("Enter API key for Mistral AI: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("ministral-3b-latest", model_provider="mistralai")

第 3 步：安装并配置 Ollama snowflake-arctic-embed

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="snowflake-arctic-embed")

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。

Mistral AI Ministral 3B 优化建议

Ministral 3B 是一个轻量级模型，非常适合低延迟、具有成本效益的 RAG 应用。通过限制检索文档的数量来优化检索，确保只有最相关的内容被处理，以保持效率。使用激进的提示压缩技术，例如去除不必要的元数据和以层次结构组织上下文，以最大化信息密度。在进行事实查询时，保持低温度（0.1-0.2），以获得精确且确定的输出。如果同时处理多个请求，请使用高效的批处理机制以减少 API 调用开销。利用量化技术进一步减少内存占用并提高推理速度。对于频繁访问的查询，利用缓存来最小化冗余处理，并在高吞吐量环境中增强响应时间。

Ollama snowflake-arctic-embed 优化建议

为了优化您在检索增强生成设置中的Ollama snowflake-arctic-embed组件，请确保在特定领域的数据上对嵌入模型进行微调，以提高相关性和准确性。利用缓存机制来存储频繁访问的嵌入，以减少计算时间。尝试不同的嵌入维度，以平衡性能和资源使用，并实施向量量化技术，在不显著影响质量的情况下节省内存空间。此外，定期监控性能指标，并相应地调整超参数，以在您的检索任务中获得最佳效果。

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

通过深入本教程，您已经解锁了结合前沿工具构建完整 RAG 系统的强大能力！您已经看到 LangChain 如何作为胶水，无缝协调 Mistral AI 的 Mixtral 3B 等组件之间的工作流程——这是一款轻量级但功能强大的 LLM，能够生成类人响应——以及 pgvector，这是一款利用 PostgreSQL 的可靠性来存储和检索嵌入的向量数据库。通过 Ollama 的 Snowflake Arctic Embed 模型，您学习了如何将文本转换为丰富的数值表示，从而实现精确的语义搜索。这些部分共同形成了一个动态管道：获取数据、嵌入、有效存储并检索上下文相关的答案。在这个过程中，您探索了实际的优化方法，比如调整块大小和调整相似性阈值，以平衡速度和准确性。本教程甚至提供了一个 免费的 RAG 成本计算器，帮助您估算费用，聪明地扩展——因为智能构建不应该让您破产！

现在您已经看到这些工具如何协同工作，AI 驱动的应用世界任您塑造。想象一下，超级增强客户支持、自动化研究或个性化内容——所有这些系统都在 学习 过程中发展。最棒的是什么？您不仅仅是执行步骤，而是可以进行实验。调整 Mistral 的参数，探索 pgvector 的索引技巧，或者更换嵌入模型以匹配您的用例。这不仅仅是构建 RAG；它是掌握一个将创意转化为影响的工具箱。因此，启动您的 IDE, 拥抱试错的魔力，开始创造。您的下一个项目可能是改变人们与信息互动方式的突破——而您拥有实现这一目标所需的一切。让我们开始构建吧！ 🚀

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！💖