使用 LangChain、pgvector、Mistral AI Ministral 8B 和 Google Vertex AI text-embedding-004 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 8B: 该模型旨在满足高性能生成任务，拥有80亿个参数，提供效率与能力的平衡。它在文档生成、对话人工智能和创意内容制作方面表现出色。非常适合寻求强大但易于管理的复杂语言应用模型的开发者，同时又无需更大架构所需的资源。
- Google Vertex AI text-embedding-004: 该模型专注于为多种自然语言处理任务创建高质量的文本嵌入。它的优势在于有效捕捉语义意义和关系，适用于语义搜索、聚类和推荐系统等应用。非常适合希望从文本数据中增强AI驱动洞察的开发者。
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 8B
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-8b-latest", model_provider="mistralai")
第 3 步：安装并配置 Google Vertex AI text-embedding-004
pip install -qU langchain-google-vertexai
from langchain_google_vertexai import VertexAIEmbeddings
embeddings = VertexAIEmbeddings(model="text-embedding-004")
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 8B 优化建议
Ministral 8B在效率和推理能力之间提供了良好的平衡，使其成为RAG应用的一个不错的中档选择。通过利用混合搜索（结合向量搜索和关键词搜索）来优化检索，以提高准确性。使用提示工程技术，如结构化输入格式和上下文的逻辑排序，以增强响应质量。调整温度（0.1-0.3）和top-k值，以平衡事实准确性与创造性灵活性。实现响应缓存，以改善对常见查询的延迟。如果进行大规模部署，使用模型并行性在多个GPU或节点之间有效分配工作负载。通过使用半精度（FP16）或量化模型来优化内存管理，以提高吞吐量。细化检索粒度，确保每个查询中仅包含最相关和简洁的上下文。
Google Vertex AI text-embedding-004 优化建议
Google Vertex AI text-embedding-004 提供高质量的嵌入，适用于广泛的 RAG 应用。为了提高检索效率，通过预处理数据并关注关键概念和相关上下文来减少输入文本中的冗余。对于大规模部署，利用批处理以并行生成嵌入，从而减少延迟。通过实施混合搜索策略（将传统关键词匹配与稠密向量相似性结合）来优化搜索性能。微调温度设置，以在创意和精准之间取得平衡，并调整模型的 top-k 和 top-p 参数，以控制结果的可变性。缓存高需求查询的嵌入，以减少不必要的处理，并定期刷新嵌入，以保持新数据引入时的相关性。
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。
Calculate your RAG cost
收获与总结
通过深入这个教程，你已经解锁了从零开始构建 RAG（检索增强生成）系统 的魔法！你现在明白了 LangChain 如何作为连接组件的胶水，协调组件之间的流动，创建一个无缝的管道。使用 pgvector，你利用了向量数据库的力量，高效地存储和检索上下文嵌入，将 PostgreSQL 转变为一个高性能的知识中心。你已经见证了 Mistral AI 的 Mixtral 8B 模型带来的闪电般快速和高质量的文本生成，使得回答既连贯又具有上下文意识。通过整合 Google Vertex AI 的 text-embedding-004，你将原始文本转变为丰富的语义向量，以精确捕捉含义。这些工具共同形成了一个动态栈，在检索与生成之间碰撞，支持像聊天机器人、研究助手或内容工具这样的应用，让它们的回答显得 生动 ，具备上下文基础。
但这还不是全部！你还学习了优化 RAG 管道的专业技巧——例如在数据分块时平衡速度和准确性或调整检索阈值——以及如何使用 免费的 RAG 成本计算器 来估算费用并聪明地扩展。这段教程不仅仅是一个食谱；它是一个发射平台。想象一下接下来会发生什么：为特定的使用案例精炼你的系统，实验混合搜索策略，甚至添加多模态功能。工具掌握在你手中，可能性是无穷无尽的。那么，为什么要等待呢？今天就开始构建你自己的 RAG 驱动奇迹，毫无畏惧地迭代，目睹你的想法转变为智能的、现实世界的解决方案。人工智能的未来掌握在你手中——让我们共同创造非凡吧！🚀
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！💖
