使用 LangChain、pgvector、OpenAI GPT-4 和 Ollama nomic-embed-text 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。)
• OpenAI GPT-4: GPT-4 是 OpenAI 的先进语言模型，旨在实现全面理解和上下文感知的文本生成。它在创意写作、复杂问题解决和细致对话方面表现出色，适用于内容创作、辅导和交互式人工智能等应用。其强大的能力使其能以深度和连贯性处理各种主题。
• Ollama nomic-embed-text: 该模型专注于生成高质量的文本嵌入，旨在增强各种自然语言处理任务中的语义理解。它的优势在于上下文表示和可扩展性，使其适用于语义搜索、推荐系统和聚类等应用。非常适合希望将深刻文本分析集成到其项目中的开发者。

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 OpenAI GPT-4

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("gpt-4", model_provider="openai")

第 3 步：安装并配置 Ollama nomic-embed-text

pip install -qU langchain-ollama

from langchain_ollama import OllamaEmbeddings

embeddings = OllamaEmbeddings(model="nomic-embed-text")

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。

OpenAI GPT-4 优化建议

GPT-4 是一个强大的 RAG 应用模型，但优化检索和提示效率是降低成本和提高响应质量的关键。使用基于嵌入的检索，以确保包含高度相关的上下文，同时避免不必要的令牌使用。简洁地构建提示，清晰地以排名格式展示检索到的文档，以引导模型的关注。针对基于事实的任务微调温度（0.1-0.3），并调整 top-p 和 top-k 采样以控制响应的变异性。对频繁查询的信息实现缓存，以减少冗余的 API 调用并提高延迟。如果在高流量应用中使用 GPT-4，请批量请求以最小化开销并优化吞吐量。利用 OpenAI 的函数调用功能以编程方式构建响应，避免过多的幻觉。在实时应用中使用响应流以改善感知性能，同时保持高效的令牌使用。

Ollama nomic-embed-text 优化建议

Ollama nomic-embed-text旨在生成稳健的文本嵌入，因此在RAG管道中优化嵌入的存储和查询方式至关重要。通过去除不必要的元数据和规范化大小写来预处理输入文本，以保持一致性。根据数据集大小选择一种优化的向量索引策略，例如IVF-PQ，以实现速度和准确性的平衡。使用近似最近邻搜索来加速检索，同时保持较高的召回率。缓存常用嵌入，以避免冗余计算。如果嵌入用于长期检索任务，定期刷新并在新数据上重新训练以防止模型漂移。优化数据库查询，以快速检索相关嵌入，并最小化I/O瓶颈。

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，您已解锁了结合尖端工具构建RAG（检索增强生成）系统的能力！您了解了LangChain如何作为连接剂，无缝地连接您的工作流——在组件之间协调数据流，并简化文档拆分和提示管理等复杂任务。借助pgvector作为您的向量数据库，您发现了如何高效地存储和检索嵌入，将非结构化文本转化为可搜索的知识。OpenAI的GPT-4的魔力让一切变为现实，生成基于您检索到的上下文的类人响应，而Ollama的nomic-embed-text模型为您提供了创建高质量嵌入的灵活性，即使您想尝试开源替代方案。在此过程中，您掌握了一些优化技巧，例如调整块大小以提高检索效率或修改pgvector中的索引策略，以提高速度和准确性。我们还不能忘记您探索的免费RAG成本计算器，这是一种方便的工具，用于估算费用并在扩展时做出明智的决策！

现在，想象一下接下来会发生什么！您已经拥有了构建更智能、上下文感知应用程序的蓝图——无论是客户支持聊天机器人，研究助手，还是创意写作工具。工具在您手中，可能性无穷无尽。不要止步于此：尝试不同的嵌入模型，微调检索逻辑，或集成新的数据源。分享您的创作，无畏地进行迭代，目睹您的想法变为现实。人工智能的世界正在快速演变，而您现在已装备齐全，可以乘浪而上。去构建、优化和创新——您下一个突破仅需一个提示的距离！🚀

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！💖