RAG 示例：使用 langchain、Redis、llama.cpp 构建一个 kubernetes 知识库问答
RAG（Retrieval Augmented Generation 检索增强生成）是目前业界中的一种主流方法，通过增加额外知识的方式来减少大语言模型（LLM）的幻觉问题（一本正经的胡说八道）。
RAG 系统概览
如上图所示，RAG 系统可以分为两个部分：
Indexing：构建知识库。Retrieval & Generation：从知识库中获取相关信息，然后生成结果。
Indexing 构建知识库的过程可以分为四步：
Load：加载 PDF、doc、markdown、web 等等形式的知识数据。Split：由于LLM上下文大小的限制，需要将文档进行切割。Embedding：将文本转换为向量。store to VectorDB：将文本内容和向量存储至向量数据库，即知识库。
Retrieval & Generation 的过程也是四步：
Embedding：将用户提出的问题转换为向量。search VectorDB：从知识库中查询与问题语义相近的文本段落。prompt：将检索出来的文本段落与用户问题合并，生成 prompt。LLM：将 prompt 提交给大语言模型，得到最终答案。
从上述过程中可以看到，相较于直接把问题提交给 LLM 得到答案，RAG 系统额外构建了一个知识库，并且会把问题跟已有知识相结合，生成新的 prompt 后再提交给 LLM 得到答案。
换句话说，RAG 系统就是在用户提出的问题之外，额外增加了一些上下文/背景信息，这些信息可以是实时信息、也可以是专业领域信息，以此从 LLM 得到更好的回答。
RAG 系统示例
在本示例中，我将使用 langchain、Redis、llama.cpp 构建一个 kubernetes 知识库问答。
langchain 是一个工具包，Redis 被我用作向量数据库，llama.cpp 是一个开源的加载大语言模型的运行时程序。
我在本地使用了 Docker 容器环境进行开发，通过以下 docker-compose 文件拉取依赖的服务：
version: "3.9"
services:
redis:
image: redis/redis-stack:7.4.0-v1
container_name: redis
ports:
- "6379:6379" # 映射 Redis 默认端口
- "8001:8001" # 映射 RedisInsight 默认端口
llama_cpp_server:
image: ghcr.io/ggerganov/llama.cpp:server
container_name: llama_cpp_server
ports:
- "8080:8080"
volumes:
- ~/ai-models:/models # 映射主机路径到容器
environment:
LLAMA_ARG_MODEL: /models/llama3.2-1B.gguf
LLAMA_ARG_CTX_SIZE: 4096
LLAMA_ARG_HOST: "0.0.0.0"
LLAMA_ARG_PORT: 8080
代码示例如下：
代码释义：
- 加载文档：使用
langchain抓取kubernetes官方文档页面内容。 - 切割文档：使用
langchain切割文档。 - 向量化：使用
sentence_transformers将文本转换为向量：
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence"]
model = SentenceTransformer('sentence-transformers/all-mpnet-base-v2')
embeddings = model.encode(sentences)
print(embeddings)
- 存储至向量数据库：将文本和向量存储至
Redis，你也可以使用其它向量数据库。 - 用户提问向量化：使用同样的模型将用户提出的问题转换为向量。
- 向量相似性检索：从向量数据库中检索出与提问相似的文本段落。
- 组合生成
prompt：将检索出来的信息与用户提问一起合并生成新的prompt。 - 将
prompt提交给LLM得到答案。
最终的测试结果如下：
可以看到，加了上下文之后，LLM 给出的答案更好了。
RAG 面临的挑战
RAG 的每一步几乎都面临挑战：
- 如何加载不同形式的文档数据？这一步问题倒不大。
- 如何切割文档？切割的效果影响了
prompt的上下文信息，因此也会影响LLM生成的结果。 - 如何做
embedding，选择哪种模型？ - 选择哪个向量数据库？常见的技术选型问题。
- 如何将检索出来的信息与用户提问一起合并成新的
prompt？prompt本来就可以五花八门。 - 选择哪个
LLM以及运行时？就模型而言，Llama系列算是最火的开源模型了；而运行时则有llama.cpp（或者在其之上封装的Ollama）、HuggingFace/transformers、vLLM等等。
总结
RAG 系统通过引入知识库，扩展了 LLM 对专业领域和实时信息的支持能力，使其在回答专业问题时更加准确高效。
(我是凌虚，关注我，无广告，专注技术，不煽动情绪，欢迎与我交流)
参考资料：
- https://python.langchain.com/docs/tutorials/rag/
- https://huggingface.co/sentence-transformers/all-mpnet-base-v2
- https://github.com/ggerganov/llama.cpp/blob/master/examples/server/README.md
- https://redis.io/docs/latest/develop/interact/search-and-query/query/vector-search/
原文地址：https://blog.csdn.net/weixin_39489487/article/details/143892722
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！