RAG 示例：使用 langchain、Redis、llama.cpp 构建一个 kubernetes 知识库问答

凌虚 included in AI

2024-11-19 1388 words 3 minutes

Contents

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：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22


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：

1
2
3
4
5
6


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：