【深入浅出RAG】让 GPU 飞起来，LangChain & NVIDIA NIM 打造最强 RAG

大约一年半前，OpenAI 发布了 ChatGPT，真正开启了生成式AI时代。自此以后，我们见证了各种行业和企业对该技术的快速增长及广泛应用。

随着企业将注意力从原型制作LLM（大型语言模型）应用转向生产化部署，它们通常希望从第三方模型服务转向自我托管解决方案。我们看到许多人在这一转变中遇到困难，这也是LangChain对集成全新NVIDIA NIM推理微服务感到兴奋的原因。

1. 什么是 NVIDIA NIM？

NVIDIA NIM是一套易于使用的微服务集合，旨在加速企业内部生成式AI的部署。这个多功能运行时支持广泛的AI模型，从开源社区模型到NVIDIA AI基础模型，乃至定制AI模型。

利用行业标准API，开发者只需几行代码就能快速构建企业级AI应用程序。NIM建立在强大的基础之上，包括NVIDIA Triton推理服务器、NVIDIA TensorRT、NVIDIA TensorRT-LLM和PyTorch等推理引擎，旨在实现无缝的大规模AI推理，确保你可以在任何地方自信地部署AI应用程序，无论是在本地还是云端。NIM是实现大规模加速生成式AI推理的最快方式。

NVIDIA NIM 的整合为 LangChain 带来了显著的优势，特别是在生产环境中部署基于大型语言模型（LLM）的应用程序时。以下是整合NVIDIA NIM后的主要好处和操作步骤概述：

优势概述

1. 完全自托管: 数据隐私得到极大保障，因为所有发送至NVIDIA模型的数据都保留在用户自己的系统内。这对于涉及敏感信息的检索增强生成（RAG）应用尤为重要。

2. 预构建容器: NIM提供了多种预配置的容器，使得开发者能够迅速采用最新的生成式AI模型，减少了从头开始配置模型的复杂度和时间成本。

3. 可扩展性: NIM不仅支持本地开发环境中的模型运行，还便于将模型部署为高可用的服务，确保了模型服务的稳定性和高性能，与专业托管服务媲美。

2. 如何获得 NVIDIA NIM 的访问权限？

开始使用 NIM 是直接的。在 NVIDIA API 目录中，开发人员可以访问广泛的 AI 模型来构建和部署生成性 AI 应用。NIM 作为 NVIDIA AI Enterprise 的一部分提供，NVIDIA AI Enterprise 是一个端到端的、云原生的软件平台，它简化了生产级 AI 应用的开发和部署。查看这个博客，了解如何开始的逐步指南。

如何使用 LangChain 与 NVIDIA NIM？我们添加了一个新的集成包，支持 NIM。要开始集成，您需要安装我们专用的集成包：

pip install langchain_nvidia_ai_endpoints

之后，您可以像这样导入模型：

from langchain_nvidia_ai_endpoints import NVIDIAEmbeddings,ChatNVIDIA

3. 操作示例

我们将在 LangSmith 文档的一部分上构建一个 RAG 应用。为了使它更有趣，我们将使用一种高级检索方法：假设文档嵌入（HyDE）。HyDE 的动机是搜索查询可能不在与我们检索的文档相同的嵌入空间中。

为了解决这个问题，我们可以使用 LLM 生成一个假设文档，然后检索与该假设文档相似的文档。以下是如何使用NVIDIA NIM与LangChain进行集成的简要步骤示例：

• 安装集成包:

  首先，通过运行 pip install langchain_nvidia_ai_endpoints 安装特定的NVIDIA NIM集成包。

pip install langchain-community langchain-text-splitters faiss-cpu

• 加载数据: 使用如 WebBaseLoader 从指定URL加载文档，例如加载LangSmith的用户指南文档。

from langchain_community.document_loaders import WebBaseLoaderloader = WebBaseLoader("https://docs.smith.langchain.com/user_guide")docs = loader.load()

• 初始化嵌入模型: 利用 NVIDIAEmbeddings 初始化一个适合GPU优化的嵌入模型。在对文档进行索引之前，我们可以初始化我们的嵌入模型。

from langchain_nvidia_ai_endpoints import NVIDIAEmbeddingsembeddings = NVIDIAEmbeddings()

• 文档处理与索引: 将文档分割成合适的块，并使用FAISS创建向量存储，以便高效检索。现在，我们可以使用 FAISS 向量存储执行索引步骤。

from langchain_community.vectorstores import FAISSfrom langchain_text_splitters import RecursiveCharacterTextSplittertext_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)documents = text_splitter.split_documents(docs)vector = FAISS.from_documents(documents, embeddings)retriever = vector.as_retriever()

• 初始化LLM: 使用 ChatNVIDIA 类初始化一个大模型，例如 "mistral_7b"，并设置相应的输出解析器。

from langchain_core.prompts import ChatPromptTemplatefrom langchain_nvidia_ai_endpoints import ChatNVIDIAfrom langchain_core.output_parsers import StrOutputParsermodel = ChatNVIDIA(model="mistral_7b")

• 构建假设文档生成器: 创建一个链式组件，它结合了提示模板、LLM和输出解析器，用于生成与查询相关的假设文档。

hyde_template = """即使你不知道完整的答案，也请生成一个段落的假设答案来回答下面的问题：{question}"""hyde_prompt = ChatPromptTemplate.from_template(hyde_template)hyde_query_transformer = hyde_prompt | model | StrOutputParser()

• 组合检索与回答链: 最终，将上述组件整合为一个完整的链，该链首先生成假设文档，然后基于此文档和其他检索到的信息回答问题。通过流式处理(stream)功能，可以实现实时的交互式答案生成。

然后我们可以将这个链和原始检索器包装成一个新的链：from langchain_core.runnables import chain@chaindef hyde_retriever(question):hypothetical_document = hyde_query_transformer.invoke({"question": question})return retriever.invoke(hypothetical_document)然后我们可以创建一个链，它将检索到的文档和问题结合起来，产生最终答案：template = """只根据以下上下文回答问题：{context}问题：{question}"""prompt = ChatPromptTemplate.from_template(template)answer_chain = prompt | model | StrOutputParser()

现在，我们将创建我们的假设文档生成器。这个链由一个提示、LLM 和一个简单的输出解析器组成。

最后，我们可以将这个与假设文档检索器结合起来，创建一个最终链：

@chaindef final_chain(question):documents = hyde_retriever.invoke(question)for s in answer_chain.stream({"question": question, "context": documents}):yield s

注意我们返回令牌，以便我们可以流式传输这个最终链！让我们尝试一下：

for s in final_chain.stream("how can langsmith help with testing"):print(s, end="")

欢迎关注我，获取更多关于 AI 技术的前沿资讯。别忘了将今天的内容分享给你的朋友们，让我们一起在 AI 的浪潮中乘风破浪！

觉得我的文章对你有帮助的话，请不要吝啬你的点赞、在看和转发~