使用Qwen千问大模型和LangChain框架构建高效的RAG系统，从海量数据中提取信息并生成精确回应。

检索增强型生成（RAG）技术的出现，让AI不仅能够生成类人文本，还能实时整合相关信息，提供既丰富又精确的回应。

本文带大家了解如何使用Qwen千问大模型和LangChain框架来构建一个高效的RAG系统。包括导入必要的库和安全地管理敏感信息，比如API密钥。让我们开始搭建这个系统的基础。

1 环境搭建：配置基础

首先，我们需要导入必要的编程库，并配置环境变量以安全地管理敏感信息，比如API密钥。这些步骤是构建任何AI应用的基石，也是确保系统安全性的关键环节。

from torch import cuda
from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_community.embeddings.huggingface import HuggingFaceEmbeddings
from transformers import AutoModelForCausalLM, AutoTokenizer
from langchain_community.llms.huggingface_pipeline import HuggingFacePipeline
from transformers import pipeline
from dotenv import load_dotenv

load_dotenv()

接下来，详细介绍如何安全地设置环境变量，以及如何通过这些变量来管理我们的Hugging Face API密钥。

安全配置API密钥

使用Hugging Face的AI模型时，通常需要访问Hugging Face API，这需要API密钥。这个密钥是在请求Hugging Face服务时的唯一标识符，让你能够在应用中加载并使用这些模型。

以下是如何安全设置环境：

• 获取Hugging Face API密钥：创建Hugging Face账户之后，你可以在账户设置下的“访问令牌”部分找到API密钥。

• 保护API密钥：API密钥是敏感信息，应该保密。不要将其硬编码到你的脚本中，而应该使用环境变量。

• 创建.env文件：创建一个名为.env的文件。这个文件将存储你的环境变量。

• 将API密钥添加到.env文件：用文本编辑器打开.env文件，并以以下格式添加Hugging Face API密钥：

HUGGINGFACE_API_KEY=your_api_key_here

将your_api_key_here替换为你从Hugging Face获得的实际API密钥。

2 定义模型路径和配置

modelPath = "sentence-transformers/all-mpnet-base-v2"
device = 'cuda' if cuda.is_available() else 'cpu'
model_kwargs = {'device': device}

在这部分代码中，指定了用于生成嵌入向量的预训练模型路径，即sentence-transformers/all-mpnet-base-v2。同时，还设置了计算设备，优先选择GPU以加速计算过程，如果GPU不可用，则回退到CPU。

3 初始化Hugging Face嵌入和FAISS向量存储

embeddings = HuggingFaceEmbeddings(
    model_name=modelPath,
    model_kwargs=model_kwargs,
)

# 虚构的数据，仅供娱乐
vectorstore = FAISS.from_texts(
    ["Harrison worked at Alibaba Cloud"], embedding=embeddings
)

retriever = vectorstore.as_retriever()

在这一步，根据选定的模型和配置初始化了HuggingFace嵌入的实例。接着，利用FAISS技术，创建了向量库，让我们能在高维空间中进行高效的相似性搜索。此外，还创建了一个检索器，能够根据这些嵌入向量来检索相关信息。

4 设置聊天提示模板

template = """Answer the question based only on the following context:
{context}
Question: {question}
"""

prompt = ChatPromptTemplate.from_template(template)

这里定义了一个聊天提示模板，用于构建与AI的交互。它包括上下文和问题的占位符，这些将在链的执行期间动态填充。

5 配置分词器与语言模型

在人工智能和自然语言处理领域，分词器和语言模型是一对不可或缺的搭档。

分词器负责将文本拆分成模型能够理解的小单元，而语言模型则根据这些输入来预测和生成语言内容。

在我们的应用中，采用了Hugging Face的AutoTokenizer和AutoModelForCausalLM类来实现这些功能。选择语言模型不是一成不变的，需要根据具体需求灵活调整。

5.1 选择合适的模型尺寸与计算资源

在选择模型时，模型的大小是个重要的考量点。大型模型如Qwen-72B拥有海量参数，能够处理和生成更加精细的文本，但同时也需要更强大的计算资源。如果你有高端的GPU和充足的内存，那么这些大型模型能帮助充分发挥其强大的功能。

相对而言，小型模型如Qwen-1.8B则更适合普通的计算环境。这些模型即便在没有高性能GPU的设备上也能运行，虽然可能不如大型模型那样精准捕捉语言的微妙之处，但它们的性能依然出色，尤其适合那些没有专业硬件支持的用户。

5.2 特定任务的模型

另一个需要考虑的点是你的任务性质。如果你正在构建一个会话AI，使用一个特定于聊天的模型，如Qwen-7B-Chat，可能会获得更好的结果，因为这些模型针对对话进行了微调，并且可以比基础模型更好地处理对话的细微差别。

5.3 推理成本

使用大型模型时，除了对硬件要求较高之外，如果通过云服务进行模型推理，还会面临更高的成本问题。

这是因为每次推理过程都会消耗一定的时间和计算资源。随着时间的推移，这些成本会逐渐累积。

因此在选择模型时，我们需要综合考虑性能和经济性。

5.4 Qwen系列

• Qwen-1.8B：适合需要较少计算能力的小型模型。适合原型制作和在没有强大GPU的机器上运行。

• Qwen-7B：中等大小的模型，它在性能和计算需求之间取得了平衡。适用于包括文本生成和问答在内的一系列任务。

• Qwen-14B：更大的模型，能够处理更复杂的任务，具有更大的语言理解和生成的细微差别。

• Qwen-72B：系列中最大的模型，为需要深度语言理解的高级AI应用提供最先进的性能。

• Qwen-1.8B-Chat：专为构建聊天机器人和其他对话系统而设计的对话模型。

• Qwen-7B-Chat：与Qwen-1.8B-Chat类似，但具有处理更复杂对话的增加能力。

• Qwen-14B-Chat：高端对话模型，能够进行复杂的对话交互。

• Qwen-72B-Chat：Qwen系列中最高级的对话模型，为要求苛刻的聊天应用提供卓越的性能。

5.5 选择模型

挑选合适的模型时，需要综合考虑大型模型的优势以及你资源和项目的需求。

如果是初学者或者项目规模较小，选择一个小型模型可能更合适。但随着项目需求的增长，或者需要更强大的功能时，可以考虑切换到更大型的模型。

Qwen系列模型都是开源的，所以你可以尝试不同的模型，以找到最适合你项目的那一个。以下是如何根据特定需求和资源，调整脚本中的模型选择部分：

# 这可以根据你的需求和资源更改为任何Qwen模型
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen-7B", trust_remote_code=True)
model_name_or_path = "Qwen/Qwen-7B"
model = AutoModelForCausalLM.from_pretrained(model_name_or_path,
                                             device_map="auto",
                                             trust_remote_code=True)

这里使用Hugging Face的AutoTokenizer和AutoModelForCausalLM类来加载分词器和因果语言模型。这些组件对于处理自然语言输入和生成输出非常关键。

通过这样的设置，你可以灵活地根据项目进展调整模型，确保既能满足功能需求，又不会造成资源浪费。

6 创建文本生成管道

我们的目标是利用已经加载的语言模型和分词器来生成文本。为此，构建了一个管道，并详细解析了各个参数，以便更好地控制文本生成的过程：

pipe = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    max_new_tokens=8192,
    do_sample=True,
    temperature=0.7,
    top_p=0.95,
    top_k=40,
    repetition_penalty=1.1
)

`hf` = HuggingFacePipeline(pipeline=pipe)

文本生成管道参数解释：

• max_new_tokens (8192)：此参数指定输出中可以生成的最大令牌数。令牌可以是单词、字符或子词，这取决于分词器。

• do_sample (True)：当设置为True时，此参数启用模型生成的下一个可能令牌分布的概率采样。这引入了随机性和变化性。如果设置为False，模型总是选择最可能的下一个令牌，导致确定性和变化性较小的输出。

• temperature (0.7)：温度参数控制采样过程中引入的随机性。较低的温度值（接近0）使模型在做出选择时更有信心，导致随机性较小的输出，而较高的温度值（接近1）则鼓励更多的随机性和多样性。

• top_p (0.95)：此参数控制核采样，这是一种只考虑累积概率高于阈值top_p的最可能令牌的技术。它有助于生成多样化且连贯的文本，避免包含可能使文本无意义的非常低概率令牌。

• top_k (40)：Top-k采样将采样池限制为k个最可能的下一个令牌。这进一步细化了模型将考虑生成下一段文本的令牌集，确保输出保持相关性和连贯性。

• repetition_penalty (1.1)：此参数用于避免模型重复生成相同的令牌或短语，从而促进生成更有趣和多样化的文本。其值大于1时，会减少已出现令牌的重复概率。

设置好这些参数后，通过以下代码将管道封装为HuggingFacePipeline对象：

`hf` = HuggingFacePipeline(pipeline=pipe)

这个封装操作使管道能够无缝集成到LangChain框架中，便于构建更复杂的AI应用程序。通过精心选择这些参数，我们可以根据不同应用场景的需求，调整文本生成的行为，无论是追求创造性和多样性，还是追求文本的一致性和连贯性。

7 搭建和执行RAG链

下面的代码展示了一个完整的RAG（Retrieval-Augmented Generation）系统，它通过初始问题触发信息检索，然后用这些信息来丰富生成过程，最终为输入的问题提供有根据且上下文相关的回答。

1. 构建链结构：

chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | hf
    | StrOutputParser()
)

这段代码的工作流程如下：

• 检索器（retriever）：负责根据问题检索相关信息。通过扫描数据集或文档集合，检索器能找出与问题最相关的信息片段。为了提高效率，这个过程可能会用到向量数据库。

• RunnablePassthrough()：这个组件简单地将问题原封不动地传递下去。这表明我们的链设计是为了直接处理用户输入的问题。

• prompt：虽然这里没有详细展示，但它可能作为一个模板或指令集，用来格式化输入的问题和检索到的上下文，以便它们能够适配管道中的下一个阶段，即Hugging Face模型。

• Hugging Face管道（hf）：这个变量代表一个预训练的语言模型，它能够生成响应。该管道接收前一步骤格式化的输入，并利用其生成能力产生答案。

• StrOutputParser()：这是一个输出解析器，它将Hugging Face管道的原始输出转换成更易于用户理解的格式，通常是字符串形式。

代码中使用|（管道）运算符，这表明采用了函数式编程的风格，特别是函数组合或管道模式，其中每个函数的输出直接作为下一个函数的输入。这种设计使得整个处理流程清晰且高效。

2. 执行链操作：

results = chain.invoke("Where did Harrison work?")

通过这一行代码，我们向链提出了一个具体的问题：“Where did Harrison work?”。这个问题的提出，启动了链中预设的一连串操作。首先，检索器开始搜索与问题相关的信息。随后，这些信息连同问题本身，通过之前设定的提示模板，被一并送入Hugging Face模型。最后，模型根据接收到的输入信息生成并返回相应的回答。这个过程体现了从信息检索到生成回答的完整工作流。

3. 输出结果展示：

print(results)

至此，由StrOutputParser()处理后的生成响应作为最终结果返回，并被打印至控制台或其他输出界面。

通过将检索器、提示模板、Hugging Face模型以及输出解析器串联起来，我们构建了完整的RAG链。我们通过提出问题来调用这个链，并最终将得到的结果展示出来。这一过程不仅体现了技术的整合，也展示了从问题到答案的完整转化。

推荐书单

《LANGCHAIN入门指南：构建高可复用、可扩展的LLM应用程序》

这本书专门为那些对自然语言处理技术感兴趣的读者提供了系统的LLM应用开发指南。全书分为11章，从LLM基础知识开始，通过LangChain这个开源框架为读者解读整个LLM应用开发流程。第1~2章概述LLM技术的发展背景和LangChain框架的设计理念。从第3章开始，分章深入介绍LangChain的6大模块，包括模型I/O、数据增强、链、记忆等，通过大量代码示例让读者了解其原理和用法。第9章通过构建PDF问答程序，帮助读者将之前学习的知识应用于实践。第10章则介绍集成，可拓宽LangChain的用途。第11章为初学者简要解析LLM的基础理论，如Transformer模型等。

本书以LangChain这个让人熟悉的框架为主线，引导读者一步一步掌握LLM应用开发流程，适合对大语言模型感兴趣的开发者、AI应用程序开发者阅读。

购买链接：https://item.jd.com/14327798.html

精彩回顾

Phi-3-Vision-128K大模型，AI助力OCR，文档处理更上一层楼

优化文本嵌入，大幅提升RAG检索速度

LangGraph Studio，使用LangChain高效可视化和测试AI智能体

全新大模型框架Haystack，搭建RAG pipeline

RAG文档解析器，核心技术剖析

搜索引擎+GraphRAG+智能体，打造AI智能搜索