高级RAG 1 - 使用小块检索_高级rag(一)-CSDN博客

转载自：LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能
https://mp.weixin.qq.com/s/IjEoX6oBNF7Uilvyvqcgxg

文章目录

RAG（Retrieval Augmented Generation，检索增强生成）系统从给定的知识库中检索相关信息，从而使其能够生成事实信息、上下文相关信息和特定领域的信息。
然而，在有效检索相关信息和生成高质量响应方面，RAG面临着许多挑战。在这一系列的博客文章/视频中，我将介绍先进的RAG技术，旨在优化RAG工作流程，并解决原始RAG系统中的挑战。

第一种技术被称为从小到大的检索。
在基本的RAG管道中，我们嵌入一个大的文本块进行检索，而这个完全相同的文本块用于合成。
但有时嵌入/检索大的文本块可能会感觉不太理想。
在一个大的文本块中有很多填充文本，导致文本块的语义可能不明显，导致检索更差。
如果我们可以基于更小、更有针对性的块进行嵌入/检索，但仍有足够的上下文供LLM合成响应，该怎么办？
具体而言，将用于检索的文本块与用于合成的文本块解耦可能是有利的。
使用较小的文本块可以提高检索的准确性，而较大的文本块则提供更多的上下文信息。
小到大检索背后的概念是在检索过程中使用较小的文本块，然后将检索到的文本所属的较大文本块提供给大语言模型。

主要有两种技术：

较小的子块引用较大的父块：在检索过程中首先获取较小的块，然后引用父ID，并返回较大的块；
句子窗口检索：在检索过程中获取一个句子，并返回句子周围的文本窗口。

在这篇博客文章中，我们将深入研究这两种方法在LlamaIndex中的实现。

为什么我不在LangChain中做这件事？因为LangChain的高级RAG已经有很多资源了。我宁愿不重复这种努力。

此外，我同时使用LangChain和LlamaIndex。最好了解更多的工具并灵活使用它们。

一、基本RAG回顾

准备工作：

安装相关包

pip install -U llama_hub llama_index braintrust autoevals pypdf pillow transformers torch torchvision

设置环境变量

import os
os.environ["OPENAI_API_KEY"] = "TYPE YOUR API KEY HERE"

下载数据集

!wget --user-agent "Mozilla" "https://arxiv.org/pdf/2307.09288.pdf" -O "llama2.pdf"

导入所需要的包括

from pathlib import Path
from llama_hub.file.pdf.base import PDFReader
from llama_index.response.notebook_utils import display_source_node
from llama_index.retrievers import RecursiveRetriever
from llama_index.query_engine import RetrieverQueryEngine
from llama_index import VectorStoreIndex, ServiceContext
from llama_index.llms import OpenAI
import json

让我们从RAG的基本实现开始，包括4个简单步骤：

步骤1：加载文档

我们使用PDFReader加载PDF文件，并将文档的每一页合并为一个document对象。

loader = PDFReader()
docs0 = loader.load_data(file=Path("llama2.pdf"))
doc_text = "\n\n".join([d.get_content() for d in docs0])
docs = [Document(text=doc_text)]

步骤2：将文档解析为文本块（节点）

然后，我们将文档拆分为文本块，这些文本块在LlamaIndex中被称为“节点”，我们将chuck大小定义为1024。默认的节点ID是随机文本字符串，然后我们可以将节点ID格式化为遵循特定的格式。

node_parser = SimpleNodeParser.from_defaults(chunk_size=1024)
base_nodes = node_parser.get_nodes_from_documents(docs)
for idx, node in enumerate(base_nodes):
node.id_ = f"node-{idx}"

步骤3：选择embedding模型和LLM

我们需要定义两个模型：

embedding模型用于为每个文本块创建矢量嵌入。在这里，我们Hugging Face中的FlagEmbedding模型；
LLM：用户查询和相关文本块喂给LLM，让其生成具有相关上下文的答案。

我们可以在 ServiceContext 中将这两个模型捆绑在一起，并在以后的索引和查询步骤中使用它们。

embed_model = resolve_embed_model(“local:BAAI/bge-small-en”)
llm = OpenAI(model="gpt-3.5-turbo")
service_context = ServiceContext.from_defaults(llm=llm, embed_model=embed_model)

步骤4：创建索引、检索器和查询引擎

索引、检索器和查询引擎是基于用户数据或文档进行问答的三个基本组件：

索引是一种数据结构，使我们能够从外部文档中快速检索用户查询的相关信息。矢量存储索引获取文本块/节点，然后创建每个节点的文本的矢量嵌入，以便LLM查询。

base_index = VectorStoreIndex(base_nodes, service_context=service_context)

Retriever用于获取和检索给定用户查询的相关信息。

base_retriever = base_index.as_retriever(similarity_top_k=2)

查询引擎建立在索引和检索器之上，提供了一个通用接口来询问有关数据的问题。

query_engine_base = RetrieverQueryEngine.from_args(
    base_retriever, service_context=service_context
)
response = query_engine_base.query(
    "Can you tell me about the key concepts for safety finetuning"
)
print(str(response))

*** 在这里插入图片描述

二、高级方法1：较小的子块参照较大的父块

在上一节中，我们使用1024的固定块大小进行检索和合成。在本节中，我们将探讨如何使用较小的子块进行检索，并引用较大的父块进行合成。第一步是创建更小的子块：

步骤1：创建较小的子块

对于块大小为1024的每个文本块，我们创建更小的文本块：

8个128大小的文本块
4个大小为256的文本块
2个512大小的文本块

我们将大小为1024的原始文本块附加到文本块的列表中。

sub_chunk_sizes = [128, 256, 512]
sub_node_parsers = [
    SimpleNodeParser.from_defaults(chunk_size=c) for c in sub_chunk_sizes
]

all_nodes = []
for base_node in base_nodes:
    for n in sub_node_parsers:
        sub_nodes = n.get_nodes_from_documents([base_node])
        sub_inodes = [
            IndexNode.from_text_node(sn, base_node.node_id) for sn in sub_nodes
        ]
        all_nodes.extend(sub_inodes)

    # also add original node to node
    original_node = IndexNode.from_text_node(base_node, base_node.node_id)
    all_nodes.append(original_node)
all_nodes_dict = {n.node_id: n for n in all_nodes}

当我们查看所有文本块“all_nodes_dict”时，我们可以看到许多较小的块与每个原始文本块相关联，例如“node-0”。

事实上，所有较小的块都引用元数据中的较大块，index_id指向较大块的索引id。

在这里插入图片描述

步骤2：创建索引、检索器和查询引擎

索引：创建所有文本块的矢量嵌入。

vector_index_chunk = VectorStoreIndex(
    all_nodes, service_context=service_context
)

Retriever：这里的关键是使用RecursiveRetriever遍历节点关系并基于“引用”获取节点。

这个检索器将递归地探索从节点到其他检索器/查询引擎的链接。

对于任何检索到的节点，如果其中任何节点是IndexNodes，则它将探索链接的检索器/查询引擎并查询该引擎。

vector_retriever_chunk = vector_index_chunk.as_retriever(similarity_top_k=2)
retriever_chunk = RecursiveRetriever(
    "vector",
    retriever_dict={"vector": vector_retriever_chunk},
    node_dict=all_nodes_dict,
    verbose=True,
)

当我们提出问题并检索最相关的文本块时，它实际上会检索节点id指向父块的文本块，从而检索父块。

在这里插入图片描述

现在，通过与以前相同的步骤，我们可以创建一个查询引擎作为通用接口来询问有关数据的问题。

query_engine_chunk = RetrieverQueryEngine.from_args(
    retriever_chunk, service_context=service_context
)
response = query_engine_chunk.query(
    "Can you tell me about the key concepts for safety finetuning"
)
print(str(response))

在这里插入图片描述

三、高级方法2：语句窗口检索

为了实现更细粒度的检索，我们可以将文档解析为每个块的一个句子，而不是使用更小的子块。

在这种情况下，单句将类似于我们在方法1中提到的“子”块概念。

句子“窗口”（原句子两侧各5句）将类似于“父”组块概念。

换句话说，我们在检索过程中使用单个句子，并将检索到的带有句子窗口的句子传递给LLM。

步骤1：创建句子窗口节点解析器

# create the sentence window node parser w/ default settings
node_parser = SentenceWindowNodeParser.from_defaults(
    window_size=3,
    window_metadata_key="window",
    original_text_metadata_key="original_text",
)
sentence_nodes = node_parser.get_nodes_from_documents(docs)
sentence_index = VectorStoreIndex(sentence_nodes, service_context=service_context)

步骤2：创建查询引擎

当我们创建查询引擎时，我们可以使用 MetadataReplacementPostProcessor 将句子替换为句子窗口，以便将句子窗口发送到LLM。

query_engine = sentence_index.as_query_engine(
    similarity_top_k=2,
    # the target key defaults to `window` to match the node_parser's default
    node_postprocessors=[
        MetadataReplacementPostProcessor(target_metadata_key="window")
    ],
)
window_response = query_engine.query(
    "Can you tell me about the key concepts for safety finetuning"
)
print(window_response)