本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG

大模型贰贰

已于 2024-09-04 16:05:14 修改

阅读量1.1k

点赞数 28

文章标签：机器人 langchain 人工智能 docker 容器运维分类

于 2024-09-04 15:14:17 首次发布

本文链接：https://blog.csdn.net/CSDN_430422/article/details/141894508

版权

一、背景

在这个信息爆炸💥的时代，人工筛选对自己有价值的信息无异于大海捞针。不过，幸好现在有了 AI 这个强大的工具，我们可以让它来帮我们做集检索、整合与分析为一体的工作。

这里，我想以 A 股行情（其他场景也类似）问答为例，希望构建这么一个 Bot，当我问它诸如「XX股票今天表现怎么样？」、「复盘今天的家电板块」等问题时，它可以迅速从海量市场数据中找到有价值的信息，帮我进行整合与分析，然后为我提供个性化的回复。

另外，这里我还有个要求，希望能在本地私有化部署，这就意味着与 coze 无缘了。

经过调研，我决定先采取 Langchain+Ollama 的技术栈来作为 demo 实现，当然，后续我也会考虑使用 dify、fastgpt 等更加直观易用的 AI 开发平台。

整体框架设计思路如下：

另外，本次开发的运行环境是 Intel Mac，其他操作系统也可以。下载模型等可能需要梯子。

二、Langchain 简介

www.langchain.com/langchain

Langchain 是当前大模型应用开发的主流框架之一，旨在帮助开发者构建和部署基于大型语言模型（LLM）的应用。它提供了一系列的工具和接口，使得与LLM交互变得简单。通过 Langchain，开发者可以轻松创建定制的高级应用，如聊天机器人、问答系统和多种智能应用。

Langchain 的核心在于其“链”概念，这是一个模块化的组件系统，包括 Model I/O（模型输入输出）、Retrieval（数据检索）、Chains（链）、Agents（代理）、Memory（内存）、和 Callbacks（回调）。这些组件可灵活组合，以支持复杂的应用逻辑。

Model I/O 模块负责处理与语言模型的直接交互，包括发送请求和解析响应。Retrieval 模块用于增强语言模型的回答能力，通过向量数据库检索相关信息来支持回答生成。Chains 模块则是多个组件的集成，用于构建更复杂的应用逻辑。

Langchain 的生态系统还包括 LangSmith、LangGraph 和 LangServe 等工具，这些工具能帮助开发者高效管理从原型到生产的各个阶段，以便优化 LLM 应用。

三、Ollama 简介

ollama.com/

Ollama 是一个开箱即用的用于在本地运行大模型的框架。它的主要功能和特点包括：

支持多种大型语言模型：Ollama 支持包括通义千问、Llama 2、Mistral 和 Gemma 等在内的多种大型语言模型，这些模型可用于不同的应用场景。
易于使用：Ollama 旨在使用户能够轻松地在本地环境中启动和运行大模型，适用于 macOS、Windows 和 Linux 系统，同时支持 cpu 和 gpu。
模型库：Ollama 提供了一个模型库，用户可以从中下载不同的模型。这些模型有不同的参数和大小，以满足不同的需求和硬件条件。
自定义模型：用户可以通过简单的步骤自定义模型，例如修改模型的温度参数来调整创造性和连贯性，或者设置特定的系统消息。
API 和集成：Ollama 还提供了 REST API，用于运行和管理模型，以及与其他应用程序的集成选项。
社区贡献：Ollama 社区贡献丰富，包括多种集成插件和界面，如 Web 和桌面应用、Telegram 机器人、Obsidian 插件等。

总的来说，Ollama 是一个为了方便用户在本地运行和管理大型语言模型而设计的框架，具有良好的可扩展性和多样的使用场景。

后面在捏 Bot 的过程中需要使用 Ollama，我们需要先安装，访问以下链接进行下载安装。

ollama.com/download/

安装完之后，确保 ollama 后台服务已启动（在 mac 上启动 ollama 应用程序即可，在 linux 上可以通过 ollama serve 启动）。我们可以通过 ollama list 进行确认，当我们还没下载模型的时候，正常会显示空：

可以通过 ollama 命令下载模型，

# 模型列表参考：https://ollama.com/library
$ ollama pull [model]

目前，我下载了 4 个模型：

几个模型简介如下:

Gemma：Gemma 是由 Google 推出的轻量级模型，Google 表示，“Gemma 2B 和 7B 与其他开放式模型相比，在其规模上实现了同类最佳的性能。” 本次开发，下载的是 7B 模型。
Mistral：Mistral 是由欧洲法国 Mistral AI 团队推出的大模型，该模型采用了分组查询注意力（GQA）以实现更快的推断速度。本次开发，下载的是 7B 模型。
Mixtral：Mixtral 也是由 Mistral AI 团队推出的大模型，但 Mixtral 是一个 8*7B 的 MoE 模型，在大多数基准测试中都优于 Llama 2 70B 和 GPT-3.5 。
Qwen：Qwen（通义千问）是由阿里巴巴推出的大模型，本次开发，下载的是 7B 模型。

四、万物皆可 RSS

巧妇难为无米之炊。不管是获取日常新闻，还是获取 A 股行情，都需要有稳定靠谱的数据源。大家可能第一时间会想到爬虫，但自己去搭建和维护这样一个爬虫系统还是比较麻烦的。有没有其他更好的方式呢？

这就需要用到「上古神器」RSS 了！

大家可能会觉得 RSS 已经过时了。现如今，打开手机，今日头条、微博、微信等 APP 时不时就会给你推送最新的资讯，日常生活工作好像没有用到 RSS 的场景。

确实，大部分情况下，我们想要获取资讯，手机 APP 基本够用了。

但是，如果你想针对一些特定的需求，需要从某些网站上获取最新通知或相关信息呢？

比如，

获取 openai.com/blog 的最新更新
获取 www.producthunt.com 每天的热门产品
获取 github.com/trending 每天的热门开源项目

在这种情况下，我们可能会把网站添加到书签栏，然后时不时就会打开看一下，这种做法无疑是比较低效的，一旦网站变多，更是不现实。

如果我们能把真正想要关注的信息汇聚在同一个平台上，并且一旦有更新，就能第一时间在各种终端（如电脑、手机、Kindle 等）收到提醒，那岂不是美哉。

这里，我给大家推荐一个宝藏项目：

RSSHub

docs.rsshub.app/zh/

感谢 RSSHub 这个开源项目，它给各种各样的网站生成了 RSS 源，堪称「万物皆可 RSS」。

你能想到的大部分社交媒体（如微博、Twitter、知乎等）、传统媒体（如央视新闻、路透社等）和金融媒体（如财联社、东方财富、格隆汇等），都能够配合 RSSHub，进行订阅。

通过 RSSHub 以及其他渠道，我个人维护了一个订阅源，如下：

五、流程拆解

有了数据，就意味着成功了一半。

5.1 创建 Python 虚拟环境

创建 python 虚拟环境，并安装相关库，我安装的是当前最新的库，版本如下：

ollama：0.1.8
langchain：0.1.14
faiss-cpu：1.8.0 （如果有gpu，则安装gpu版本）
gradio：4.25.0
feedparser：6.0.11
sentence-transformers：2.6.1
lxml：5.2.1

$ conda create -n finance_bot python=3.10
$ conda activate finance_bot
$ pip install ollama langchain faiss-cpu gradio feedparser sentence-transformers lxml

5.2 导入依赖库

加载所需的库和模块。

import ollama
import feedparser
import gradio as gr

from lxml import etree
from langchain.vectorstores import FAISS
from langchain.docstore.document import Document
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings.huggingface import HuggingFaceEmbeddings

其中，

feedparse 用于解析 RSS 订阅源
ollama 用于在 python 程序中跑大模型，使用前请确保 ollama 服务已经开启并下载好模型

5.3 从订阅源获取内容

下面函数用于从指定的 RSS 订阅 url 提取内容，这里只是给了一个 url，如果需要接收多个 url，只要稍微改动即可。然后，通过一个专门的文本拆分器将长文本拆分成较小的块，并附带相关的元数据如标题、发布日期和链接。最终，这些文档被合并成一个列表并返回，可用于进一步的数据处理或信息提取任务。

def get_content(url):
    # 使用 feedparser 库来解析提供的 URL，通常用于读取 RSS 或 Atom 类型的数据流
    data = feedparser.parse(url)
    
    docs = []
    for news in data['entries']:
        # 通过 xpath 提取干净的文本内容
        summary = etree.HTML(text=news['summary']).xpath('string(.)')
        
        # 初始化文档拆分器，设定块大小和重叠大小
        text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200, length_function=len)
        
        # 拆分文档
        split_docs = text_splitter.create_documents(texts=[summary], metadatas=[{k: news[k] for k in ('title', 'published', 'link')}])
        
        # 合并文档
        docs.extend(split_docs)
                
    return data, docs

5.4 为文档内容生成向量

这里，我们使用文本向量模型 bge-m3。

huggingface.co/BAAI/bge-m3

bge-m3 是智源研究院发布的新一代通用向量模型，它具有以下特点：

支持超过100种语言的语义表示及检索任务，多语言、跨语言能力全面领先（Multi-Lingual）
最高支持8192长度的输入文本，高效实现句子、段落、篇章、文档等不同粒度的检索任务（Multi-Granularity）
同时集成了稠密检索、稀疏检索、多向量检索三大能力，一站式支撑不同语义检索场景（Multi-Functionality）

从 hf 下载好模型之后，假设放置在某个路径 /path/to/bge-m3，通过下面函数，利用 FAISS 创建一个高效的向量存储。

def create_docs_vector(docs):
    # 基于 embeddings，为 docs 创建向量
    embeddings = HuggingFaceEmbeddings(model_name="/path/to/bge-m3", encode_kwargs={'normalize_embeddings': True})
    vector_store = FAISS.from_documents(docs, embeddings)
    return vector_store

5.5 实现 RAG

基于用户的问题，从向量数据库中检索相关段落，并根据设定的阈值进行过滤，最后让模型参考上下文信息回答用户的问题，从而实现 RAG。

def rag_chain(question, vector_store, model='qwen', threshold=0.3):
    # 从向量数据库中检索与 question 相关的文档
    related_docs = vector_store.similarity_search_with_relevance_scores(question)

    # 过滤掉小于设定阈值的文档
    related_docs = list(filter(lambda x: x[1] > threshold, related_docs))

    # 格式化检索到的文档
    context = "\n\n".join([f'[citation:{i}] {doc[0].page_content}' for i, doc in enumerate(related_docs)])

    # 保存文档的 meta 信息，如 title、link 等
    metadata = {str(i): doc[0].metadata for i, doc in enumerate(related_docs)}

    # 设定系统提示词
    system_prompt = f"""
    当你收到用户的问题时，请编写清晰、简洁、准确的回答。
    你会收到一组与问题相关的上下文，每个上下文都以参考编号开始，如[citation:x]，其中x是一个数字。
    请使用这些上下文，并在适当的情况下在每个句子的末尾引用上下文。

    你的答案必须是正确的，并且使用公正和专业的语气写作。请限制在1024个tokens之内。
    不要提供与问题无关的信息，也不要重复。
    不允许在答案中添加编造成分，如果给定的上下文没有提供足够的信息，就说“缺乏关于xx的信息”。

    请用参考编号引用上下文，格式为[citation:x]。
    如果一个句子来自多个上下文，请列出所有适用的引用，如[citation:3][citation:5]。
    除了代码和特定的名字和引用，你的答案必须用与问题相同的语言编写，如果问题是中文，则回答也是中文。

    这是一组上下文：

    {context}

    """

    user_prompt = f"用户的问题是：{question}"

    response = ollama.chat(model=model, messages=[
        {
            'role': 'system',
            'content': system_prompt
        },
        {
            'role': 'user',
            'content': user_prompt
        }
    ])

    print(system_prompt + user_prompt)

    return response['message']['content'], context

5.6 创建网页 UI

最后，通过 gradio 创建网页 UI，并进行评测。

if __name__ == "__main__":
    hf_embedding = HuggingFaceEmbeddings(model_name="/path/to/bge-m3",
                                         encode_kwargs={'normalize_embeddings': True})
    
    # 财联社 RSS
    url = "https://rsshub.app/cls/depth/1003"
    data, docs = get_content(url)
    vector_store = create_docs_vector(docs, hf_embedding)
    
    # 创建 Gradio 界面
    interface = gr.Interface(
        fn=lambda question, model, threshold: rag_chain(question, vector_store, model, threshold),
        inputs=[
            gr.Textbox(lines=2, placeholder="请输入你的问题...", label="问题"),
            gr.Dropdown(['gemma', 'mistral', 'mixtral', 'qwen:7b'], label="选择模型", value='gemma'),
            gr.Number(label="检索阈值", value=0.3)
        ],
        outputs=[
            gr.Text(label="回答"),
            gr.Text(label="相关上下文")
        ],
        title="资讯问答Bot",
        description="输入问题，我会查找相关资料，然后整合并给你生成回复"
    )

    # 运行界面
    interface.launch()

生成的 Web UI 如下：

六、问答测试

对于同样的问题和上下文，我基于 Qwen-7b、Gemma、Mistral、Mixtral 和 GPT-4 分别进行了多次测试。下面是一些 case：

qwen

gemma

mistral

mixtral

gpt4

主要结论（只是针对有限的几次测试，个人主观评判）如下：

👍 GPT-4 表现最好，指令遵循能力很强，在回答的时候能附上引用段落编号
✌️ Mixtral 表现第二，但没有在回答的时候附上引用
💪 Qwen-7b 表现第三，也没有在回答的时候附上引用
😅 Gemma 表现一般，而且回答里面有一些幻觉
😅 Mistral 表现一般，使用英文回复，不过在回答的时候附上了引用段落编号

总结

本文展示了如何使用 Langchain 和 Ollama 技术栈在本地部署一个资讯问答机器人，同时结合 RSSHub 来处理和提供资讯。
上下文数据质量和大模型的性能决定了 RAG 系统性能的上限。
RAG 通过结合检索技术和生成模型来提升答案的质量和相关性，可以缓解大模型幻觉、信息滞后的问题，但并不意味着可以消除。
对于期望在本地环境利用 AI 技术来搭建 RAG 系统的用户来说，本文提供了一个具有实际操作价值的参考方案。