检索增强生成RAG系列1--RAG的实现

大模型出现涌现能力之后，针对大模型的应用也如雨后春笋般。但是，在大模型真正落地之前，其实还需要做好最后一公里，而这个最后一公里，其中不同应用有着不同的方法。其中prompt、微调和RAG都是其中方法之一。本系列就是针对RAG从入门到落地应用的流程。

1 概念

RAG的全称是Retrieval-Augment Generation，即称为检索增强生成。通过特定prompt方式为 LLM 提供了从某些数据源检索到的信息,并基于此修正生成的答案。其中有几个关键的点需要知道：

• 一个是从某些数据源检索到的信息
• 提供特定的prompt
• 修正生成答案

简单用一句话来说就是：利用向量数据库将格外的知识以向量存储，然后在回答用户问题时，先将用户问题在向量数据库中进行相似度查询，将查询结果以prompt的方式扔给大模型，获得最终答案。
那么RAG与prompt、微调（fine-tuning）有何应用场景的不同，以下是整理了RAG与其对比表格：

	prompt	fine-tuning	RAG
定义	在不改变模型参数的前提条件下，利用提示工程来提升大语言模型处理复杂任务场景的能力	通过一个微训练的过程来修改大模型它本身的参数，使模型能更加专业化	在不改变大模型参数下，通过大语言模型理解用户的查询需求，并将相关的片段从数据库中检索出来，将提示工程与数据库查询相结合以获得上下文丰富的答案
解决问题	提高回答的精准度	更擅长回答特定场景下的相关问题	提升生成内容的精准度且保留数据安全
场景	通用且简单的场景，比如普通聊天问答等	开放专业领域，比如医疗、法律等场景	封闭专业领域，比如企业内部数据场景
优点	无需改变模型；推理耗时低；成本低；	准确度高；推理耗时低；	无需改变模型；准确度高；安全性强；及时内容；
缺点	准确度低；稳定性低；无及时内容；	成本高；灵活度低；稳定性低 ；	流程复杂；成本较高；

三者都有不同的优缺点，在实践中，可以参考以下图表对你的应用场景进行适配：

1） 横轴表示LLM本身优化，也就是优化LLM本身按照你想要的表达方式来表达
2） 纵轴表示上下文优化，也就是增加LLM的专业知识

• Prompt engineering：相当于告诉你要考试，但是考试内容没有告诉你
• RAG：相当于给你一本书，在考试的时候你可以查
• Fine-tuning：相当于你学习了知识，然后闭卷考试
• Fine-tuning+RAG：相当于你学了知识的同时开卷考试

2 架构

一个RAG架构应该是怎么样的？你或许见过比较复杂的流程，但是这里先介绍一个RAG最少需要包括哪些部分。（后续会逐步介绍各个模块以及更多优化的流程）

1）专业知识：需要一个专业知识读取，这时候可能是pdf、Excel等不同类型的文档，因此需要一个文档读取工具
2）入库：需要将专业知识入库，而入库的操作就是将专业知识向量化，也就是embedding，因此你需要一个embedding工具
3）数据库：一般使用向量数据库，当然也可以使用其它（但考虑到相似度搜索，向量数据库最合适），其作用就是用于存储格外的专业知识，用于问题做相似度匹配
4）prompt：给特定的prompt，比如：根据以下知识：…(这里填入查询出来的内容），回答：…（这里是问题）。

3 代码实现

本实例是基于text2vec-large-chinese将文档向量化，采用Chroma向量数据库，大模型使用ChatGLM，基础架构使用LangChain。都是本地部署，因此需要做一些前置工作。

前置工作：
1）下载text2vec-large-chinese模型
2）下载ChatGLM3-6B的模型
3）下载ChatGLM3的github源码，运行openai_api_demo/api_server.py文件，启动api服务

from langchain.document_loaders import DirectoryLoader
from langchain.prompts import PromptTemplate
from langchain.text_splitter import CharacterTextSplitter
from langchain.embeddings.huggingface import HuggingFaceEmbeddings
from langchain.vectorstores import Chroma
from langchain.chains import RetrievalQA
from langchain.llms import ChatGLM
import os


# 第一步，加载text2vec-large-chinese模型
encode_kwargs = {"normalize_embeddings": False}
model_kwargs = {"device": "cuda:0"}
embeddings = HuggingFaceEmbeddings(
    model_name='text2vec-large-chinese路径',  # 换成自己的embedding模型路径
    model_kwargs=model_kwargs,
    encode_kwargs=encode_kwargs
)
# 第二步，创建数据库
if os.path.exists('VectorStore'):
    db = Chroma(persist_directory='VectorStore', embedding_function=embeddings)
# 第三步，加载文档
loader = DirectoryLoader("documents文档路径")  # 换成自己的文档路径
documents = loader.load()
text_spliter = CharacterTextSplitter(chunk_size=256, chunk_overlap=0)
documents = text_spliter.split_documents(documents)
# 第四步，存储文档
database = Chroma.from_documents(documents, embeddings, persist_directory="VectorStore")
database.persist()
# 第五步，创建llm
print("load model api")
llm = ChatGLM(
    endpoint_url='http://127.0.0.1:8000',  # 换成自己的api
    max_token=80000,
    top_p=0.9
)
# 第六步，设置prompt
QA_CHAIN_PROMPT = PromptTemplate.from_template("""根据下面的上下文（context）内容回答问题。
如果你不知道答案，就回答不知道，不要试图编造答案。
{context}
问题：{question}
""")
print("load RetrievalQA")
# 第七步，进行相似度查询数据
retriever = database.as_retriever()
# 第八步，将数据和问题组成prompt格式，扔给大模型获取回答
qa = RetrievalQA.from_chain_type(
    llm=llm,
    retriever=retriever,
    verbose=True,
    chain_type_kwargs={"prompt": QA_CHAIN_PROMPT}
)
print("running... ...")
print(qa.run("ChatGLM是什么"))