RAG实战 | 基于LlamaIndex的文档问答系统

JasonLiu1919

于 2024-09-27 20:59:28 发布

阅读量352

点赞数 9

分类专栏： LLM 智能问答文章标签： RAG LLM 问答系统 LlamaIndex

本文链接：https://blog.csdn.net/ljp1919/article/details/142602307

版权

LLM 同时被 2 个专栏收录

36 篇文章 21 订阅

订阅专栏

智能问答

5 篇文章 1 订阅

订阅专栏

引言

小伙伴们好，我是微信公众号《小窗幽记机器学习》的小编：卖沙茶面的小男孩。今天这篇小作文主要介绍如何使用LlamaIndex实现RAG方案的文档问答系统。该本地化的文档问答系统是结合大模型部署框架ollama和LlamaIndex实现的。完整代码可以在微信公众号《小窗幽记机器学习》上添加小编微信获取。

小窗幽记机器学习

记录机器学习过程中的点点滴滴和坑坑洼洼

公众号

依赖安装

pip3 install llama-index EbookLib html2text llama-index-embeddings-huggingface  llama-index-llms-ollama -i https://mirrors.cloud.tencent.com/pypi/simple

基于LlamaIndex构建RAG

基于LlamaIndex 的 RAG（检索增强生成）包括以下几个阶段：

加载：在这个阶段，告诉 LlamaIndex 你的数据存放在哪里以及如何加载它；
索引：在这个阶段，索引已加载的数据以便于查询，例如使用向量嵌入；
查询：在这个阶段，配置一个大语言模型（LLM）作为索引数据的查询接口。

Loading

LlamaIndex 是专门为 RAG 设计的。这一点从其 SimpleDirectoryReader 构造中就可以立刻看出来，它暖心地支持多种多样的文件类型,b比如.epub或者pdf等格式。这里使用的数据是“成武县2023年国民经济和社会发展统计公报.pdf”。

from llama_index.core import SimpleDirectoryReader

loader = SimpleDirectoryReader(
    input_dir="./test_datas/",
    recursive=True,
    required_exts=[".pdf"],
)

documents = loader.load_data()

通过SimpleDirectoryReader.load_data()将电子书转换为一组文档，以便 LlamaIndex 使用。

需要注意的一点是，这些文档在这个阶段还没有被分块，分块操作将在后续的索引阶段进行。

Indexing

加载数据之后，接下来就是对其进行索引。这将使RAG pipeline 能够查找与查询相关的上下文信息，以传递给LLM，从而增强生成的响应。这也是进行文档分块的阶段。

VectorStoreIndex 是 LlamaIndex 中“默认”的索引入口。默认情况下，VectorStoreIndex 使用一个简单的内存字典来存储索引，但 LlamaIndex 还支持各种各样的向量存储解决方案，方便开发者在扩展时使用。

LlamaIndex 使用默认分块大小为 1024，分块重叠为 20。有关更多详细信息，请参见 LlamaIndex 文档。

如前所述，这里将使用 BAAI/bge-base-zh-v1.5来生成嵌入。默认情况下，LlamaIndex 使用 OpenAI（特别是 gpt-3.5-turbo），但考虑到这里的中文场景，而且希望实现一个轻量级、可在本地运行的端到端解决方案，这里并不会使用这个默认的方案。

LlamaIndex 支持通过方便的 HuggingFaceEmbedding 类从 Hugging Face 获取嵌入模型，因此将在这里使用它。

from llama_index.embeddings.huggingface import HuggingFaceEmbedding

embedding_model = HuggingFaceEmbedding(model_name="/model_zoo/embedding/BAAI/bge-base-zh-v1.5/")

# 把它作为嵌入模型传递给 VectorStoreIndex，以取代 OpenAI 的默认嵌入方案。
from llama_index.core import VectorStoreIndex

index = VectorStoreIndex.from_documents(
    documents,
    embed_model=embedding_model,
)

Querying

现在来完成 RAG 的最后一部分：进行查询。在这个示例中，将使用 Qwen1.5 和 Qwen2.5 进行效果的比对。

首先，让启动 Ollama 服务器。在一个单独的终端中运行：ollama serve。然后拉取目标模型，如：

# qwen1.5-4B:latest
ollama run qwen2.5:3b

现在，让我们将 Qwen 连接到 LlamaIndex，并将其用作我们查询引擎的基础。

from llama_index.llms.ollama import Ollama
# qwen1.5-4B:latest
# qwen2.5:1.5b
# qwen2.5:7b
llama = Ollama(
    model="qwen1.5-4B:latest",
    request_timeout=40.0,
)

query_engine = index.as_query_engine(llm=llama)
print(query_engine.query("有多少公务员，一共发了多少退休金？公务员每个月的退休金是多少？"))

各个模型RAG生成结果：

# "qwen:0.5b" -> 公务员每个月的退休金是1869.90元。
# qwen:1.8b -> 效果比较差
# "qwen1.5-4B:latest" -》成武县2023年机关事业单位退休人员8778人，发放养老待遇7.85亿元。
# qwen2.5:0.5b -> 效果差
# "qwen2.5:1.5b" -》根据提供的信息，成武县2023年机关事业单位退休人员的养老金发放总额为7.85亿元。
# qwen2.5:3b -》效果还行
# qwen2.5:7b -》根据提供的信息，2023年机关事业单位退休人员发放的养老待遇为7.85亿元。但是具体每位公务员每个月的退休金是多少没有明确说明。因此无法直接得出公务员每个月的具体退休金额。为了得到准确答案，需要进一步查询具体的退休金标准或总额分配情况。

可以看出，对于Qwen2.5，在3B以上效果才不错，对于Qwen1.5，则需要4B才可以有不错的效果。