搭建个人AI知识库：RAG与本地模型实践指南

引言

你是否想过拥有一个私人订制的AI助手，能够随时为你提供最个性化的信息？本文将带你一步步搭建一个基于本地模型和RAG技术的个人知识库。

搭建本地模型

环境

os: archlinux
内存: 32g
cpu: 6核12线程
python: 3.12.7
docker27.3.1 + docker-compose

向量库: milvus2.4.13 + attu2.4(客户端)

ollama

pacman -S ollama

systemctl start ollama.service

# 通过下述url判断ollama是否安装成功
http://127.0.0.1:11434/

llama3.2:3b

ollama run llama3.2:3b

OpenWebUI(非必须)

# 启动openwebui, 按照自己需要调整端口
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui ghcr.io/open-webui/open-webui:main

# 浏览器访问, 可以看到之前启动的模型
http://localhost:3000/

程序访问测试

from langchain_ollama import ChatOllama
from langchain_core.messages import HumanMessage

# 创建ChatOllama实例，指定模型名称
model = ChatOllama(model="llama3.2:3b")

# 定义你的问题
question = HumanMessage("你是如何工作的？")

# 使用模型处理问题
response = model.invoke([question])

# 打印返回的结果
print(response.content)

构建知识库

RAG是什么

大模型的训练数据是有截止日期的，那当我们需要依靠不包含在大模型训练集中的数据时，我们该怎么做呢？一种就是对模型进行微调，另外就是通过检索增强生成RAG（Retrieval Augmented Generation）。在这个过程中，首先检索外部数据，然后在生成步骤中将这些数据传递给LLM。

利用大模型的能力搭建知识库就是一个RAG技术的应用。

RAG的应用抽象为5个过程：

文档加载（Document Loading）：从多种不同来源加载文档。LangChain提供了100多种不同的文档加载器，包括PDF在内的非结构化的数据、SQL在内的结构化的数据，以及Python、Java之类的代码等
文本分割（Splitting）：文本分割器把Documents 切分为指定大小的块，我把它们称为“文档块”或者“文档片”
存储（Storage）：存储涉及到两个环节，分别是：
1. 将切分好的文档块进行嵌入（Embedding）转换成向量的形式
2. 将Embedding后的向量数据存储到向量数据库
检索（Retrieval）：一旦数据进入向量数据库，我们仍然需要将数据检索出来，我们会通过某种检索算法找到与输入问题相似的嵌入片

输出（Output）：把问题以及检索出来的嵌入片一起提交给LLM，LLM会通过问题和检索出来的提示一起来生成更加合理的答案

个人笔记

首先起码得有自己的知识库，我这里就是个人多年整理的笔记。或者你有项目相关的文档，也可以作为知识库的基础。

将个人笔记写入到Milvus

from langchain_community.document_loaders import DirectoryLoader
from langchain_community.vectorstores import Milvus
from langchain_ollama import OllamaEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter
from pymilvus import MilvusClient
import os

# 检查collection是否存在, 如果不指定，默认为LangChainCollection
collection_name = "note"

# 设置 Milvus 客户端
client = MilvusClient(uri="http://localhost:19530")

# 检查collection是否存在
if client.has_collection(collection_name):
  # collection存在，执行后续操作
  print(f"Collection '{collection_name}' exists.")
else:
  # collection不存在，创建collection并进行向量化
  print(f"Collection '{collection_name}' does not exist. Creating now...")
  # 从url导入知识作为聊天背景上下文, glob代表只查找org文件，可根据实际情况调整为txt等，recursive=True表示会递归查找
  loader = DirectoryLoader(os.path.join(os.environ["HOME"], "Documents/notes"), glob="*.org", recursive=True)
  # 加载一堆文件
  docs = loader.load()

  # 文本分词器
  # chunk_size=1000
  # 表示拆分的文档的大小，也就是上面所说的要设置为多少合适取决于所使用LLM 的窗口大小
  # chunk_overlap=100
  # 这个参数表示每个拆分好的文档重复多少个字符串。
  # 不过这种递归的方式更只能点，不设参数试试默认
  text_splitter = RecursiveCharacterTextSplitter()
  documents = text_splitter.split_documents(docs)

  # ollama嵌入层
  embeddings = OllamaEmbeddings(
      model="llama3.2:3b"
  )

  # 文档向量化，会持久化
  vector_store = Milvus.from_documents(documents=documents, embedding=embeddings, collection_name=collection_name, drop_old=True)
  print(f"collection'{collection_name}'创建成功!")

注: 上述加载文件的目录需要根据自己实际情况调整，其它的最好用默认，减少出错概率

将llm与Milvus结合

from langchain.chains import create_retrieval_chain
from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_community.vectorstores import Milvus
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_ollama import OllamaEmbeddings
from langchain_ollama import OllamaLLM
from langchain_text_splitters import RecursiveCharacterTextSplitter
from pymilvus import MilvusClient


def exec(question):
  # 检查collection是否存在
  collection_name = "note"
  # 设置 Milvus 客户端
  client = MilvusClient(uri="http://localhost:19530")
  vector_store = None
  # 检查collection是否存在
  if client.has_collection(collection_name):
      # collection存在，执行后续操作
      print(f"Collection '{collection_name}' exists.")
      # 文本分词器
      text_splitter = RecursiveCharacterTextSplitter()
      documents = text_splitter.split_documents([])

      # ollama嵌入层
      embeddings = OllamaEmbeddings(
          model="llama3.2:3b"
      )
      # 文档向量化
      vector_store = Milvus.from_documents(documents=documents, embedding=embeddings, collection_name=collection_name)
  else:
      # collection不存在，创建collection并进行向量化
      print(f"Collection '{collection_name}' does not exist. Please exec LoadFile2Vector.py first")
  if vector_store is not None:
      # 创建ollama 模型 llama2
      llm = OllamaLLM(model="llama3.2:3b")
      output_parser = StrOutputParser()

      # 创建提示词模版
      prompt = ChatPromptTemplate.from_template(
          """Answer the following question based only on the provided context:
          
          {context}
          
          Question: {input}"""
      )

      # 生成chain ：   prompt | llm
      document_chain = create_stuff_documents_chain(llm, prompt)

      # 向量数据库检索器
      retriever = vector_store.as_retriever()

      # 向量数据库检索chain :  vector | prompt | llm
      retrieval_chain = create_retrieval_chain(retriever, document_chain)

      # 调用上面的 (向量数据库检索chain)
      response = retrieval_chain.invoke({"input": question})
      # 打印结果
      print(response["answer"])


if __name__ == '__main__':
  exec("我有什么梦想? 如何实现")

大致的流程是：用户的query先转成embedding，去向量数据库查询最接近的top K回答；然后这query + top K的回答 + 其他context一起进入LLM，让LLM整合上述所有的信息后给出最终的回复。