摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

大模型时代的到来使得 AI 应用开发变得更加轻松、省时，尤其是在 CVP Stack 的范式下，开发者甚至可以用一个周末的时间做出一个完整的应用程序。

本文将应用理论于实践，给大家演示如何利用 Milvus、Xinference、Llama
2-70B 开源模型和 LangChain，构筑出一个全功能的问答系统。Xinference 使得本地部署 Llama 2 模型变得简洁高效，而 Milvus 则提供了高效的向量存储和检索能力。

摆脱对 OpenAI 的依赖，借助开源生态系统构建出全流程的 AI 应用，现在开始！

01.

项目介绍

§

Milvus

§

Milvus（https://milvus.io/docs/overview.md）
是一个向量数据库，其主要功能是存储、索引和管理大规模的嵌入向量，这些向量由深度神经网络和其他机器学习模型生成。与传统的关系数据库不同，Milvus 专门处理输入向量的查询，并能够索引规模达到万亿级别的向量。

Milvus 的设计从底层开始，特别考虑了处理来自非结构化数据的嵌入向量。随着互联网的发展，非结构化数据如电子邮件、论文、传感器数据、照片等变得越来越普遍。为了让计算机能够理解和处理这些非结构化数据，这些数据会被转换成向量，使用嵌入技术。Milvus 的任务就是存储和索引这些向量，并通过计算向量之间的相似度来分析它们的相关性。

§

Xinference

§

Xinference（https://github.com/xorbitsai/inference）
使得本地模型部署变得非常简单。用户可以轻松地一键下载和部署内置的各种前沿开源模型，例如Llama
2（https://ai.meta.com/llama/）、ChatGLM2、通义千问等。为了让使用 OpenAI API 的用户能够无缝迁移，Xinference 提供了与 OpenAI 兼容的 RESTful 接口。与 OpenAI 这样的专有大模型方案相比，Xinference 有以下优势：

·

更安全：在私有化部署下，数据完全不外流，大大降低了数据泄露的风险。

·

成本更低：与OpenAI的LLM服务相比，私有化的LLM允许用户在定制化的基础上，用更小的模型达到相似的效果。这可以大大减少硬件需求并提高推理效率。

·

可定制：用户可以基于开源基础模型，使用自己的数据集进行微调，从而创建一个属于自己的模型。

Xinference 还可以在分布式集群中部署，实现高并发推理，并简化了扩容和缩容的过程。Xinference 不仅支持在CPU上进行推理，而且在 GPU 繁忙时，可以将部分计算任务交给 CPU 来完成，从而提高系统的吞吐率。

§

LangChain

LangChain（https://github.com/langchain-ai/langchain） 为开发基于语言模型的应用提供了一个灵活且易用的框架，使应用能够与数据源交互并高效地适应其环境。它不仅提供了各种功能组件，还为每一层的抽象都提供了多种实现方式。在这个示例中，LangChain 成功地将诸如 Milvus、Xinference Embedding 和 Xinference LLM 等模块连接起来。我们使用 LangChain 对工作流程进行编排，极大地简化了 AI 应用的开发过程。

以下是问答系统的工作流程图：

02.

具体操作

§

安装&启动服务

通过 PyPI 安装 LangChain、Milvus
和 Xinference：

pip install langchain milvus "xinference[all]"

这条命令将在本地 19530 端口启动 Milvus 向量检索服务：

$ milvus-server

这条命令将在本地 9997 端口启动 Xinference 模型推理服务：

$ xinference

§

部署 Llama 2 和 Falcon 模型

在本示例中，我们将通过 Xinference 的命令行工具的launch命令在本地部署两个模型服务：

·

Falcon-40B-Instruct：Falcon-40B-Instruct 是一个具有 400 亿万参数的因果解码器模型，它在 Baize 数据集的混合数据上进行了微调。我们将使用这个模型来为文档块生成词向量。

·

Llama 2-Chat-70B：Llama 2系列模型是一组GPT-like (也被称作自回归Transformer 模型)大语言模型，Llama 2-Chat 针对聊天对话场景进行了微调，采用了监督微调（SFT）和人类反馈强化学习（RLHF）进行了迭代优。我们将使用这个模型作为 LLM 后端，进行对话。

启动 Falcon-40B-Instruct 模型：

xinference launch --model-name "falcon-instruct" \

   --model-format pytorch \

   -size-in-billions 40 \ 

   --endpoint "http://127.0.0.1:9997"

启动 Llama 2-Chat-70B 模型：

$ xinference launch --model-name "llama-2-chat" \ 

  --model-format ggmlv3 \

  --size-in-billions 70 \

  --endpoint "http://127.0.0.1:9997"

上述两个命令都会返回model_uid，可以利用它在 LangChain 中与它们交互。要了解如何在集群中部署 Xinference，可参考 Xinference 的 README。

§

用Xinference Embeddings抽取向量

在这个示例中，我们选择了这个文件（https://github.com/hwchase17/chat-your-data/blob/master/state_of_the_union.txt）来作为问答系统的“知识库”，可以将它替换为其他内容，或者增加更多的文档。我们使用 LangChain 的 TextLoader 和 RecursiveCharacterTextSplitter 来记载以及对文档分块。

from langchain.document_loaders import TextLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter


loader = TextLoader("../../state_of_the_union.txt") # 替换成任何你想要进行问答的txt文件


documents = loader.load()


text_splitter = RecursiveCharacterTextSplitter(

    chunk_size = 512,

    chunk_overlap  = 100,

    length_function = len,

)

docs = text_splitter.split_documents(documents)

连接到我们在上一步中创建的 Xinference Embedding 服务端点，即
Falcon-40B-Instruct 模型。之后，我们可以使用embed_query或embed_documents方法来提取查询或文档片段的文本向量。

from langchain.embeddings import XinferenceEmbeddings


xinference_embeddings = XinferenceEmbeddings(

    server_url="http://127.0.0.1:9997", # 换成设置的url，这里用的是默认端口

    model_uid = {model_uid}  # 替换成之前返回的Falcon-Instruct模型model_uid

)

§

用Milvus实现向量搜索

通过刚才的步骤，我们将一篇长文章进行了分块，并且对每个分块进行了向量化。接下来我们借助 LangChain 提供的from_documents方法将向量化后的文档写入了Milvus：

from langchain.vectorstores import Milvus


vector_db = Milvus.from_documents(

    docs,

    xinference_embeddings,

    connection_args={"host": "0.0.0.0", "port": "19530"},

)

然后我们就可以开始对文档进行搜索了！在这里我们使用了 LangChain 提供的similarity_search（https://python.langchain.com/docs/modules/model_io/prompts/example_selectors/similarity）
接口，它的原理是寻找和 query 具有最大余弦相似度的 Embedding，因此它召回的内容也都是文本中的原句。

query = "what does the president say about Ketanji Brown Jackson"

docs = vector_db.similarity_search(query, k=10)

print(docs[0].page_content) 

结果如下，可以看出 Top-k 回答中的第一个回答就给出了文本中关于 Ketanji Brown
Jackson 的上下文原句。

One of the most serious constitutional responsibilities a President has is nominating someone to serve on the United States Supreme Court. 


And I did that 4 days ago, when I nominated Circuit Court of Appeals Judge Ketanji Brown Jackson. One of our nation’s top legal minds, who will continue Justice Breyer’s legacy of excellence.

§

用 Xinference LLM 构建对话式问答系统

接下来我们将演示如何利用 LLM 对文本内容进行归纳和总结，并且借助 LangChain 创造对话式的问答体验。

首先，我们引入 LangChain 的 Xinference LLM 模块，用我们之前启动的 Llama2  模型作为 LLM 来提供对话的能力：

from langchain.llms import Xinference


xinference_llm = Xinference(

    server_url="http://127.0.0.1:9997", # 换成设置的url，这里用的是默认端口

    model_uid = {model_uid} # 替换成上一步返回的Llama 2 chat模型的model_uid

)

我们先试试看，在不利用文档信息的前提下，看看 Llama 2 会给出什么答案：

xinference_llm(prompt="What did the president say about Ketanji Brown Jackson?")

'\nWhat did the president say about Ketanji Brown Jackson?\nPresident Joe Biden called Judge Ketanji Brown Jackson a "historic" and "inspiring" nominee when he introduced her as his pick to replace retiring Supreme Court Justice Stephen Breyer. He highlighted her experience as a public defender and her commitment to justice and equality, saying that she would bring a unique perspective to the court.\n\nBiden also praised Jackson\'s reputation for being a "fair-minded" and "thoughtful" jurist who is known for her ability to build'

为了让 LLM 能记住上下文，我们用 LangChain 中 ConversationBufferMemory 模块的创建一个拥有“记忆”对象，用来保存对话的历史记录。

from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)

我们使用 LangChain 中的 ConversationalRetrievalChain 作为核心模块，LangChain 替我们处理了和 Memory 打交道并且从向量数据库中召回文档的细节，使得我们在开发应用的过程中无需关注它们的实现：首先，LangChain 会将聊天历史（这里是从提供的 Memory 中检索的）与当前问题合并，形成一个独立的问题；然后，根据独立的问题从检索器中查找相关文档；最后，将检索到的文档和独立的问题传递给问答链，生成回答。

from langchain.chains import ConversationalRetrievalChain


chain = ConversationalRetrievalChain.from_llm(

    llm=xinference_llm,

    retriever=vector_db.as_retriever(),

    memory=memory)

创建好这个Chain之后，我们就可以开始对文档进行提问了：

query = "What did the president say about Ketanji Brown Jackson"

result = chain({"question": query})

print(result["answer"])

' According to the provided text, President Biden said that he nominated Circuit Court of Appeals Judge Ketanji Brown Jackson to serve on the United States Supreme Court 4 days ago, and that she is one of our nation’s top legal minds who will continue Justice Breyer’s legacy of excellence.'

对比之前不借助文档直接提问的效果，使用了文档搜索之后的回答看起来更靠谱了，因为 LLM 使用了我们提前准备好的“知识库”来回答，并且对文档内容进行了一定的总结。

因为有 Memory 的加持，我们还能够和 LLM 持续对话：

query = "Did he mention who she succeeded"

result = chain({"question": query})
print(result["answer"])

'According to the given text, President Biden said that Ketanji Brown Jackson succeeded Justice Breyer on the Supreme Court.'

可以看到 Llama 2 精准地认识到“he”指代上一个 query 中的 the president， “she” 指代上一个 query 中的 Ketanji Brown Jackson。

再换一个问题，这次 Llama 2 找到了文章中关于总统对 COVID-19 的评论，并总结出了相关的答案：

query = "Summarize the President's opinion on COVID-19"

result = chain({"question": query})

print(result['answer'])

'  According to the text, the president views COVID-19 as a "God-awful disease" and wants to move forward in addressing it in a unified manner, rather than allowing it to continue being a partisan dividing line.'

03.

总结

在这篇文章中，我们以构建本地全功能问答系统为例，展示如何巧妙地融合 Xinference 和 Milvus 两大强大的开源工具，并通过 LangChain 实现顺畅的串联，并且利用了开源模型的强大为例，打破了被单一大模型
API 束缚的桎梏。我们深信，通过持续探索和技术的协同，一定可以实现更多激动人心的应用与技术突破，创造更大的价值。

参考链接：

https://python.langchain.com/docs/get_started/introduction.html

https://python.langchain.com/docs/integrations/vectorstores/milvus

https://python.langchain.com/docs/use_cases/question_answering/how_to/chat_vector_db

https://xorbits.cn/blogs/xorbits-inference

https://zhuanlan.zhihu.com/p/644659157

https://zhuanlan.zhihu.com/p/645878506

出自：https://mp.weixin.qq.com/s/cXBC0dikldNiGwOwPuJfUQ
如果你想要了解关于智能工具类的内容，可以查看 智汇宝库，这是一个提供智能工具的网站。
在这你可以找到各种智能工具的相关信息，了解智能工具的用法以及最新动态。