本文介绍了RAG（Retrieval Augmented Generation，检索增强生成）系统，它能从知识库中检索信息以生成事实、上下文相关和特定领域的内容。文章重点讨论了RAG面临的挑战和两种先进的检索方法：从小到大的检索和句子窗口检索。前者使用较小的文本块进行检索，同时保留足够的上下文信息供大语言模型合成响应；后者则将文档解析为每个块的一个句子，并在检索时使用句子窗口提供额外的上下文。这两种方法均通过LlamaIndex实现，并提供了具体的实现步骤和示例。文章最后总结了这两种方法的应用和未来的研究方向。
RAG（Retrieval Augmented Generation，检索增强生成）系统从给定的知识库中检索相关信息，从而使其能够生成事实信息、上下文相关信息和特定领域的信息。然而，在有效检索相关信息和生成高质量响应方面，RAG面临着许多挑战。在这一系列的博客文章/视频中，我将介绍先进的RAG技术，旨在优化RAG工作流程，并解决原始RAG系统中的挑战。
第一种技术被称为从小到大的检索。在基本的RAG管道中，我们嵌入一个大的文本块进行检索，而这个完全相同的文本块用于合成。但有时嵌入/检索大的文本块可能会感觉不太理想。在一个大的文本块中有很多填充文本，导致文本块的语义可能不明显，导致检索更差。如果我们可以基于更小、更有针对性的块进行嵌入/检索，但仍有足够的上下文供LLM合成响应，该怎么办？具体而言，将用于检索的文本块与用于合成的文本块解耦可能是有利的。使用较小的文本块可以提高检索的准确性，而较大的文本块则提供更多的上下文信息。小到大检索背后的概念是在检索过程中使用较小的文本块，然后将检索到的文本所属的较大文本块提供给大语言模型。
主要有两种技术：
1.较小的子块引用较大的父块：在检索过程中首先获取较小的块，然后引用父ID，并返回较大的块；
2.句子窗口检索：在检索过程中获取一个句子，并返回句子周围的文本窗口。
在这篇博客文章中，我们将深入研究这两种方法在LlamaIndex中的实现。为什么我不在LangChain中做这件事？因为LangChain的高级RAG已经有很多资源了。我宁愿不重复这种努力。此外，我同时使用LangChain和LlamaIndex。最好了解更多的工具并灵活使用它们。
一、基本RAG回顾
准备工作：
安装相关包
! pip install -U llama_hub llama_index braintrust autoevals pypdf pillow transformers torch torchvision
设置环境变量
import osos.environ["OPENAI_API_KEY"] = "TYPE YOUR API KEY HERE"
下载数据集
·
!wget --user-agent "Mozilla" "https://arxiv.org/pdf/2307.09288.pdf" -O "llama2.pdf"
导入所需要的包括
from pathlib import Pathfrom llama_hub.file.pdf.base import PDFReaderfrom llama_index.response.notebook_utils import display_source_nodefrom llama_index.retrievers import RecursiveRetrieverfrom llama_index.query_engine import RetrieverQueryEnginefrom llama_index import VectorStoreIndex, ServiceContextfrom llama_index.llms import OpenAIimport json
让我们从RAG的基本实现开始，包括4个简单步骤：
步骤1：加载文档
我们使用PDFReader加载PDF文件，并将文档的每一页合并为一个document对象。
loader = PDFReader()docs0 = loader.load_data(file=Path("llama2.pdf"))doc_text = "\n\n".join([d.get_content() for d in docs0])docs = [Document(text=doc_text)]
步骤2：将文档解析为文本块（节点）
然后，我们将文档拆分为文本块，这些文本块在LlamaIndex中被称为“节点”，我们将chuck大小定义为1024。默认的节点ID是随机文本字符串，然后我们可以将节点ID格式化为遵循特定的格式。
node_parser = SimpleNodeParser.from_defaults(chunk_size=1024)base_nodes = node_parser.get_nodes_from_documents(docs)for idx, node in enumerate(base_nodes):node.id_ = f"node-{idx}"
步骤3：选择embedding模型和LLM
我们需要定义两个模型：
embedding模型用于为每个文本块创建矢量嵌入。在这里，我们Hugging Face中的FlagEmbedding模型；
LLM：用户查询和相关文本块喂给LLM，让其生成具有相关上下文的答案。
我们可以在ServiceContext中将这两个模型捆绑在一起，并在以后的索引和查询步骤中使用它们。
embed_model = resolve_embed_model(“local:BAAI/bge-small-en”)llm = OpenAI(model="gpt-3.5-turbo")service_context = ServiceContext.from_defaults(llm=llm, embed_model=embed_model)
步骤4：创建索引、检索器和查询引擎
索引、检索器和查询引擎是基于用户数据或文档进行问答的三个基本组件：
索引是一种数据结构，使我们能够从外部文档中快速检索用户查询的相关信息。矢量存储索引获取文本块/节点，然后创建每个节点的文本的矢量嵌入，以便LLM查询。
base_index = VectorStoreIndex(base_nodes, service_context=service_context)
Retriever用于获取和检索给定用户查询的相关信息。
base_retriever = base_index.as_retriever(similarity_top_k=2)
查询引擎建立在索引和检索器之上，提供了一个通用接口来询问有关数据的问题。
query_engine_base = RetrieverQueryEngine.from_args( base_retriever, service_context=service_context)response = query_engine_base.query( "Can you tell me about the key concepts for safety finetuning")print(str(response))
二、高级方法1：较小的子块参照较大的父块
在上一节中，我们使用1024的固定块大小进行检索和合成。在本节中，我们将探讨如何使用较小的子块进行检索，并引用较大的父块进行合成。第一步是创建更小的子块：
步骤1：创建较小的子块
对于块大小为1024的每个文本块，我们创建更小的文本块：
8个128大小的文本块
4个大小为256的文本块
2个512大小的文本块
我们将大小为1024的原始文本块附加到文本块的列表中。
sub_chunk_sizes = [128, 256, 512]sub_node_parsers = [ SimpleNodeParser.from_defaults(chunk_size=c) for c in sub_chunk_sizes]
all_nodes = []for base_node in base_nodes: for n in sub_node_parsers: sub_nodes = n.get_nodes_from_documents([base_node]) sub_inodes = [ IndexNode.from_text_node(sn, base_node.node_id) for sn in sub_nodes ] all_nodes.extend(sub_inodes)
# also add original node to node original_node = IndexNode.from_text_node(base_node, base_node.node_id) all_nodes.append(original_node)all_nodes_dict = {n.node_id: n for n in all_nodes}
当我们查看所有文本块“all_nodes_dict”时，我们可以看到许多较小的块与每个原始文本块相关联，例如“node-0”。事实上，所有较小的块都引用元数据中的较大块，index_id指向较大块的索引id。
步骤2：创建索引、检索器和查询引擎
索引：创建所有文本块的矢量嵌入。
vector_index_chunk = VectorStoreIndex( all_nodes, service_context=service_context)
Retriever：这里的关键是使用RecursiveRetriever遍历节点关系并基于“引用”获取节点。这个检索器将递归地探索从节点到其他检索器/查询引擎的链接。对于任何检索到的节点，如果其中任何节点是IndexNodes，则它将探索链接的检索器/查询引擎并查询该引擎。
vector_retriever_chunk = vector_index_chunk.as_retriever(similarity_top_k=2)retriever_chunk = RecursiveRetriever( "vector", retriever_dict={"vector": vector_retriever_chunk}, node_dict=all_nodes_dict, verbose=True,)
当我们提出问题并检索最相关的文本块时，它实际上会检索节点id指向父块的文本块，从而检索父块。
现在，通过与以前相同的步骤，我们可以创建一个查询引擎作为通用接口来询问有关数据的问题。
query_engine_chunk = RetrieverQueryEngine.from_args( retriever_chunk, service_context=service_context)response = query_engine_chunk.query( "Can you tell me about the key concepts for safety finetuning")print(str(response))
三、高级方法2：语句窗口检索
为了实现更细粒度的检索，我们可以将文档解析为每个块的一个句子，而不是使用更小的子块。
在这种情况下，单句将类似于我们在方法1中提到的“子”块概念。句子“窗口”（原句子两侧各5句）将类似于“父”组块概念。换句话说，我们在检索过程中使用单个句子，并将检索到的带有句子窗口的句子传递给LLM。
步骤1：创建句子窗口节点解析器
# create the sentence window node parser w/ default settingsnode_parser = SentenceWindowNodeParser.from_defaults( window_size=3, window_metadata_key="window", original_text_metadata_key="original_text",)sentence_nodes = node_parser.get_nodes_from_documents(docs)sentence_index = VectorStoreIndex(sentence_nodes, service_context=service_context)
步骤2：创建查询引擎
当我们创建查询引擎时，我们可以使用MetadataReplacementPostProcessor将句子替换为句子窗口，以便将句子窗口发送到LLM。
query_engine = sentence_index.as_query_engine( similarity_top_k=2, # the target key defaults to `window` to match the node_parser's default node_postprocessors=[ MetadataReplacementPostProcessor(target_metadata_key="window") ],)window_response = query_engine.query( "Can you tell me about the key concepts for safety finetuning")print(window_response)
语句窗口检索能够回答“你能告诉我安全微调的关键概念吗”的问题：
在这里，您可以看到检索到的实际句子和句子的窗口，它提供了更多的上下文和细节。
结论
在这篇博客中，我们探讨了如何使用从小到大的检索来改进RAG，重点是使用LlamaIndex的父子递归检索器和句子窗口检索。在未来的博客文章中，我们将深入探讨其他技巧和窍门。请继续关注这场激动人心的先进RAG技术之旅！
出自：https://mp.weixin.qq.com/s/IjEoX6oBNF7Uilvyvqcgxg
本文档由网友提供，仅限参考学习，如有不妥或产生版权问题，请联系我们及时删除。
客服请加微信：skillupvip