大模型RAG对话系统

背景信息

前提条件

• 已创建一个专有网络（VPC）、交换机和安全组。详情请参见创建和管理专有网络和创建安全组。

  说明

  使用Faiss作为向量检索库时，不需要创建VPC、交换机和安全组。

• 当使用微调模型部署服务时，您需要准备OSS存储空间（Bucket）或NAS文件系统，用来存放微调的模型文件。具体操作，请参见控制台快速入门或创建文件系统。

  说明

  使用Faiss作为向量检索库时，需要准备OSS存储空间（Bucket）。

使用限制

向量检索库和EAS必须在相同地域下。

注意事项

本实践受制于LLM服务的最大Token数量限制，旨在帮助您体验RAG对话系统的基本检索功能：

• 该对话系统受制于LLM服务的服务器资源大小以及默认Token数量限制，能支持的对话长度有限。

• 如果无需进行多轮对话，建议您关闭RAG服务的with chat history功能，这样能有效减少达到限制的可能性。详情请参见如何关闭RAG服务的with chat history功能。

步骤一：准备向量检索库

RAG支持通过Faiss（Facebook AI Similarity Search）、Elasticsearch、Milvus或Hologres构建向量检索库。您需要获取相关配置参数，以便后续连接向量检索库。

步骤二：部署RAG服务

1. 进入模型在线服务页面。

   1. 登录PAI控制台。

   2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。

   3. 在工作空间页面的左侧导航栏选择模型部署>模型在线服务（EAS），进入模型在线服务（EAS）页面。

2. 在模型在线服务页面，单击部署服务，在场景化模型部署区域，单击大模型RAG对话系统部署。

3. 在部署大模型RAG对话系统页面，配置以下关键参数。

   • 基本信息

     参数	描述
     服务名称	自定义服务名称。
     模型来源	支持使用开源公共模型或自持微调模型。
     模型类别	根据您的使用场景，选择模型类型。 使用自持微调模型时，您需配置相应模型的参数量和精度。
     模型配置	使用自持微调模型时，您需配置微调模型的文件路径。支持以下两种配置方法： 说明 确保使用的模型文件格式与HuggingFace Transformers兼容。 按对象存储（OSS）：请选择微调模型文件所在的OSS路径。 按文件存储（NAS）：请选择微调模型文件所在的NAS文件系统和NAS源路径。

   • 资源配置

     参数	描述
     资源配置选择	当使用开源公共模型时，系统会根据选定的模型类别自动推荐适合的实例规格，默认选中。 当使用自持微调模型时，请选择与目标模型相匹配的实例规格，详情请参见如何切换其他的开源大模型。
     推理加速	目前，部署在A10或GU30系列机型上的Qwen、Llama2、ChatGLM或Baichuan2等系列模型服务，支持启用推理加速功能。支持以下两种加速类型： PAI-BladeLLM自动推理加速：BladeLLM提供超高性价比的大模型推理加速能力，可帮助您一键享受高并发和低延时的技术优势。 开源框架vllm推理加速

   • 向量检索库设置

     根据您的场景需要，任意选择一种版本类型，作为向量检索库。

     FAISS

     参数	描述
     版本类型	选择FAISS。
     OSS地址	选择当前地域下已创建的OSS存储路径。如果没有可选的存储路径，您可以参考控制台快速入门进行创建。

     ElasticSearch

     参数	描述
     版本类型	选择Elasticsearch。
     私网地址/端口	配置为步骤一中获取的私网地址和端口，格式为：http://私网地址:端口。
     索引名称	输入新的索引名称或已存在的索引名称。对于已存在的索引名称，索引结构应符合PAI-RAG要求，例如可以填写之前通过EAS部署RAG服务时自动创建的索引。
     账号	配置为步骤一中创建Elasticsearch实例时配置的登录名。
     密码	配置为步骤一中创建Elasticsearch实例时配置的登录密码。

     Milvus

     参数	描述
     版本类型	选择Milvus。
     访问地址	配置为步骤一中查询到的内网地址。
     代理端口	配置为步骤一中查询到的Proxy Port。
     账号	配置为root。
     密码	配置为创建Milvus实例时，您自定义的root用户的密码。
     数据库名称	配置为已创建的数据库名称，例如default。
     Collection名称	输入新的Collection名称或已存在的Collection名称。对于已存在的Collection，Collection结构应符合PAI-RAG要求，例如可以填写之前通过EAS部署RAG服务时自动创建的Collection。

     Hologres

     参数	描述
     版本类型	选择Hologres。
     调用信息	配置为步骤一中查询到的Hologres调用信息。
     数据库名称	配置为步骤一中创建的数据库名称。
     账号	配置为步骤一中创建的自定义用户的账号。
     密码	配置为步骤一中创建的自定义用户的密码。
     表名称	输入新的表名称或已存在的表名称。对于已存在的表名称，表结构应符合PAI-RAG要求，例如可以填写之前通过EAS部署RAG服务自动创建的Hologres表。

   • 专有网络配置

     参数	描述
     VPC	当选择Hologres、ElasticSearch或Milvus作为向量检索库时，请确保所配置的专有网络与选定的向量检索库保持一致。 当选择Faiss作为向量检索库时，无需配置专有网络。
     交换机
     安全组名称

4. 单击部署。

   当服务状态变为运行中时，表示服务部署成功。

步骤三：通过WebUI页面进行模型推理验证

您可以先在WebUI页面，参考以下操作步骤对服务进行调试。当您在WebUI页面调试好问答效果后，可以基于PAI提供的API将其应用到您自己的业务系统中，详情请参见步骤四：通过API调用进行模型推理验证。

1、配置RAG对话系统

1. RAG服务部署成功后，单击服务方式列下的查看Web应用，启动WebUI页面。

2. 配置机器学习模型。

   • Embedding Model Name：系统内置四种模型供您选择，将自动为您配置最合适的模型。

   • Embedding Dimension：选择Embedding Model Name后，系统会自动进行配置，无需手动操作。

3. 测试向量检索库连接是否正常。

   系统已自动识别并应用了部署服务时配置的向量检索库设置，并且该设置不支持修改。以Hologres为例，您可以单击Connect Hologres，来验证Hologres连接是否正常。

2、上传指定的业务数据文件

3、配置模型推理参数

4、模型推理验证

步骤四：通过API调用进行模型推理验证

1. 获取RAG服务的调用信息。

   1. 单击RAG服务名称，进入服务详情页面。

   2. 在基本信息区域，单击查看调用信息。

   3. 在调用信息对话框的公网地址调用页签，获取服务访问地址和Token。

2. 通过WebUI页面连接向量数据库，并上传业务数据文件。具体操作，请参见1、配置RAG对话系统和2、上传指定的业务数据文件。

3. 通过API调用服务。

   PAI提供了三种调用API的对话方式：service/query/retrieval（Retrieval）、service/query/llm（LLM）和service/query（RAG）。具体调用方法如下：

   curl 命令

   • 发送单轮对话请求

     • 方式一：service/query/retrieval（Retrieval）

       curl -X 'POST'  '<service_url>service/query/retrieval' -H 'Authorization: <service_token>' -H 'accept: application/json' -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
       # <service_url>替换为步骤1获取的服务访问地址；<service_token>替换为步骤1获取的服务Token。

     • 方式二：/service/query/llm（LLM）

       curl -X 'POST'  '<service_url>service/query/llm' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
       # <service_url>替换为步骤1获取的服务访问地址；<service_token>替换为步骤1获取的服务Token。

       支持添加其他可调推理参数，例如{"question":"什么是人工智能平台PAI?", "temperature": 0.9}。

     • 方式三：service/query（RAG）

       curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
       # <service_url>替换为步骤1获取的服务访问地址；<service_token>替换为步骤1获取的服务Token。

       支持添加其他可调推理参数，例如{"question":"什么是人工智能平台PAI?", "temperature": 0.9}。

   • 发送多轮对话请求

     其中对话方式RAG和LLM支持发送多轮对话请求，以RAG对话为例，具体配置方法如下：

     # 发送请求。 
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
     
     # 传入上述请求返回的session_id（对话历史会话唯一标识），传入session_id后，将对话历史进行记录，调用大模型将自动携带存储的对话历史。
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "它有什么优势?","session_id": "ed7a80e2e20442eab****"}'
     
     # 传入chat_history（用户与模型的对话历史），list中的每个元素是形式为{"user":"用户输入","bot":"模型输出"}的一轮对话，多轮对话按时间顺序排列。
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question":"它有哪些功能？", "chat_history": [{"user":"PAI是什么？", "bot":"PAI是阿里云的人工智能平台......"}]}'
     
     # 同时传入session_id和chat_history，会用chat_history对存储的session_id所对应的对话历史进行追加更新。 
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question":"它有哪些功能？", "chat_history": [{"user":"PAI是什么？", "bot":"PAI是阿里云的人工智能平台......"}], "session_id": "1702ffxxad3xxx6fxxx97daf7c"}'

   Python脚本

   • 发送单轮对话请求，代码示例如下：

     import requests
     
     EAS_URL = 'http://xxxx.****.cn-beijing.pai-eas.aliyuncs.com'
     headers = {
         'accept': 'application/json',
         'Content-Type': 'application/json',
         'Authorization': 'MDA5NmJkNzkyMGM1Zj****YzM4M2YwMDUzZTdiZmI5YzljYjZmNA==',
     }
     
     
     def test_post_api_query_llm():
         url = EAS_URL + '/service/query/llm'
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"======= Question =======\n {data['question']}")
         print(f"======= Answer =======\n {ans['answer']} \n\n")
     
     
     def test_post_api_query_retrieval():
         url = EAS_URL + '/service/query/retrieval'
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"======= Question =======\n {data['question']}")
         print(f"======= Answer =======\n {ans['docs']}\n\n")
     
     
     def test_post_api_query_rag():
         url = EAS_URL + '/service/query'
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"======= Question =======\n {data['question']}")
         print(f"======= Answer =======\n {ans['answer']}")
         print(f"======= Retrieved Docs =======\n {ans['docs']}\n\n")
     # LLM
     test_post_api_query_llm()
     # Retrieval
     test_post_api_query_retrieval()
     # RAG（Retrieval+LLM）
     test_post_api_query_rag()
     

     其中：EAS_URL配置为RAG服务的访问地址，您需要将访问地址末尾的/删除；Authorization配置为RAG服务的Token。

   • 发送多轮对话请求

     LLM和RAG（Retrieval+LLM）支持发送多轮对话请求，代码示例如下：

     import requests
     
     EAS_URL = 'http://xxxx.****.cn-beijing.pai-eas.aliyuncs.com'
     headers = {
         'accept': 'application/json',
         'Content-Type': 'application/json',
         'Authorization': 'MDA5NmJkN****jNlMDgzYzM4M2YwMDUzZTdiZmI5YzljYjZmNA==',
     }
     
     
     def test_post_api_query_llm_with_chat_history():
         url = EAS_URL + '/service/query/llm'
         # Round 1 query
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"=======Round 1: Question =======\n {data['question']}")
         print(f"=======Round 1: Answer =======\n {ans['answer']} session_id: {ans['session_id']} \n")
        
         # Round 2 query
         data_2 = {
            "question": "它有什么优势？",
            "session_id": ans['session_id']
         }
         response_2 = requests.post(url, headers=headers, json=data_2)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans_2 = dict(response_2.json())
         print(f"=======Round 2: Question =======\n {data_2['question']}")
         print(f"=======Round 2: Answer =======\n {ans_2['answer']} session_id: {ans_2['session_id']} \n\n")
     
     
     def test_post_api_query_rag_with_chat_history():
         url = EAS_URL + '/service/query'
        
         # Round 1 query
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
     
         print(f"=======Round 1: Question =======\n {data['question']}")
         print(f"=======Round 1: Answer =======\n {ans['answer']} session_id: {ans['session_id']}")
         print(f"=======Round 1: Retrieved Docs =======\n {ans['docs']}\n")
     
         # Round 2 query
         data = {
            "question":"它可以做什么？",
            "session_id": ans['session_id']
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
     
         print(f"=======Round 2: Question =======\n {data['question']}")
         print(f"=======Round 2: Answer =======\n {ans['answer']} session_id: {ans['session_id']}")
         print(f"=======Round 2: Retrieved Docs =======\n {ans['docs']}")
     # LLM
     test_post_api_query_llm_with_chat_history()
     # RAG（Retrieval+LLM）
     test_post_api_query_rag_with_chat_history()
     

     其中：EAS_URL配置为RAG服务的访问地址，您需要将访问地址末尾的/删除；Authorization配置为RAG服务的Token。

相关文档

通过EAS，您还可以完成以下场景化部署：

• 部署支持WebUI和API调用的LLM大语言模型，并在部署LLM应用后，利用LangChain框架集成企业知识库，实现智能问答和自动化功能。详情请参见5分钟使用EAS一键部署LLM大语言模型应用。

• 部署基于ComfyUI和Stable Video Diffusion模型的AI视频生成服务，帮助您完成社交平台短视频内容生成、动画制作等任务。详情请参见AI视频生成-ComfyUI镜像部署。

常见问题

如何关闭RAG服务的with chat history功能

在RAG服务的WebUI页面中，去勾选Chat history复选框。