从头到尾的先进RAG项目，使用Groq技术及开源大型语言模型。

这篇博客文章介绍了如何利用Groq，一个非常强大的开源推理引擎，来创建一个基于RAG（检索增强生成）的问答系统。我们还将使用开源的大型语言模型（LLMs）来处理和回答用户的问题。

Groq 是一家领先的 AI 基础设施公司，专注于开发世界上最快的 AI 推理技术。他们的 LPU™（语言处理单元（LPU™））推理引擎是一款专为卓越的计算速度、高质量和能效设计的软硬件平台。Groq 的独特之处在于：

• 卓越的速度针对大语言模型: LPU解决了大语言模型面临的两大瓶颈：计算密度和内存带宽。它在处理大语言模型时，提供了更强大的计算能力。这使得单个词的处理速度更快，生成文本序列的速度显著提高。
• 消除内存瓶颈: 传统的GPU依赖外部内存，为大语言模型制造了瓶颈。LPU解决了这个问题，性能提高了几个数量级，优于GPU。

LPU™ 推理引擎是一款专为语言处理任务设计的软硬件平台。与擅长并行计算的GPU不同，LPU 更侧重于顺序处理，使其成为像 LLM 推理这样需要序列生成的任务的理想选择，其中序列生成尤为重要。

Groq提供了多种途径开始使用并集成他们的技术。

• 自助服务平台： 开发者可以通过GroqCloud上的Playground完全独立地自助访问。该平台提供API密钥、文档以及使用条款。您还可以加入他们的Discord社区以进行进一步的交流。
• 轻松迁移至OpenAI API： 如果您已经在使用OpenAI的API，迁移到Groq只需三步即可。

Groq API密钥

网址

模型名

Groq 通过其 API 提供了一系列预训练的大型语言模型（LLM）的访问权限。虽然这些具体的模型可能会随着时间而有所变化，但以下是一些当前可用的示例（截至 2024 年 5 月 27 日的）。

• Gemma-7b-It: 一个具有70亿参数的大语言模型，训练数据包括大量的文本和代码。
• Llama3–70b-8192: 一个具有70亿参数的事实型语言模型，专注于提供详尽和全面的答案。
• Llama3–8b-8192: 一个较小的Llama3版本，具有8亿参数，在性能和资源效率之间找到平衡。
• Mixtral-8x7b-32768: 一个专门为问答任务设计的大语言模型，具有87亿参数。（这是代码示例中使用的模型）

1. 环境配置和Groq API密钥配置

     import streamlit as st  
    import os  
    from langchain_groq import ChatGroq  
    from langchain_community.document_loaders import WebBaseLoader  
    from langchain.embeddings import OllamaEmbeddings  
    from langchain.text_splitter import RecursiveCharacterTextSplitter  
    from langchain.chains.combine_documents import create_stuff_documents_chain  
    from langchain_core.prompts import ChatPromptTemplate  
    from langchain.chains import create_retrieval_chain  
    from langchain_community.vectorstores import FAISS  
    import time  
    from dotenv import load_dotenv  
    load_dotenv()  
    ## 加载Groq API密钥  
    groq_api_key = os.environ['GROQ_API_KEY']

这段代码导入了所需的库，并从环境变量中获取您的Groq API密钥（API key）。您可以通过遵循以下步骤免费获取Groq API密钥。

• 前往GroqCloud: 访问Groq平台。
• 探索Playground: 点击“Playground on GroqCloud”以访问一个自助开发区。在这里，您可以尝试Groq的功能并获取您的API密钥。
• 创建您的API密钥: 进入Playground后，点击“API密钥”标签页。在这里，您会找到“创建API密钥”的选项。按照屏幕提示生成您的API密钥。

第二. 数据加载及预处理

这一部分侧重于使用WebBaseLoader从网站加载文档。然后，将文档拆分成更小的片段以便处理，并创建向量嵌入以高效地根据文档的意义进行比较，从而提高效率。

如果没有 'vector' 在 st.session_state 中:  
  st.session_state.embeddings=OllamaEmbeddings()  
  st.session_state.loader=WebBaseLoader("https://docs.smith.langchain.com/")  
  st.session_state.docs=st.session_state.loader.load()  
  st.session_state.text_splitter=RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)   
  st.session_state.final_documents=st.session_state.text_splitter.split_documents(st.session_state.docs[:50])   
  st.session_state.vectors=FAISS.from_documents(st.session_state.final_documents,st.session_state.embeddings)

3. 大型语言模型集成与Prompt设计

在这里，我们使用ChatGroq类，以及您的Groq API密钥来创建一个LLM实例。指定的模型名称（“mixtral-8x7b-32768”）是Groq引擎中可用选项之一。

我们接着用ChatPromptTemplate类定义一个提示。这个提示让LLM基于给定的文档内容来回答用户的问题。

最后呢，我们创建了两个这样的重要链条：

1. _documentchain: 准备好了文档和提示给LLM。
2. _retrievalchain: 这个链把通过向量嵌入进行文档检索的步骤和LLM处理文档的过程结合了起来。

    st.title("ChatGroq 演示")  
    llm=ChatGroq(groq_api_key=groq_api_key,  
    model_name="mixtral-8x7b-32768")  
    prompt=ChatPromptTemplate.from_template(  
    """  
    仅根据提供的上下文回答问题。  
    请根据问题提供最准确的回答  
    <context>  
    {context}  
    </context>  
    问题：{input}  
    """  
    )  
    document_chain = create_stuff_documents_chain(llm, prompt)  
    retriever = st.session_state.vectors.as_retriever()  
    retrieval_chain = create_retrieval_chain(retriever, document_chain)

4. 用户输入及响应生成

prompt=st.text_input("在此输入您的提示")
if prompt:
    start=time.process_time()
    response=retrieval_chain.invoke({"input":prompt})
    print("响应时间：", time.process_time()-start)
    st.write(response['answer'])

    # 使用 Streamlit 展开器
    with st.expander("文档相似性搜索"):
        # 查找相关的内容
        for i, doc in enumerate(response['context']):
            st.write(doc.page_content)

使用了Groq技术的网页

响应时间：0.09375，这里响应速度挺快的。