大模型RAG实战｜向量数据库：Elasticsearch实现混合检索（附完整代码）

原创最新推荐文章于 2026-09-27 12:38:57 发布 3k 阅读 AI写同款

AI程序猿人

码龄3年墨衍会员 · AI 创作全网分发

6517粉丝561篇原创

关注

大模型RAG实战｜混合检索：BM25检索+向量检索的LlamaIndex实现目前，大模型RAG系统中普遍采用混合检索来提升检索准确性。针对要回答的问题，同时通过。阅读详情

AI摘要

本文是大模型RAG实战系列，介绍使用LlamaIndex框架构建本地大模型知识库问答系统。涵盖知识库管理等主题，讲解向量数据库选择，如Chroma、Milvus等，重点介绍Elasticsearch用于混合检索。还给出代码实现示例，最后分享AI大模型学习资料。

大模型RAG实战系列文章，带你深入探索使用LlamaIndex框架，构建本地大模型知识库问答系统。本系列涵盖知识库管理、检索优化、模型本地部署等主题，通过代码与实例，讲解如何打造生产级系统，实现本地知识库的快速检索与智能问答。

当时，我们采用的向量数据库是Chroma，作为LlamaIndex中的向量存储（Vector Store）。Chroma是一个非常简单易用的嵌入式向量数据库，在开发和测试场景非常受欢迎。

但是，如果是生产级系统，我们必须考虑能力更强、可扩展的向量数据库，比如国内使用较多的Milvus，以及国外使用较多的Weaviate。

LlamaIndex支持超过20种向量数据库，在官网文档上给出了列表，并标注了各个向量数据库是否支持下列5个特性，包括：元数据过滤、混合检索、可删除、文档存储、支持异步。

详情请参考官方文档：

https://docs.llamaindex.ai/en/stable/module_guides/storing/vector_stores/

1、选择向量数据库

最初，QAnything使用了Milvus做向量存储和向量语义检索，后来引入了Elasticsearch做BM25关键词检索，从而实现了混合检索。

Elasticsearch作为一个分布式的搜索和数据分析引擎，在全文检索和海量非结构化数据存储等场景，已经得到了广泛应用。现在，Elasticsearch也可以用于向量存储，并支持以上包括混合检索在内的全部5个特性。

因此，在生产环境，使用Elasticsearch作为向量数据库并使用其混合检索功能，是一个合适的选择。

系统技术栈如下表所示：

数据框架	LlamaIndex
前端框架	Streamlit
大模型工具	Ollama
大模型	Gemma 2B
嵌入模型	BAAI/bge-small-zh-v1.5
文本分割器	SpacyTextSplitter
文档存储	MongoDB
向量存储	ElasticSearch

以下，我将结合代码实例，讲解如何在LlamaIndex框架中使用Elasticsearch，并给出一套完整可运行的本地知识库问答系统。

代码实现示例

示例1：安装和配置ES

我们使用ES做向量存储（Vector Stores）。首先，使用ES官方Docker镜像，在本机安装和运行ES。

docker run -p 9200:9200 \
  -e "discovery.type=single-node" \
  -e "xpack.security.enabled=false" \
  -e "xpack.license.self_generated.type=trial" \
  docker.elastic.co/elasticsearch/elasticsearch:8.13.2

然后，配置ES，作为向量数据库，并通过retrieval_strategy配置使用混合检索（hybrid=true）。


# 向量数据库: Elasticsearch

from llama_index.vector_stores.elasticsearch import ElasticsearchStore
from llama_index.vector_stores.elasticsearch import AsyncDenseVectorStrategy

ES_URI = "http://localhost:9200"

es_vector_store = ElasticsearchStore(
    es_url=ES_URI,
    index_name="my_index",
    retrieval_strategy=AsyncDenseVectorStrategy(hybrid=True), # 使用混合检索
)

示例2：配置MongoDB

我们选用MongoDB做文档存储（Document Stores）和索引存储（Index Stores）。你可以通过Docker安装和运行MongoDB，然后做如下代码配置。

# 文档存储: MongoDB

from llama_index.storage.docstore.mongodb import MongoDocumentStore
from llama_index.storage.index_store.mongodb import MongoIndexStore
from llama_index.core import StorageContext

MONGO_URI = "mongodb://localhost:27017"

mongo_doc_store = MongoDocumentStore.from_uri(uri=MONGO_URI)
mongo_index_store = MongoIndexStore.from_uri(uri=MONGO_URI)

storage_context = StorageContext.from_defaults(
    docstore=mongo_doc_store,
    index_store=mongo_index_store,
    vector_store=es_vector_store,
)

示例3：配置本地模型

请到ollama.com安装Ollama，并下载大模型，比如：Llama 3, Phi 3, Mistral, Gemma等。为了测试方便，我们选用速度更快、效果较好的Gemma 2B模型，共1.7GB。

# Ollama本地LLM: gemma:2b

from llama_index.llms.ollama import Ollama
llm_ollama = Ollama(model="gemma:2b", request_timeout=600.0)

嵌入模型我们继续使用智源的BAAI/bge-small-zh-v1.5。

# 本地嵌入模型: bge-small-zh-v1.5

from llama_index.embeddings.huggingface import HuggingFaceEmbedding
bge_embed_model = HuggingFaceEmbedding(model_name="BAAI/bge-small-zh-v1.5")

第一次运行时会自动从Hugging Face下载模型，请提前设置使用国内镜像站点。

export HF_ENDPOINT=https://hf-mirror.com

将配置好的大模型和嵌入模型，挂载在LlamaIndex全局设置上。

# LlamaIndex全局配置

from llama_index.core import Settings
Settings.llm = llm_ollama
Settings.embed_model = bge_embed_model

示例4：配置文本分割器

文本分割器Spacy对中文支持较好。我们可以通过Langchain引入和使用。

# 文本分割器: SpacyTextSplitter

from llama_index.core.node_parser import LangchainNodeParser
from langchain.text_splitter import SpacyTextSplitter
spacy_text_splitter = LangchainNodeParser(SpacyTextSplitter(
    pipeline="zh_core_web_sm", 
    chunk_size = 512,
    chunk_overlap = 128
))

示例5：加载网页信息

此前文章介绍过，我们可以用LlamaIndex的SimpleDirectoryReader读取本地文件夹“data”中的文件。

# 加载文件信息: SimpleDirectoryReader

from llama_index.core import SimpleDirectoryReader
documents = SimpleDirectoryReader(input_dir="./data", recursive=True).load_data() 
print(f"Loaded {len(documents)} Files")

为了测试方便，本程序中，我们用SimpleWebPageReader读取网页信息。

# 加载网页信息: SimpleWebPageReader

from llama_index.readers.web import SimpleWebPageReader

pages = ["https://mp.weixin.qq.com/s/prnDzOQ8HjUmonNp0jhRfw",]
documents = SimpleWebPageReader(html_to_text=True).load_data(pages)
print(f"Loaded {len(documents)} Web Pages")

示例6：配置数据转换管道

通过配置数据转换管道，可以实现数据转换并行处理以及知识库的去重，即默认的策略为更新插入（upserts）。

# 数据转换管道

from llama_index.core.ingestion import IngestionPipeline
pipeline = IngestionPipeline(
    transformations=[
        spacy_text_splitter,
        bge_embed_model,
    ],
    docstore=mongo_doc_store,
    vector_store=es_vector_store,
)

接下来，运行数据转换管道，将分片后的文本向量化之后，存储到Elasticsearch向量数据库中。

# 生成索引存入向量数据库

nodes = pipeline.run(documents=documents)
print(f"Ingested {len(nodes)} Nodes")
print(f"Load {len(pipeline.docstore.docs)} documents into docstore")

示例7：创建索引

然后，基于上述生成的nodes，创建向量存储索引。

# 创建向量存储索引 

from llama_index.core import VectorStoreIndex
index = VectorStoreIndex(nodes, storage_context=storage_context)

示例8：定制中文Prompt模板

为了避免大模型用英文回答中文问题，我们需要定制LlamaIndex的Prompt模板。

# 定制中文Prompt

from llama_index.core import PromptTemplate

text_qa_template_str = (
    "以下为上下文信息\n"
    "---------------------\n"
    "{context_str}\n"
    "---------------------\n"
    "请根据上下文信息回答我的问题或回复我的指令。前面的上下文信息可能有用，也可能没用，你需要从我给出的上下文信息中选出与我的问题最相关的那些，来为你的回答提供依据。回答一定要忠于原文，简洁但不丢信息，不要胡乱编造。我的问题或指令是什么语种，你就用什么语种回复。\n"
    "问题：{query_str}\n"
    "你的回复："
)

示例9：创建查询引擎

基于索引，创建查询引擎（Query Engine）。现在，可以针对知识库中的内容进行提问了。

# 创建查询引擎并查询

query_engine = index.as_query_engine(
    text_qa_template = text_qa_template,
    top_k=1,
)

your_question = "什么是流程？"
print(f"问题：{your_question}")
response = query_engine.query(your_question)
print(f"回答：{response}")

示例10：前端UI使用Streamlit

我们使用Streamlit构建一个Web UI，用于对话。

# 使用Streamlit构建Web UI

import streamlit as st

TITLE = "本地大模型知识库问答"
st.set_page_config(page_title=TITLE, page_icon="🦙", layout="centered", initial_sidebar_state="auto", menu_items=None)
st.header(TITLE)
st.info("By 大卫", icon="📃")

if "messages" not in st.session_state.keys(): # 初始化聊天历史记录
    st.session_state.messages = [
        {"role": "assistant", "content": "关于文档里的内容，请随便问"}
    ]

# 提示用户输入问题，并将问题添加到消息历史记录
if prompt := st.chat_input("Your question"): 
    st.session_state.messages.append({"role": "user", "content": prompt})

# 显示此前的问答记录
for message in st.session_state.messages: 
    with st.chat_message(message["role"]):
        st.write(message["content"])

# 生成回答
if st.session_state.messages[-1]["role"] != "assistant": 
    with st.chat_message("assistant"):
        with st.spinner("Thinking..."):
            response = query_engine.query(prompt)
            st.write(response.response)
            message = {"role": "assistant", "content": response.response}
            st.session_state.messages.append(message)

以上全部代码，合起来形成一个文件app.py，可以通过以下命令运行。

streamlit run app.py

请注意提前通过pip命令，安装llama-index、streamlit、zh-core-web-sm、html2text等本程序运行所需的组件。

参考资料：

https://docs.llamaindex.ai/en/stable/examples/vector_stores/ElasticsearchIndexDemo/
https://docs.llamaindex.ai/en/stable/examples/docstore/MongoDocstoreDemo/