企业级RAG教程 | langchain+AWS Bedrock+Zilliz，适合80%企业

放眼当下，RAG已经成了90%企业落地大模型的技术首选。但问题是，从LLM到embedding到框架，再到向量数据库，基础组件已经多到不胜枚举。

于是一个尴尬的情况出现了：教程和组件都很好，但就是和企业的已有资源不搭。

比如，许多企业业务都跑在AWS这样的云平台上，因此，如何基于现有云平台构建一整套可落地的RAG系统变得尤为关键。

本文将基于AWS Bedrock+Nova模型+Titan Embeddings+Zilliz Cloud+LangChain，为大家带来一套可以快速上手并落地的企业级RAG教程。

01 架构设计思路

传统的大语言模型（LLM）在企业级应用中存在两大局限性：其一，知识时效性停止于模型训练阶段、无法获取最新数据与私有数据；其二，幻觉高、可解释性差。

在此背景下，RAG（检索增强生成）应运而生，通过结合外部知识检索与生成，RAG可以在不重新训练大模型的情况下就能获取最新的**动态知识、企业私有知识，并保证知识来源可追溯、更透明、更准确，**准确率提升25-40%，幻觉率降低了60%以上。

架构上，企业级RAG系统采用标准的MVC（Model-View-Controller）架构模式**，其中：**

• Model层负责数据处理和业务逻辑，包括文档模型、嵌入模型、向量存储模型和LLM模型；
• View层处理用户界面和数据展示，包含Web前端和API响应格式化器；
• Controller层管理请求处理和流程控制，涵盖RAG控制器、文档控制器和Lambda处理器。

这个架构的优势在于关注点分离，组件间的耦合度更低，系统能够灵活应对不同的前端需求和业务变化。

本次的RAG构建，核心组件一共有五部分：

• 查询处理引擎：负责用户输入的预处理与优化（查询扩展、意图识别、分解处理）。
• 向量检索引擎：使用Zilliz Cloud进行高效的语义搜索，支持混合检索和近似最近邻算法。
• 重排序模块：对检索结果进行排序，结合相关性得分和业务规则进行优化。
• 生成引擎：基于AWS Bedrock Nova模型，将上下文与用户查询结合，生成准确的回答。
• 事件驱动架构：使用Amazon EventBridge解耦组件间通信，确保系统响应性和可靠性。

02 选型思路

基础设施层面，我们选择AWS Lambda作为核心计算服务，提供按需执行和自动扩缩容能力。系统中的每个功能组件（文档处理、向量化、检索、生成）都被设计为独立的Lambda函数，这种设计带来了低耦合，弹性伸缩的优势。

在此基础上，RAG的核心模块选型上，我们采用的是AWS****Bedrock+Nova模型+Titan Embeddings+Zilliz cloud，决策原因如下：

AWS****Bedrock优势：多模型支持。

AWS Bedrock平台支持来自Amazon、Anthropic、Met供应商超过50种Serverless模型和122种Marketplace模型。此外，在AWS Bedrock，开发者可以在不修改应用代码的情况下切换模型，便于A/B测试和性能比较。

Nova模型技术优势:性能与性价比兼顾。

• Nova Micro：文本专用，适用于低延迟和成本的任务（如文本摘要、翻译）。
• Nova Lite：支持多模态处理，处理图像、视频和文本输入。
• Nova Pro：高性能多模态模型，支持300K tokens的长上下文，适合复杂推理任务和大型文档处理。

Titan Embeddings优势：多模态、多语言

Titan Embeddings可以提供文本、图像等多种数据类型的高质量向量表示，并支持200多种语言，针对RAG场景优化。

Zilliz Cloud优势：基于开源产品打造、全托管开箱即用、无索引学习困扰

Zilliz Cloud基于开源Milvus构建的全托管向量数据库产品。很多向量数据库小白用户刚上手的时候，对于如何选择索引会有些摸不着头脑，Zilliz Cloud的AutoIndex可以根据数据特征和系统状态自动帮助用户动态调整索引策略。此外，Zilliz Cloud的Cardinal搜索引擎实现了10倍于传统向量数据库的检索速度，同时支持亿级向量规模的实时检索。

03 开发实践与LangChain集成

3.1 环境搭建与配置

AWS CDK基础设施示例代码

企业级RAG系统 采用基础设施即代码（IaC）方法进行部署和管理，AWS CDK（Cloud Development Kit）提供了强大的基础设施定义能力。系统的CDK配置包含了Lambda函数、API Gateway、S3存储、CloudFront分发等核心组件的定义。

# 核心Lambda函数配置
lambda_function = lambda_.Function(
    self, 
"RAGQueryFunction"
,
    runtime=lambda_.Runtime.PYTHON_3_9,
    memory_size=
3008
,  
# 优化内存配置
    timeout=Duration.seconds(
30
),
    reserved_concurrency=
100
,  
# 并发控制
    environment={
        
"ZILLIZ_ENDPOINT"
: self.zilliz_endpoint,
        
"BEDROCK_MODEL_ID"
: 
"amazon.nova-pro-v1:0"
    }
)

CDK Bootstrap过程是系统部署的关键步骤，创建了必要的AWS资源，包括S3存储桶、IAM角色和SSM参数。项目采用了多环境支持，通过CDK的堆栈管理实现开发、测试和生产环境的隔离部署。

Zilliz Cloud环境配置

Zilliz Cloud的配置涉及集合创建、索引优化和连接管理三个核心环节。系统采用1024维向量空间，选择HNSW索引以平衡检索精度和性能。

# Zilliz连接配置
connections.connect(
    
alias
=
"default"
,
    uri=ZILLIZ_ENDPOINT,
    token=ZILLIZ_TOKEN,
    
timeout
=30
)
# 创建优化的collection
collection = Collection(
"rag_collection"
)
index_params = {
    
"metric_type"
: 
"IP"
,
    
"index_type"
: 
"HNSW"
,
    
"params"
: {
"M"
: 16, 
"efConstruction"
: 128}
}

分区策略根据文档类型和业务域进行数据分割，提高检索效率。系统还配置了副本机制，确保高可用性和负载分担。

开发环境标准化

项目采用Makefile统一管理所有开发操作，提供一致的命令接口。开发环境包含了完整的CI/CD流水线，支持代码质量检查、类型检查和自动化测试。

# 标准化开发流程
install:  
# 安装依赖
test
:     
# 运行测试
lint:     
# 代码检查  
deploy:   
# 部署应用
clean:    
# 清理环境

3.2 核心功能实现

文档处理管道设计

文档处理管道采用分布式处理架构，支持多种文档格式的并行处理。管道包含文档解析、内容清洗、分块处理和元数据提取四个核心阶段。

class
 
DocumentProcessor
:
    
def
 
process
(
self
, document
):
        
# 文档解析
        parsed_content = 
self
.parse_document(document)
        
# 内容清洗和预处理
        cleaned_text = 
self
.clean_content(parsed_content)
        
# 智能分块
        chunks = 
self
.chunk_text(cleaned_text, 
                               chunk_size=
1000
, 
                               overlap=
100
)
        
# 元数据提取
        metadata = 
self
.extract_metadata(document)
        
return
 processed_chunks

分块策略采用语义感知的分割方法，考虑段落边界和语义连贯性。系统支持自适应分块大小，根据文档类型调整最优参数。

向量化与存储优化

向量化过程使用AWS Bedrock的Titan Embeddings模型，支持批量处理以提高效率。系统实现了向量缓存机制，避免重复计算相同内容的向量表示。

class
 
VectorProcessor
:
    
def
 
__init__
(
self
):
        
self
.embedding_model = 
TitanEmbeddings
()
        
self
.batch_size = 
32
    
def
 
vectorize_batch
(
self
, texts
):
        
# 批量向量化
        embeddings = 
self
.embedding_model.embed_documents(texts)
        
# 向量标准化
        normalized_embeddings = 
self
.normalize_vectors(embeddings)
        
return
 normalized_embeddings

存储优化策略包括向量压缩、索引预构建和分层存储。热点数据存储在高速访问层，冷数据归档至成本优化的存储层。

检索增强策略

检索策略采用混合检索方法，结合向量检索和关键词检索的优势。系统实现了多阶段检索流程：初检、精排和后处理。

class
 
HybridRetriever
:
    
def
 
retrieve
(
self
, query, top_k=
10
):
        
# 向量检索
        vector_results = 
self
.vector_search(query, top_k*
2
)
        
# 关键词检索
        keyword_results = 
self
.keyword_search(query, top_k*
2
)
        
# 结果融合
        merged_results = 
self
.merge_results(
            vector_results, keyword_results
        )
        
# 重排序
        reranked_results = 
self
.rerank(query, merged_results)
        
return
 reranked_results[
:top_k
]

重排序机制使用Cross-Encoder模型对候选结果进行精细化排序。系统还支持上下文窗口优化，动态调整检索结果的上下文范围。

LangChain框架集成

from
 langchain.chains 
import
 RetrievalQA
from
 langchain.retrievers 
import
 VectorStoreRetriever
# 构建RAG链
qa_chain = RetrievalQA.from_chain_type(
    llm=BedrockLLM(model_id=
"amazon.nova-pro-v1:0"
),
    chain_type=
"stuff"
,
    retriever=ZillizRetriever(
        collection=collection,
        search_params={
"top_k"
: 
5
}
    ),
    return_source_documents=
True
)
# 执行查询
result = qa_chain.invoke({
"query"
: user_question})

提示工程优化是LangChain集成的关键环节，系统使用LangChain Hub中的经过优化的RAG提示模板。记忆管理机制确保多轮对话的上下文连贯性。

系统还实现了流式处理能力，支持实时响应流和增量结果展示。错误处理和重试机制确保了系统的鲁棒性，能够处理各种异常情况。

04 生产部署与系统优化

4.1 无服务器架构部署

Lambda函数设计

企业级RAG系统的Lambda函数应该采用单一职责原则进行设计，每个函数专注于特定的业务逻辑。核心函数包括文档处理函数、向量化函数、检索函数和生成函数，各自独立部署和扩展。

# 查询处理Lambda函数
def
 
lambda_handler
(
event, context
):
    
try
:
        
# 初始化连接（在handler外部）
        query = event[
'query'
]
        
# 向量检索
        retriever = ZillizRetriever()
        relevant_docs = retriever.search(query, top_k=
5
)
        
# LLM生成
        llm = BedrockLLM()
        response = llm.generate(query, relevant_docs)
        
return
 {
            
'statusCode'
: 
200
,
            
'body'
: json.dumps(response)
        }
    
except
 Exception 
as
 e:
        logger.error(
f"Error: 
{
str
(e)}
"
)
        
return
 error_response(e)

内存配置优化根据函数职责进行差异化设置：查询函数配置1GB内存，文档处理函数配置2GB内存，确保最佳性价比。超时设置针对不同场景进行调优：查询函数30秒，文档处理函数300秒。

保留并发设置避免了冷启动对关键路径的影响，查询函数设置100个保留实例，确保用户请求的快速响应。

API Gateway配置

API Gateway作为系统的统一入口，提供RESTful API接口和请求路由功能。配置包括速率限制、身份验证和CORS设置，确保API的安全性和稳定性。

# API Gateway配置
endpoints:
  - path: /query
    method: POST
    integration: lambda
    rate_limit: 1000/min
    auth: IAM
  - path: /documents
    method: POST
    integration: lambda
    rate_limit: 100/min
    auth: IAM

缓存策略在API Gateway层实现，对相同查询的结果进行短期缓存，减少后端调用。请求验证确保输入参数的合法性，避免无效请求对后端系统的冲击。

CloudFront CDN优化

CloudFront配置实现了全球内容分发和静态资源缓存，显著提升了用户访问速度。CDN策略包括动静分离、智能路由和边缘缓存。

# CloudFront缓存配置
cache_behaviors
 = [
    {
        
'path_pattern'
: 
'/api/*'
,
        
'ttl'
: 
300
,  
# API响应短期缓存
        
'headers'
: [
'Authorization'
]
    },
    {
        
'path_pattern'
: 
'/static/*'
,
        
'ttl'
: 
86400
,  
# 静态资源长期缓存
        
'compress'
: 
True
    }
]

边缘位置优化确保全球用户都能获得低延迟访问，平均响应时间降至100毫秒以下。

4.2 性能优化

冷启动优化策略

冷启动是无服务器架构的核心挑战，系统采用多层优化策略进行应对。预热机制使用CloudWatch Events定期调用关键函数，保持执行环境的热度。

# 预热Lambda配置
def 
warm_up_handler
(
event
, context
):
    
if
 
event
.
get
(
'source'
) == 
'aws.events'
:
        
return
 {
'statusCode'
: 
200
, 
'body'
: 
'warmed up'
}
    
# 正常业务逻辑
    
return
 business_logic(
event
, context)

依赖优化通过减少包大小和选择轻量级库来缩短冷启动时间。连接池复用在全局作用域初始化数据库连接，避免重复连接开销。

Provisioned Concurrency为关键函数配置预配置并发，消除冷启动延迟。根据业务模式动态调整预配置实例数量，平衡性能和成本。

并发处理设计

系统采用分层并发控制策略，不同函数根据资源需求设置不同的并发限制。Lambda并发设置基于函数的资源密集程度：轻量级查询函数支持高并发，重计算文档处理函数限制并发以避免资源竞争

# 并发配置示例
functions_config = {
    
'query_function'
: {
        
'reserved_concurrency'
: 100,
        
'memory'
: 1024
    },
    
'document_processing'
: {
        
'reserved_concurrency'
: 10,
        
'memory'
: 2048
    }
}

异步处理机制使用SQS和SNS实现任务解耦，避免同步调用的级联失败。批处理优化将相似任务聚合处理，提高资源利用效率。

缓存机制实现

多层缓存架构包括L1内存缓存、L2 Redis缓存和L3 S3缓存。每层缓存针对不同的访问模式进行优化：

• L1缓存：Lambda函数内存中，TTL 5分钟，容量100MB
• L2缓存：Redis集群，TTL 1小时，容量1GB
• L3缓存：S3存储，TTL 1天，容量无限制

class
 
CacheManager
:
    
def
 
get
(
self
, key
):
        
# L1缓存查询
        
if
 key 
in
 
self
.
memory_cache:
            
return
 
self
.memory_cache[key]
        
# L2缓存查询    
        value = 
self
.redis_client.get(key)
        
if
 
value:
            
self
.memory_cache[key] = value
            
return
 value
        
# L3缓存查询
        
return
 
self
.s3_cache.get(key)

缓存预热策略基于历史查询模式，预先加载高频访问的数据。缓存失效机制确保数据一致性，支持主动更新和被动过期两种模式。

成本控制方案

按需计费优化通过精细化的资源配置实现成本控制。系统实现了动态资源调整，根据负载模式自动调整Lambda内存和超时设置。

Reserved Instance和Savings Plans用于稳定工作负载，可节省高达72%的计算成本。Spot Instance用于非关键的批处理任务，进一步降低成本。

# 成本优化配置
cost_optimization = {
    
'lambda_memory_optimization'
: 
True
,
    
'auto_scaling'
: 
True
,
    
'reserved_capacity'
: {
        
'query_functions'
: 
50
,
        
'processing_functions'
: 
5
    }
}

4.3 监控与运维体系

关键指标监控

系统监控采用CloudWatch集成方案，收集完整的性能指标。核心监控指标包括：

• API响应时间：P50 < 1s，P95 < 3s，P99 < 5s
• 成功率：> 99.9%
• 并发用户数：实时监控
• 向量检索性能：< 200ms
• LLM生成时间：< 2s

# 自定义指标发送
def
 
send_metrics
(
metric_name, value, unit=
'Count'
):
    cloudwatch = boto3.client(
'cloudwatch'
)
    cloudwatch.put_metric_data(
        Namespace=
'RAG/System'
,
        MetricData=[{
            
'MetricName'
: metric_name,
            
'Value'
: value,
            
'Unit'
: unit,
            
'Timestamp'
: datetime.utcnow()
        }]
    )

日志分析系统

结构化日志记录可以考虑使用JSON格式，便于查询和分析。日志包含请求ID、时间戳、用户信息、性能指标和错误信息等关键字段。

故障排查机制

分布式追踪可以考虑使用AWS X-Ray实现端到端的请求跟踪，快速定位性能瓶颈。自动化告警基于关键指标设置阈值，支持多渠道通知。

# 告警规则配置
alerts
 = [
    {
        
'metric'
: 
'ResponseTime'
,
        
'threshold'
: 
3000
,  
# 3秒
        
'comparison'
: 
'GreaterThanThreshold'
,
        
'action'
: 
'sns_notification'
    },
    {
        
'metric'
: 
'ErrorRate'
, 
        
'threshold'
: 
1
,  
# 1%
        
'comparison'
: 
'GreaterThanThreshold'
,
        
'action'
: 
'auto_scaling'
    }
]

自愈能力可以考虑通过Lambda的自动重试和DLQ（死信队列）机制实现故障自动恢复。容量规划基于历史数据和增长趋势，提前进行资源扩容。

尾声

企业级RAG系统，原理很简单，但是具体的构建是一个涉及多个技术栈深度整合的复杂工程。做选型和落地，应当注重技术选型的前瞻性，但也要重点关注架构设计的可扩展性以及运维体系的完善性

这套AWS Bedrock+Zilliz cloud+langchain教程，适用80%de企业级RAG落地场景。

关于这套教程，大家有更多疑问，欢迎评论区留言交流。

附：完整代码如下

https://github.com/yincma/AWS-zilliz-RAG/tree/main

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉优快云大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​