虹科分享 | 谷歌Vertex AI平臺使用Redis搭建大語言模型

基礎(chǔ)模型和高性能數(shù)據(jù)層這兩個基本組件始終是創(chuàng)建高效、可擴展語言模型應(yīng)用的關(guān)鍵，利用Redis搭建大語言模型，能夠?qū)崿F(xiàn)高效可擴展的語義搜索、檢索增強生成、LLM 緩存機制、LLM記憶和持久化。有Redis加持的大語言模型可應(yīng)用于文檔檢索、虛擬購物助手、客戶服務(wù)助理等，為企業(yè)帶來益處。

一、語言模型構(gòu)件

應(yīng)用程序生成、理解和使用人類語言的能力正變得越來越重要，從客服機器人到虛擬助手，再到內(nèi)容生成，人們對AI應(yīng)用功能的需求橫跨眾多領(lǐng)域，而這一切的實現(xiàn)，都要歸功于谷歌的 PaLM 2 等基礎(chǔ)模型，這些模型經(jīng)過精心調(diào)教，可以生成類似人類表達風(fēng)格的內(nèi)容。

在這一動態(tài)環(huán)境中，基礎(chǔ)模型和高性能數(shù)據(jù)層這兩個基本組件始終是創(chuàng)建高效、可擴展語言模型應(yīng)用的關(guān)鍵。

1.基礎(chǔ)模型

基礎(chǔ)模型是生成式人工智能應(yīng)用的基石，大型語言模型（Large Language Model，LLM）是其中的一個子集。 LLM 通過大量的文本訓(xùn)練，使其能夠為各種任務(wù)生成具有上下文相關(guān)性的類似人類表達風(fēng)格的文本。改進這些模型，使其更加復(fù)雜，從而使應(yīng)用可以更精煉、更有效地響應(yīng)用戶輸入。所選擇的語言模型會顯著影響應(yīng)用的性能、成本和服務(wù)質(zhì)量。

然而，PaLM 2 等模型雖然功能強大，但也有其局限性，例如當(dāng)缺乏特定領(lǐng)域的數(shù)據(jù)時，模型可能不夠相關(guān)，而且可能無法及時呈現(xiàn)新信息或準(zhǔn)確信息。 LLM 在提示（prompts）中可以處理的上下文長度（即詞組數(shù)量）有硬性限制，此外，LLM 的訓(xùn)練或微調(diào)需要大量的計算資源，這會使成本劇增。要在這些限制和優(yōu)勢之間取得平衡，需要進行謹(jǐn)慎的策略和強大基礎(chǔ)設(shè)施的支持。

2.高性能的數(shù)據(jù)層

高效的LLM 應(yīng)用程序由可擴展的高性能數(shù)據(jù)層支撐，該組件可確保高速交易和低延遲，這對于保持用戶流暢交互至關(guān)重要。它在以下方面發(fā)揮關(guān)鍵作用：

·緩存預(yù)計算的請求響應(yīng)或嵌入

·對過去的交互歷史進行持久化

·進行語義搜索以檢索相關(guān)的上下文或知識

向量數(shù)據(jù)庫已成為一種流行的數(shù)據(jù)層解決方案。Redis 在向量搜索方面的投入遠遠早于當(dāng)下的向量數(shù)據(jù)庫熱潮，這反映了我們具有豐富的經(jīng)驗，尤其是在性能方面。Redis對于向量搜索的經(jīng)驗在剛剛發(fā)布的 Redis 7.2 版本中得到了體現(xiàn)，該版本包括可擴展搜索功能預(yù)覽，與前一版本相比，每秒查詢次數(shù)提高了16倍。

基礎(chǔ)模型和向量數(shù)據(jù)庫在不同行業(yè)的LLM 應(yīng)用中發(fā)揮著至關(guān)重要的作用，因此引發(fā)了業(yè)界的極大興趣和炒作。例如，一些較新的獨立向量數(shù)據(jù)庫解決方案（如 Pinecone）宣布獲得巨額融資，并投入大量精力以贏得開發(fā)人員的關(guān)注。然而，由于每周都有新的工具出現(xiàn)，因此很難知道哪款工具真的能滿足企業(yè)需求。

GCP （Google’s Google Cloud Platform）的與眾不同之處在于其統(tǒng)一的產(chǎn)品，它將功能強大的基礎(chǔ)模型、可擴展的基礎(chǔ)設(shè)施，以及一套用于調(diào)整、部署和維護這些模型的工具結(jié)合在一起，從而能夠確保最高級別的數(shù)據(jù)安全和隱私安全。

但是，要真正發(fā)揮這些進展的潛力，一個高性能且可擴展的數(shù)據(jù)層是不可或缺的，這就是Redis的作用所在。

3.可擴展語言模型應(yīng)用的推理架構(gòu)

GCP 和 Redis Enterprise 用于語言模型應(yīng)用的推理架構(gòu)

這里所呈現(xiàn)的推理架構(gòu)適用于通用語言模型用例。它結(jié)合使用了Vertex AI（PaLM 2 基礎(chǔ)模型）、BigQuery 和 Redis Enterprise。

GCP 和 Redis Enterprise 用于語言模型應(yīng)用的推理架構(gòu)。

您可以按照開源 GitHub 倉庫中的Colab 筆記本逐步設(shè)置此 LLM 架構(gòu)。

1. 安裝庫和工具： 安裝所需的Python 庫，使用 Vertex AI 進行身份驗證，并創(chuàng)建一個 Redis 數(shù)據(jù)庫。

2. 創(chuàng)建 BigQuery 表格： 將數(shù)據(jù)集加載到您的GCP 項目中的 BigQuery 表格中。

3. 生成文本嵌入： 循環(huán)遍歷數(shù)據(jù)集中的記錄，使用PaLM 2 嵌入 API 創(chuàng)建文本嵌入。

4. 加載嵌入： 將文本嵌入和一些元數(shù)據(jù)加載到運行中的Redis 服務(wù)器。

5. 創(chuàng)建向量索引： 運行Redis 命令來創(chuàng)建一個模式和一個新的索引結(jié)構(gòu)，以實現(xiàn)實時搜索。

完成必要的設(shè)置步驟后，這個架構(gòu)就可以支持多種LLM 應(yīng)用，如聊天機器人和虛擬購物助手。

二．在語言模型（LLM）應(yīng)用Redis

即使是經(jīng)驗豐富的軟件開發(fā)人員和應(yīng)用架構(gòu)師也可能對這個新的知識領(lǐng)域不了解，這個簡短的總結(jié)應(yīng)該能幫助你迅速掌握要點。

1.利用Redis實現(xiàn)高效可擴展的語義搜索

語義搜索從龐大的知識語料庫中提取語義相似的內(nèi)容。在這個過程中，知識被轉(zhuǎn)化為可以進行比較的數(shù)值嵌入向量，以找到與用戶查詢最相關(guān)的上下文信息。

Redis 作為高性能向量數(shù)據(jù)庫，擅長索引非結(jié)構(gòu)化數(shù)據(jù)，從而實現(xiàn)高效可擴展的語義搜索。Redis 可以增強應(yīng)用程序迅速理解和響應(yīng)用戶查詢的能力，其強大的搜索索引能力有助于實現(xiàn)響應(yīng)迅速和準(zhǔn)確的用戶交互。

** 2.利用Redis實現(xiàn)檢索增強生成**

檢索增強生成（Retrieval-Augmented Generation，RAG）方法利用語義搜索等方法，在將提示發(fā)送到 LLM 之前動態(tài)地注入事實知識。這種技術(shù)最大程度上減少了在專有或頻繁變動的數(shù)據(jù)上對 LLM 進行微調(diào)的需求。RAG 允許對 LLM 進行上下文增強，使其能夠更好地處理當(dāng)前的任務(wù)，例如回答具體問題、總結(jié)檢索內(nèi)容或生成新內(nèi)容。

作為向量數(shù)據(jù)庫和全文搜索引擎，Redis 有助于 RAG 工作流的順暢運行。由于其低延遲的數(shù)據(jù)檢索能力，Redis 常常是執(zhí)行此任務(wù)的首選工具。它確保語言模型迅速而準(zhǔn)確地獲得所需的上下文，促進了人工智能應(yīng)用高效的執(zhí)行任務(wù)。
檢索增強生成（RAG）架構(gòu)示例

3.利用Redis實現(xiàn)LLM 的緩存機制

緩存是增強LLM 響應(yīng)能力和計算效率的強大技術(shù)手段。

標(biāo)準(zhǔn)緩存提供了一種機制，用于存儲并快速檢索預(yù)生成的常見查詢響應(yīng)，從而降低計算負(fù)載和響應(yīng)時間。然而，在動態(tài)對話背景中使用人類語言時，完全匹配的查詢很少，這就是語義緩存發(fā)揮作用的地方。

語義緩存可以理解并利用查詢的潛在語義。語義緩存識別并檢索與輸入查詢在語義上足夠相似的緩存響應(yīng)。這種能力極大地增加了緩存命中率，進一步改善了響應(yīng)時間和資源利用率。

例如，在客戶服務(wù)場景中，多個用戶可能會使用不同的措辭詢問類似的常見問題。語義緩存使得LLM 能夠在不進行冗余計算的情況下迅速而準(zhǔn)確地回應(yīng)這些問題。LLM緩存機制

Redis 非常適用于在 LLM 中實現(xiàn)緩存，其強大的功能集包括支持生存時間（TTL）和逐出策略，用于管理臨時數(shù)據(jù)。結(jié)合其向量數(shù)據(jù)庫的語義搜索能力，Redis 能夠高效快速地檢索緩存響應(yīng)，從而顯著提升 LLM 的響應(yīng)速度和系統(tǒng)整體性能，即使在負(fù)載較重的情況下也能如此。

4.利用Redis實現(xiàn)內(nèi)存和持久化

保留過去的互動和會話元數(shù)據(jù)對于確保上下文連貫和個性化對話至關(guān)重要，然而LLM 并沒有自適應(yīng)記憶，因此依賴一個可靠的系統(tǒng)進行快速的對話數(shù)據(jù)存儲變得至關(guān)重要。

Redis 提供了一個強大的解決方案，用于管理 LLM 的記憶。它可以在大量需求下高效地訪問聊天歷史和會話元數(shù)據(jù)。Redis使用其數(shù)據(jù)結(jié)構(gòu)存儲來處理傳統(tǒng)的內(nèi)存管理，同時其向量數(shù)據(jù)庫功能有助于提取語義相關(guān)的互動內(nèi)容。

三、LLM 的應(yīng)用場景

1.文檔檢索

一些企業(yè)需要處理大量的文檔，而LLM 應(yīng)用可以成為文檔發(fā)現(xiàn)和檢索的強大工具，語義搜索有助于從廣泛的知識語料庫中精確定位相關(guān)信息。

2.虛擬購物助手

LLM 可以支持復(fù)雜的電子商務(wù)虛擬購物助手，通過上下文理解和語義搜索，它可以理解客戶的問題，提供個性化的產(chǎn)品推薦，甚至實時模擬對話互動。

3.客戶服務(wù)助理

將LLM 部署為客戶服務(wù)代理可以徹底改變客戶互動方式，除了回答常見問題外，系統(tǒng)還可以進行復(fù)雜的對話，為客戶提供定制化的幫助，并從過去的客戶互動中進行學(xué)習(xí)。

四．Redis 和 Google Cloud：強強聯(lián)合

1.基于知識

GCP 和 Redis 讓 LLM 應(yīng)用不僅僅是先進的文本生成器，通過在運行時迅速注入來自您自己領(lǐng)域的特定知識，它們確保您的應(yīng)用可以提供基于知識、準(zhǔn)確和有價值的交互，特別適應(yīng)于您的組織知識庫。

2.簡化架構(gòu)

Redis 不僅僅是一個鍵值數(shù)據(jù)庫，它是實時數(shù)據(jù)的多功能工具，通過消除為不同用例管理多個服務(wù)的需求，它極大地簡化了您的體系架構(gòu)。作為許多組織已經(jīng)信任的緩存和其他需求的工具，Redis 在 LLM 應(yīng)用中的集成起到了無縫擴展的效果。

3.優(yōu)化性能

Redis 是低延遲和高吞吐量數(shù)據(jù)結(jié)構(gòu)的代名詞。當(dāng)與具有超強計算能力的GCP結(jié)合時 ，您將擁有一個不僅智能而且響應(yīng)迅速的 LLM 應(yīng)用，即使在負(fù)載較重的情況下也能如此。

4.企業(yè)級能力

Redis是經(jīng)過時間驗證的開源數(shù)據(jù)庫核心，可為全球財富100強公司提供可靠服務(wù)。在Redis Enterprise提供的五個九（99.999％）可用性的支持下，并由 GCP 強大的基礎(chǔ)架構(gòu)提供支持，您可以完全信任其可以完全滿足企業(yè)需求。

5.加速上市進程

利用Redis Enterprise，您可以更專注于創(chuàng)建 LLM 應(yīng)用，而不必費心進行數(shù)據(jù)庫設(shè)置。這種集成的便利性加速了上市進程，為您的組織提供了競爭優(yōu)勢。

盡管新的向量數(shù)據(jù)庫和生成式AI 產(chǎn)品可能在市場上引起了很大的關(guān)注，但是 GCP 和 Redis 的可靠組合更加值得信任。這些經(jīng)過時間驗證的解決方案不會很快消失，它們已經(jīng)準(zhǔn)備好為您的 LLM 應(yīng)用提供動力，無論是今天還是未來的數(shù)年。

虹科是Redis原廠的中國區(qū)戰(zhàn)略合作伙伴。我們持續(xù)關(guān)注各行業(yè)當(dāng)下急切需求，專注于為企業(yè)解答疑問，制定專屬服務(wù)，提供一站式數(shù)據(jù)庫和商業(yè)智能解決方案。了解更多【企業(yè)級數(shù)據(jù)庫解決方案】及【企業(yè)緩存指南】，歡迎前往虹科云科技官網(wǎng)！

虹科云科技 ，主要分享企業(yè)級云解決方案，包括云計算、數(shù)據(jù)庫、商業(yè)智能、數(shù)據(jù)可視化、高性能計算、數(shù)據(jù)管理、人工智能等相關(guān)知識、產(chǎn)品信息、應(yīng)用案例及行業(yè)信息，如Redis Enterprise、Weka、Domo、Visokio、Nimibix等，為學(xué)習(xí)者傳輸前沿知識、為技術(shù)工程師解答專業(yè)問題、為企業(yè)找到最適合的云解決方案！

審核編輯 黃宇