如何部署 Rerank 模型 - 链载Ai

Rerank 在 RAG（Retrieval-Augmented Generation）过程中扮演了一个非常重要的角色，普通的 RAG 可能会检索到大量的文档，但这些文档可能并不是所有的都跟问题相关，而 Rerank 可以对文档进行重新排序和筛选，让相关的文档排在前面，从而提高 RAG 的效果。本文将介绍使用 HuggingFace 的 Text Embedding Inherence 工具部署 Rerank 模型，以及演示如何在 LlamaIndex 的 RAG 中加入 Rerank 功能。

Rerank 介绍

RAG 是一种结合了信息检索和文本生成的语言模型技术。简单来说，当你向大语言模型（LLM）提出一个问题时，RAG 首先会在一个大型的文档集合中寻找相关信息，然后再基于这些信息生成回答。

Rerank 的工作就像是一个智能的筛选器，当 RAG 从文档集合中检索到多个文档时，这些文档可能与你的问题相关度各不相同。有些文档可能非常贴切，而有些则可能只是稍微相关或者甚至是不相关的。这时，Rerank 的任务就是评估这些文档的相关性，然后对它们进行重新排序。它会把那些最有可能提供准确、相关回答的文档排在前面。这样，当 LLM 开始生成回答时，它会优先考虑这些排名靠前的、更加相关的文档，从而提高生成回答的准确性和质量。通俗来说，Rerank 就像是在图书馆里帮你从一堆书中挑出最相关的那几本，让你在寻找答案时更加高效和精准。

Rerank 模型部署

目前可用的 Rerank 模型并不多，有 Cohere^[1] 的线上模型，通过 API 的形式进行调用。开源的模型有智源的bge-reranker-base^[2]、bge-reranker-large^[3]。今天我们将使用 bge-reranker-large 模型来进行部署演示。

Text Embedding Inherence

我们将使用 HuggingFace 推出的 Text Embedding Inherence（以下简称 TEI）工具来部署 Rerank 模型，TEI 是一个用于部署和提供开源文本嵌入和序列分类模型的工具，该工具主要是以部署 Embedding 模型为主，但是也支持 Rerank 和其他类型的模型的部署，同时它还支持部署兼容 OpenAI API 的 API 服务。

我们先进行 TEI 的安装，安装方式有 2 种，一种是通过 Docker 方式，另外一种是通过源码安装的方式，可以同时支持 GPU 和 CPU 的机器部署。

因为 Docker 安装需要有 GPU 的服务器，而一些云 GPU 服务器不方便使用 Docker，因此我们在 Mac M1 电脑上通过源码的方式来进行安装。

首先需要在电脑上安装 Rust，建议安装 Rust 的最新版本 1.75.0，安装命令如下：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

然后下载 TEI 的 github 仓库，并安装相关依赖，命令如下：

git clone https://github.com/huggingface/text-embeddings-inference.git
cd text--embeddings-inference
cargo install --path router -F candle -F metal

其中 router 是 TEI 仓库里面的一个目录
安装成功后，可以使用text-embeddings-router --help命令来查看工具的相关参数

TEI 安装完成后，我们使用它来部署 Rerank 模型，命令如下：

text-embeddings-router --model-id BAAI/bge-reranker-large --revision refs/pr/5 --port 8080

--model-id是指模型在 Huggingface 上的 ID，revision是相关的版本号
--port是指服务的端口号
执行命令后，TEI 会从 Huggingface 上下载模型，下载到本地路径~/.cache/huggingface/hub/models--BAAI--bge-reranker-large

服务启动后，我们可以在浏览器访问地址http://localhost:8080/docs来查看服务的 API 文档：

在图中可以看到有 Rerank 的接口，我们尝试用 Curl 工具来调用该接口进行验证：

curl -X 'OST' \
'http://localhost:8080/rerank' \
-H 'accept: application/json' \
-H 'Content-Type: application/json' \
-d '{
"query": "What is Deep Learning?",
"texts": [
"Deep Learning is ...",
"hello"
]
}'

# 显示结果
[
{
"index":0,
"score":0.99729556
},
{
"index":1,
"score":0.00009387641
}
]

Rerank 的接口比较简单，只需要传问题query和相关的文档texts这 2 个参数即可，返回结果表示每个文档和问题的相似度分数，然后按照分数大小来进行排序，可以看到第一个文档与问题语义相近所以得分比较高，第二个文档和问题不太相关所以得分低。

需要注意的是，因为该模型是 Rerank 模型，所以如果是调用其中的embedding接口会报模型不支持的错误。如果你想同时拥有 Rerank 和 Embedding 的功能，可以再使用 TEI 部署一个 Embedding 模型，只要端口号不冲突就可以了。

TEI 也支持 Embedding 模型和序列分类模型的部署，其它模型的部署可以参考 TEI 的官方仓库^[4]，这里就不再赘述。

LlamaIndex 使用 Rerank 功能

我们先来看下 LlamaIndex 普通的 RAG 功能，示例代码如下：

from llama_index import ServiceContext, VectorStoreIndex, SimpleDirectoryReader

documents = SimpleDirectoryReader("./data").load_data()
service_context = ServiceContext.from_defaults(llm=None)
index = VectorStoreIndex.from_documents(documents, service_context=service_context)
query_engine = index.as_query_engine()

response = query_engine.query("健康饮食的好处是什么？")
print(f"response: {response}")

data是放我们测试文档的目录，测试文档内容待会会介绍
LlamaIndex 默认使用 OpenAI 的 LLM，这样的话response是 LLM 生成的答案，这里我们将llm设置为None，response就只会显示传递给 LLM 的提示词模板
LlamaIndex 默认使用 OpenAI 的 Embedding 来向量化文档，因此需要设置环境变量OPENAI_API_KEY为你的 OpenAI API Key
其他部分就是 LlamaIndex 的一个普通 RAG 代码，加载目录文档，解析分块索引保存，最后进行查询

我们再来看下测试文档内容：

$ tree data
data/
├── rerank-A.txt
├── rerank-B.txt
└── rerank-C.txt

$ cat rerank-A.txt
### 快餐的负面影响：健康与生活方式的隐忧
快餐，一种在现代快节奏生活中极为普遍的饮食选择......

$ cat rerank-B.txt
### 选择有机，选择健康：探索有机食品的无限好处
在今天这个注重健康和可持续生活的时代......

$ cat rerank-C.txt
### 健康饮食的益处：营养学视角的探讨
摘要：健康饮食是维持和提升整体健康的关键......

这些测试文档都是和饮食相关的文档，我们执行下代码看下结果：

# response 显示结果
LLM is explicitly disabled. Using MockLLM.
response: Context information is below.
------------------file_path: data/rerank-C.txt

### 健康饮食的益处：营养学视角的探讨
摘要：健康饮食是维持和提升整体健康的关键.....

file_path: data/rerank-A.txt

### 快餐的负面影响：健康与生活方式的隐忧
快餐，一种在现代快节奏生活中极为普遍的饮食选择......
------------------Given the context information and not prior knowledge, answer the query.
Query: 健康饮食的好处是什么？
Answer:

可以看到程序会检索出和问题相似度最高的 2 个文档rerank-C.txt和rerank-A.txt，但 A 文档似乎和问题关联性不大，我们可以使用 Rerank 来改进这一点。

我们需要使用 LlamaIndex 的Node PostProcessor组件来调用 Rerank 功能，Node Postprocessor 的作用是在查询结果传递到查询流程的下一个阶段之前，修改或增强这些结果。因此我们先来定一个自定义的Node PostProcessor来调用我们刚才部署的 Rerank 接口，代码如下：

import requests
from typing import List, Optional
from llama_index.bridge.pydantic import Field, PrivateAttr
from llama_index.postprocessor.types import BaseNodePostprocessor
from llama_index.schema import NodeWithScore, QueryBundle

class CustomRerank(BaseNodePostprocessor):
url: str = Field(description="Rerank server url.")
top_n: int = Field(description="Top N nodes to return.")

def __init__(
self,
top_n: int,
url: str,
):
super().__init__(url=url, top_n=top_n)

def rerank(self, query, texts):
url = f"{self.url}/rerank"
request_body = {"query": query, "texts": texts, "truncate": False}
response = requests.post(url, json=request_body)
if response.status_code != 200:
raise RuntimeError(f"Failed to rerank documents, detail: {response}")
return response.json()

@classmethod
def class_name(cls) -> str:
return "CustomerRerank"

def _postprocess_nodes(
self,
nodes: List[NodeWithScore],
query_bundle: Optional[QueryBundle] = None,
) -> List[NodeWithScore]:
if query_bundle is None:
raise ValueError("Missing query bundle in extra info.")
if len(nodes) == 0:
return []

texts = [node.text for node in nodes]
results = self.rerank(
query=query_bundle.query_str,
texts=texts,
)

new_nodes = []
for result in results[0 : self.top_n]:
new_node_with_score = NodeWithScore(
node=nodes[int(result["index"])].node,
score=result["score"],
)
new_nodes.append(new_node_with_score)
return new_nodes

我们定义了一个CustomRerank类，继承自BaseNodePostprocessor，并实现了_postprocess_nodes方法
CustomRerank类有 2 个参数，url是我们刚才部署的 Rerank 服务地址，top_n是指返回的文档数量
在_postprocess_nodes方法中，我们先将原始检索到的文档转化为文本列表，再和问题一起传递给 rerank方法
rerank方法会调用 Rerank 接口，这里要注意的是，TEI 中的 texts参数每个文档的长度不能超过 512 个字符，如果超过了会报 413 请求参数超过限制大小的错误，这时可以将truncate参数设置为True，接口会自动将过长的文档进行截断
得到 Rerank 的结果后，我们根据top_n参数来截取前 N 个文档，然后返回重新排序后的文档列表

我们再来看如何在 LlamaIndex 中使用CustomRerank，代码如下：

from custom_rerank import CustomRerank

......
query_engine = index.as_query_engine(
node_postprocessors=[CustomRerank(url="http://localhost:8080", top_n=1)],
)

response = query_engine.query("健康饮食的好处是什么？")
print(f"response: {response}")

我们在as_query_engine方法中传递了node_postprocessors参数，这里我们将CustomRerank类传递进去
在CustomRerank类中，我们设置 Rerank 的 API 地址和 top_n 参数，这里我们设置为 1，表示只返回一个文档

修改完代码后，我们再次运行程序，可以看到结果如下：

# response 显示结果
LLM is explicitly disabled. Using MockLLM.
response: Context information is below.
------------------file_path: data/rerank-C.txt

### 健康饮食的益处：营养学视角的探讨
摘要：健康饮食是维持和提升整体健康的关键.....

------------------Given the context information and not prior knowledge, answer the query.
Query: 健康饮食的好处是什么？
Answer:

可以看到这次传递给 LLM 的文档只有rerank-C.txt，Rerank 只获取了最接近问题的一个文档，这样 LLM 生成的答案就更加准确了。我们可以在CustomRerank类打印原始检索的得分和经过 Rerank 后的得分，结果如下所示：

source node score: 0.8659382811170047
source node score: 0.8324490144594573
-------------------rerank node score: 0.9941347
rerank node score: 0.072374016

可以看到两者的得分是有差距的，这是因为原始检索和 Rerank 使用的模型不同，所以得到的分数也不同。

总结

今天我们介绍了 Rerank 模型的部署和使用，Rerank 模型可以帮助我们对检索到的文档进行重新排序，让相关的文档排在前面，并且过滤掉不相关的文档，从而提高 RAG 的效果。我们使用 HuggingFace 的 Text Embedding Inherence 工具来部署 Rerank 模型，同时演示了如何在 LlamaIndex 的 RAG 加入 Rerank 功能。希望本文对你有所帮助，如果有什么问题欢迎在评论区留言。

关注我，一起学习各种人工智能和 AIGC 新技术，欢迎交流，如果你有什么想问想说的，欢迎在评论区留言。

参考:

[1]

Cohere: https://cohere.com/

[2]

bge-reranker-base: https://huggingface.co/BAAI/bge-reranker-base

[3]

bge-reranker-large: https://huggingface.co/BAAI/bge-reranker-large

[4]

官方仓库: https://github.com/huggingface/text-embeddings-inference