目录
一、简介
二、环境安装
三、使用Langchain-Chatchat
3.1、下载模型
3.2、设置配置文件
3.3、执行
一、简介
基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现，开源、可离线部署的检索增强生成(RAG)大模型知识库项目。
🤖️ 一种利用 langchain 思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。
💡 受 GanymedeNil 的项目 document.ai 和 AlexZhangji 创建的 ChatGLM-6B Pull Request 启发，建立了全流程可使用开源模型实现的本地知识库问答应用。本项目的最新版本中通过使用 FastChat 接入 Vicuna, Alpaca, LLaMA, Koala, RWKV 等模型，依托于 langchain 框架支持通过基于 FastAPI 提供的 API 调用服务，或使用基于 Streamlit 的 WebUI 进行操作。
✅ 依托于本项目支持的开源 LLM 与 Embedding 模型，本项目可实现全部使用开源模型离线私有部署。与此同时，本项目也支持 OpenAI GPT API 的调用，并将在后续持续扩充对各类模型及模型 API 的接入。
⛓️ 本项目实现原理如下图所示，过程包括加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 -> 在文本向量中匹配出与问句向量最相似的 top k个 -> 匹配出的文本作为上下文和问题一起添加到 prompt中 -> 提交给 LLM生成回答。
二、环境安装
创建并激活环境、然后先安装torch等
conda create -n langchain-chatchat python=3.10 -y
conda activate langchain-chatchat
# 安装pytorch2.1.0 cuda12.1.0
pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu117
下载源码，安装依赖
git clone https://github.com/chatchat-space/Langchain-Chatchat.git
cd Langchain-Chatchat
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple三、使用Langchain-Chatchat
3.1、下载模型
如果官网无法下载，可以参考（该网站给了多种方法）：
本文在网站下载的模型chatglm2-6b，如下图：https://aliendao.cn/models/THUDM
在网站下载m3e-base：https://aliendao.cn/models/moka-ai
下载好之后放到源码根目录下：
3.2、设置配置文件
在路径：/Langchain-Chatchat-master/configs下全是.example格式的文件，把里面的文件全部复制、粘贴、重命名为.py格式文件，如下图：
其中，设置xxxxx路径，如下图：
3.3、执行
初始化，执行：
python init_database.py如果您是第一次运行本项目，知识库尚未建立，或者配置文件中的知识库类型、嵌入模型发生变化，或者之前的向量库没有开启 normalize_L2，需要以下命令初始化或重建知识库：
python init_database.py --recreate-vs出现以下信息表示正常。
如果你只有一块显卡，执行以下指令：
python startup.py -a我这有16块显卡，选择第7块显卡执行：
CUDA_VISIBLE_DEVICES=6 python startup.py -a出现以下信息表示正常。
如下图，提示你在浏览器中打开：
以下是在浏览器中打开的效果，可以开始对话了。
