LLM预备知识、工具篇——LLM+LangChain+web UI的架构解析

【常见名词】
一、LLM的低资源模型微调
二、向量数据库
- 1、Milvus(v2.1.4)：云原生自托管向量数据库（Ubuntu下）
- - 1）安装（Docker Compose方式）：
  - 2）管理工具（仅支持Milvus 2.0 之后的）：
  - 3）python操作：基于pymilvus == 2.1.3
- 2、Faiss
- 3、Pinecone：完全托管的云原生向量数据库
- 4、postgreSQL+pgvector插件
三、LangChain+外挂知识库
- 1、简介
- 2、安装
- 3、主要的几大模块：
四、AI web工具
- 1、Gradio==3.28.3
- 2、Streamlit == 1.25.0
五、其他
- 1、FastChat
- 2、FastAPI

【常见名词】

1、token
token是LLM中处理的最小文本单元，token的分割有多种策略：
（1）基于空格分词：即以空格为分隔,将文本分割成词组。对于英文可以使用这种方式。
（2）基于词典分词：根据预设的词典,在词典中可以匹配到的词组作为一个token；
（3）基于字节对齐分词：按照字节个数将文本分割,常见的中文模型使用2字节或3字节对；
（4）基于子词分词：将单词拆分为更小的子词组成token,例如"learning"可以拆分为[“learn”,“##ing”]；
（5）BPE分词：通过统计学将高频词组合并为一个token。（GPT系列采用的方式：是一种基于数据压缩原理的算法，它可以根据语料库中出现频率最高的字节对（byte pair）来合并字节，从而生成新的字节。）

一、LLM的低资源模型微调

（1）p tuning v2
在这里插入图片描述

（2）Lora
这种方法有点类似于矩阵分解，可训练层维度和预训练模型层维度一致为d，先将维度d通过全连接层降维至r，再从r通过全连接层映射回d维度，r<<d，r是矩阵的秩，这样矩阵计算就从d x d变为d x r + r x d，参数量减少很多，下图中对矩阵A使用随机高斯初始化，对矩阵B使用0进行初始化。
推理计算的时候，因为没有改变预训练权重，所以换不同的下游任务时，lora模型保存的权重也是可以相应加载进来的，通过矩阵分解的方法参数量减少了很多。
在这里插入图片描述

二、向量数据库

1、Milvus(v2.1.4)：云原生自托管向量数据库（Ubuntu下）

milvus的GitHub
支持元数据存储。

1）安装（Docker Compose方式）：

参考博客：https://blog.csdn.net/hello_dear_you/article/details/127841589
官网说明：https://milvus.io/docs/v2.1.x/install_standalone-docker.md

【注意】安装的时候，如果第一次安装错了版本，直接重新走下面的步骤的时候很可能启动时，milvus-minio秒退！！
在这里插入图片描述

（1）创建目录：

mkdir Milvus

（2）下载YAML文件

wget https://github.com/milvus-io/milvus/releases/download/v2.1.4/milvus-standalone-docker-compose.yml -O docker-compose.yml

（3）在YAML文件所在目录下启动Milvus

sudo docker compose up -d # docker v2，若是v1则使用docker-compose；使用docker compose version查看docker版本

【注意】
① 如果没有docker命令，则安装：

sudo snap install docker

② 这个命令开始执行之后会自动下载Milvus对应的镜像文件，需要等待一段时间。当镜像下载完成后，相应的容器也会启动。
在这里插入图片描述
（4）查看Milvus的启动状态：

sudo docker compose ps

在这里插入图片描述

（5）停止Milvus

sudo docker compose down

2）管理工具（仅支持Milvus 2.0 之后的）：

（1） Milvus_cli
（2） Attu可视化管理界面官方安装教程

attu的GitHub
注意 attu 和 milvus 版本之间的对应关系，否则会登录不了，点击connect报400 Bad Request。

milvus	attu
2.0.x	2.0.5
2.1.x	2.1.5
2.2.x	2.2.6

① 使用Docker Compose方式进行安装，
step1：通过Docker Compose方式安装完成milvus（即下载完YAML文件）；
step2：编辑下载好的YAML文件，在service语句块添加以下内容：

attu:
  container_name: attu
  image: zilliz/attu:v2.1.5
  environment:
    MILVUS_URL: milvus-standalone:19530
  ports:
    - "8001:3000"  # 我的8000端口一直提示被占用，所以换成了8001端口
  depends_on:
    - "standalone"

step3：启动milvus：sudo docker-compose up -d
在这里插入图片描述

② 使用docker安装

docker run -p 8001:3000  -e MILVUS_URL={your machine IP}:19530 zilliz/attu:v2.1.5

step4：安装完成后，在连网的浏览器输入：http://{ your machine IP }:8001即可进入attu登录界面。
（your machine IP为安装milvus的机器ip；下图为attu的登陆界面，没有放开账号密码认证。）

3）python操作：基于pymilvus == 2.1.3

注意Milvus版本和pymilvus版本之间的对应，否则会报错：pymilvus.exceptions.MilvusException: <MilvusException: (code=1, message=this version of sdk is incompatible with server, please downgrade your sdk or upgrade your server)>
两者之间的版本对应：官网

Milvus	pymilvus
2.2.12	2.2.14
2.2.11	2.2.13
2.1.4	2.1.3
2.1.2	2.1.2

pymilvus不同版本之间差异很大。
milvus的字段数据类型（dtype）：仅可以在向量类型字段（（BINARY_VECTOR、FLOAT_VECTOR））上创建索引

数据类型	说明
NONE
BOOL
INT8	支持主键字段
INT16	支持主键字段
INT32	支持主键字段
INT64	支持主键字段
FLOAT
DOUBLE
STRING
VARCHAR
BINARY_VECTOR	二值型向量，可以在该类型字段上创建索引（适用下表中的后两种索引）
FLOAT_VECTOR	浮点型向量，可以在该类型字段上创建索引（适用下表中的前九种索引）
UNKNOWN

索引类型（index_type）与向量度量类型（metric_type）：

索引类型	说明	可用的度量类型
FLAT	适用于需要 100% 召回率且数据规模相对较小（百万级）的向量相似性搜索应用	“L2”, “IP”
IVFLAT / IVF_FLAT	基于量化的索引，适用于追求查询准确性和查询速度之间理想平衡的场景（高速查询、要求高召回率）	“L2”, “IP”
IVF_SQ8	基于量化的索引，适用于磁盘或内存、显存资源有限的场景（高速查询、磁盘和内存资源有限、接受召回率的小幅妥协）	“L2”, “IP”
IVF_PQ	基于量化的索引，适用于追求高查询速度、低准确性的场景（超高速查询、磁盘和内存资源有限、接受召回率的实质性妥协）	“L2”, “IP”
HNSW	基于图的索引，适用于追求高查询效率的场景（高速查询、要求尽可能高的召回率、内存资源大的情景）	“L2”, “IP”
ANNOY	基于树的索引，适用于追求高召回率的场景（低维向量空间）	“L2”, “IP”
RHNSW_FLAT	基于量化和图的索引，高速查询、需要尽可能高的召回率、内存资源大的情景	“L2”, “IP”
RHNSW_PQ	基于量化和图的索引，超高速查询、磁盘和内存资源有限、接受召回率的实质性妥协	“L2”, “IP”
RHNSW_SQ	基于量化和图的索引，高速查询、磁盘和内存资源有限、接受召回率的小幅妥协	“L2”, “IP”
BIN_FLAT	-	“JACCARD”, “TANIMOTO”, “HAMMING”, “SUBSTRUCTURE”, “SUPERSTRUCTURE”
BIN_IVF_FLAT	-	“JACCARD”, “TANIMOTO”, “HAMMING”

（1）创建conda环境Milvus，并安装pymilvus

pip install pymilvus

【注意】操作时使用docker-compose ps -a查看milvus运行状态，确保milvus容器处在开启状态。

2、Faiss

FAISS的GitHub
C++编写的向量索引工具，是针对稠密向量进行相似性搜索和聚类的一个高效类库；有python接口，有CPU版和GPU版，可以直接pip安装。
不支持元数据存储

pip install faiss-cpu==1.7.3
# 或者conda环境中安装
conda install faiss-cpu -c pytorch # cpu 版本
conda install faiss-gpu cudatoolkit=8.0 -c pytorch # GPU 版本 For CUDA8

3、Pinecone：完全托管的云原生向量数据库

python中使用：

# langchain中的模块
from langchain.vectorstores import Pinecone

4、postgreSQL+pgvector插件

GitHub网址：https://github.com/pgvector/pgvector
详细内容参见博客：https://blog.csdn.net/lucky_chaichai/article/details/118575261

三、LangChain+外挂知识库

1、简介

langchain中文网：https://www.langchain.com.cn/
LangChain是一个链接面向用户程序和LLM之间的一个中间层，用以集成LLM和自有知识库的数据。
LangChain，可以通过将其它计算资源和自有的知识库结合，通过输入自己的知识库来“定制化”自己的大语言模型，防止“AI幻觉”；
使用langchain将外挂知识库与LLM结合的策略是：
在向量数据库中索引 question 的相似向量（度量准则包括余弦距离、欧式距离等），找到top_n条向量对应的关联文本作为context，根据预设的模板拼接得到最终的prompt，如：

已知信息：{context}
根据上述已知信息，简洁和专业的来回答用户的问题。如果无法从中得到答案，请说 “根据已知信息无法回答该问题” 或 “没有提供足够的相关信息”，不允许在答案中添加编造成分，答案请使用中文。
问题是：{question}

外挂知识库+LLM的一般过程：
在这里插入图片描述

2、安装

pip install langchain

3、主要的几大模块：

LLM API模块：langchain.llms
文本分块器：langchain.text_splitter（text_splitter中常用分类器介绍）
向量模型加载、向量化模块：langchain.embeddings
向量存储、索引模块：from langchain.vectorstores import Milvus, FAISS, Pinecone, Chroma
文件操作模块：langchain.docstore、angchain.document_loaders
langchain.agents

四、AI web工具

1、Gradio==3.28.3

Gradio的GitHub：https://github.com/gradio-app/gradio
Gradio支持Markdown文本显示规则，‘\n’换行不起作用，需要替换为‘<br/>’；
目前感觉这个真的仅适合做小demo（可能我还不是太精通吧）；
组件的value是什么数据类型，则在触发事件的函数 fn 中就直接看作该类型进行操作。

gr.Interface()、gr.Blocks()两种方式搭建UI界面：

组件/事件监听器	描述
State(value)	隐藏组件，用于存储一些组件交互需要使用的变量，可以通过组件之间的交互改变其值，可以使用obj.value获取其值
Markdown(value)	Markdown格式的文本输入输出，在页面上遵循Markdown规范显示文本（value）
Tab(value)	“标签页”布局组件，在一个页面上可以多个tab切换，value为tab上显示的文字
Row(variant)	行类型，“default”（无背景）、“panel”（灰色背景色和圆角）或“compact”（圆角和无内部间隙）
Column(scale)	“列布局”组件，scale为与相邻列相比的相对宽度
Accordion(label)	折叠框组件， label为折叠筐的名称（会显示在组件上）
Chatbot(value)	对话框组件，value为对话框默认值，一般为 [[我方None, 他方init_message], …]，该组件在“触发”的fn函数中一般作为上述格式的list使用
Textbox(placeholder)	文本框组件，placeholder为在文本区域提供占位符提示的字符串
Radio()
Button(value, interactive)	按钮组件，value为按钮上面显示的文字；interactive=False则按钮为禁用状态
Dropdown(choices, label, value)	下拉框组件，choices为list，其中元素为可选项；label下拉框的名称（会显示在组件上）；value为list中的默认选项
Number(value, label)	创建数字输入和显示数字输出的组件，value为该组件默认值，label为该组件名称（会显示在组件上）
change(fn, input, output)	触发事件，当前组件（如Dropdown）的输入值改变时将会触发这个事件，fn根据输入input生成输出output，input、output均为组件或组件列表，fn的每个参数对应一个输入组件，每个返回值对应一个输出组件
click(fn, input, output)	触发事件，当前组件（如Button）点击时将会触发这个事件
setup()
submit(fn, input, output)	触发事件，当前组件（如Textbox）提交（回车）时将会触发这个事件

2、Streamlit == 1.25.0

在做LLM聊天web UI方面，streamlit要比Gradio复杂的多，功能也更加强大，需要自己对各种组件进行风格渲染（没有现成的chatbot这种组件）。
与Gradio相比，需要一点前端基础知识。
不同于Gradio，定义的组件对象和使用st.session_state.[组件key]获取的值一样……
运行方式：在py文件路径下，执行命令streamlit run webui_st.py

简单的聊天对话框示例：


import time

import streamlit as st

class MsgType:
    '''
    目前仅支持文本类型的输入输出，为以后多模态模型预留图像、视频、音频支持。
    '''
    TEXT = 1
    IMAGE = 2
    VIDEO = 3
    AUDIO = 4

class ST_CONFIG:
    user_bg_color = '#77ff77'
    user_icon = 'https://tse2-mm.cn.bing.net/th/id/OIP-C.LTTKrxNWDr_k74wz6jKqBgHaHa?w=203&h=203&c=7&r=0&o=5&pid=1.7'
    robot_bg_color = '#ccccee'
    robot_icon = 'https://ts1.cn.mm.bing.net/th/id/R-C.5302e2cc6f5c7c4933ebb3394e0c41bc?rik=z4u%2b7efba5Mgxw&riu=http%3a%2f%2fcomic-cons.xyz%2fwp-content%2fuploads%2fStar-Wars-avatar-icon-C3PO.png&ehk=kBBvCvpJMHPVpdfpw1GaH%2brbOaIoHjY5Ua9PKcIs%2bAc%3d&risl=&pid=ImgRaw&r=0'
    default_mode = '知识库问答'
    defalut_kb = ''

def robot_say(msg, kb=''):
    st.session_state['history'].append(
        {'is_user': False, 'type': MsgType.TEXT, 'content': msg, 'kb': kb})


def user_say(msg):
    st.session_state['history'].append(
        {'is_user': True, 'type': MsgType.TEXT, 'content': msg})

def format_md(msg, is_user=False, bg_color='', margin='10%'):
    '''
    将文本消息格式化为markdown文本, 指定user 和 robot消息背景色、左右位置等
    Parameters
    ----------
    msg: 文本内容
    bg_color: 指定markdown文本的背景颜色
    '''
    if is_user:
        bg_color = bg_color or ST_CONFIG.user_bg_color
        text = f'''
                <div style="background:{bg_color};
                        margin-left:{margin};
                        word-break:break-all;
                        float:right;
                        padding:2%;
                        border-radius:2%;">
                {msg}
                </div>
                '''
    else:
        bg_color = bg_color or ST_CONFIG.robot_bg_color
        text = f'''
                <div style="background:{bg_color};
                        margin-right:{margin};
                        word-break:break-all;
                        padding:2%;
                        border-radius:2%;">
                {msg}
                </div>
                '''
    return text

def message(msg,
            is_user=False,
            msg_type=MsgType.TEXT,
            icon='',
            bg_color='',
            margin='10%',
            kb='',
            ):
    '''
    渲染单条消息（包括双方头像、聊天文本）。目前仅支持文本
    返回第2列对象
    '''
    # 定义界面中的列，若参数为一个整数n，则意为插入n个等尺寸列；若为列表[1, 10, 1]则意为插入3列，数值为各列之间的倍数（数值为小数，则指占界面百分比）
    # 该函数中，列cols[0]为robot头像，cols[2]为user头像，cols[1]为聊天消息（markdown文本）
    cols = st.columns([1, 10, 1]) 
    empty = cols[1].empty() # 将第2列初始化为空
    if is_user:
        icon = icon or ST_CONFIG.user_icon
        bg_color = bg_color or ST_CONFIG.user_bg_color
        cols[2].image(icon, width=40) # 第3列展示user头像
        if msg_type == MsgType.TEXT:
            text = format_md(msg, is_user, bg_color, margin)
            empty.markdown(text, unsafe_allow_html=True) # 将第2列填充user的Markdown文本
        else:
            raise RuntimeError('only support text message now.')
    else:
        icon = icon or ST_CONFIG.robot_icon
        bg_color = bg_color or ST_CONFIG.robot_bg_color
        cols[0].image(icon, width=40) # 第1列展示robot头像
        if kb:
            cols[0].write(f'({kb})') # 用于向Web应用程序添加任何内容？？
        if msg_type == MsgType.TEXT:
            text = format_md(msg, is_user, bg_color, margin)
            empty.markdown(text, unsafe_allow_html=True) # 将第2列填充robot的Markdown文本
        else:
            raise RuntimeError('only support text message now.')
    return empty


def output_messages(
    user_bg_color='',
    robot_bg_color='',
    user_icon='',
    robot_icon='',
):
    with chat_box.container(): # 为st添加一个多元素容器（chat_box为前面定义的st的占位符）
        last_response = None
        for msg in st.session_state['history']:
            bg_color = user_bg_color if msg['is_user'] else robot_bg_color
            icon = user_icon if msg['is_user'] else robot_icon
            empty = message(msg['content'],
                            is_user=msg['is_user'],
                            icon=icon,
                            msg_type=msg['type'],
                            bg_color=bg_color,
                            kb=msg.get('kb', '')
                            )
            if not msg['is_user']:
                last_response = empty
    return last_response

if __name__ == "__main__":
    webui_title = """
        👍langchain-ChatGLM WebUI
        """
    robot_say_ininfo = ('您好：\n\n'
                        '欢迎使用本机器人聊天界面（初版），基于streamlit我还在努力中哦~~🎉') # 注意这个写法，只有一对引号的话第二行会为其他背景色
    LLM_MODEL = 'baichuan-130b'
    EMBEDDING_MODEL = 'ernie-3.0-base-zh'
    modes = ['LLM 对话', '知识库问答', 'Bing搜索问答', '知识库测试']

    st.set_page_config(webui_title, layout='wide') # webui_title是浏览器选项卡中显示的页面标题
    # session_state在st rerun过程中定义、存储共享变量，可以存储任何对象；只可能在应用初始化时被整体重置。而rerun不会重置session state。
    # 调用其中变量的方法：st.session_state.[变量的key]
    st.session_state.setdefault('history', []) # history为变量的key，[]为初始值
    # 定义“等待提示”，注意每次对界面操作都会加载一次！！！？
    with st.spinner(f'正在加载模型({LLM_MODEL} + {EMBEDDING_MODEL})，请耐心等候...'):
        time.sleep(2)

    # 定义侧边栏
    with st.sidebar:
        robot_say(robot_say_ininfo)

        def on_mode_change():
            m = st.session_state.mode
            robot_say(f'已切换到"{m}"模式')

        index = 0
        mode = st.selectbox('对话模式', modes, index,
                        on_change=on_mode_change, key='mode') # on_change为复选框操作出发的变化函数
        print('mode:', mode) # 打印的结果即为mode里面的值（字符串）

    chat_box = st.empty() # 为st应用添加一个占位符
    # 创建表单容器，clear_on_submit=True表示在用户按下提交按钮后，表单内的所有小部件都将重置为其默认值
    with st.form('my_form', clear_on_submit=True):
        cols = st.columns([8, 1])
        question = cols[0].text_input(
            'temp', key='input_question', label_visibility='collapsed') # 第1列为文本输入框
        print('question:', question) # 打印结果即为文本框中输入的文本

        def on_send():
            q = st.session_state.input_question
            user_say(q)
            print("st.session_state['history']:", st.session_state['history'])

            last_response = output_messages()
            
            # last_response.markdown(
            #     format_md(st.session_state['history'][-1]['content'], False),
            #     unsafe_allow_html=True
            #     )
        submit = cols[1].form_submit_button('发送', on_click=on_send) # 第2列为按钮，on_click为点击按钮出发的操作函数
    
    output_messages() # 不执行这个函数页面会不展示聊天历史

首次运行结果：
在这里插入图片描述
操作效果：

五、其他

1、FastChat

fastchat的GitHub
fastchat是一个基于聊天机器人方式对LLM快速训练、部署、评估的开放平台：将LLM下载到本地后，可以通过fastchat中的 CLI 、Web 两种方式加载 / 调用 / 启动LLM，快速与LLM进行对话：
- CLI方式（命令行交互界面）：
  python -m fastchat.serve.cli --model-path [a LLM local folder or a Hugging Face repo name]
  - -device cpu：使用CPU运行；
  - -num-gpus 2：指定使用的GPU数量；
  - -max-gpu-memory 8GiB：指定每个GPU使用的最大内存8G。
- Web方式（web UI交互界面）：
  需要三个主要组件：web servers（与用户的接口）、model workers（组织模型）、a controller（协调前两者）
  （1）命令行启动：
  ① python -m fastchat.serve.controller
  ② python -m fastchat.serve.model_worker --model-path [a LLM local folder or a Hugging Face repo name]
  ③ python -m fastchat.serve.[gradio_web_server / openai_api_server ]
  openai_api_server：启动RESTful API server，为其支持的LLM提供OpenAI-compatible APIs（即通过该命令启动后，可以使用 openai 的方式与model_worker 对应的LLM进行对话）；后续也可以接入Langchain（内在逻辑？？）。
  - -host [ localhost ] --port [ 8000 ]：启动RESTful API server时，需要指定host、port
  （2）基于fastchat模块：
  from fastchat.serve.controller import Controller, app
  from fastchat.serve.model_worker import (AWQConfig, GptqConfig, ModelWorker, app, worker_id)
  from fastchat.serve.openai_api_server import (CORSMiddleware, app, app_settings)
  CLI的结果：（81个CPU，一个问题要等2分钟差不多……）
  
  web方式启动后，后续基于python的操作：
  可以基于openai模块（如下例），也可以基于langchain中的 LLMChain 和 from langchain.chat_models import ChatOpenAI

import openai

openai.api_key = "EMPTY"  
openai.api_base = "http://localhost:8000/v1"

def test_chat_completion_stream(model = "chatglm2-6b"):
	# 流式的测试，参考：https://github.com/lm-sys/FastChat/blob/main/tests/test_openai_api.py
    messages = [
    	{"role": "user", 
    	 "content": "Hello! What is your name?"}
    	 ]
    res = openai.ChatCompletion.create(model=model, messages=messages, stream=True)
    for chunk in res:
        content = chunk["choices"][0]["delta"].get("content", "")
        print(content, end="", flush=True)
    print()

def text_chat_completion(model = "chatglm2-6b"):
	# create a chat completion
	completion = openai.ChatCompletion.create(
	   model=model,
	   messages=[{"role": "user", "content": "Hello! What is your name?"}]
	 )
	# print the completion
	print(completion.choices[0].message.content)