LLMs之RAG：LangChain-ChatGLM-Webui(一款基于本地知识库(各种文本文档)的自动问答的GUI界面实现)的简介、安装、使用方法之详细攻略
目录
LangChain-ChatGLM-Webui的简介
1、支持的模型
LangChain-ChatGLM-Webui的安装
1、安装
T1、直接安装
环境准备
启动程序
T2、Docker安装
(1)、Docker 基础环境运行
(2)、Docker 小白运行
2、开启服务：Jina Serving API
(1)、启动服务
(2)、执行curl初始化模型命令
(3)、执行curl构建向量库命令
(4)、执行curl发送指令
(5)、Docker API 服务快速启动
LangChain-ChatGLM-Webui的使用方法
LLMs之RAG：基于LangChain-ChatGLM-Webui项目+云端Docker部署(OpenI启智开源社区)、在线测试—实现基于本地知识库(各种类型文本文档)的自动问答的GUI界面—图文教程之详细攻略
LangChain-ChatGLM-Webui的简介
2023年5月份，LangChain-ChatGLM-Webui项目实现了基于本地知识库(各种文本文档)的自动问答的GUI界面实现，受到langchain-ChatGLM启发, 利用LangChain和ChatGLM-6B系列模型制作的Webui，提供基于本地知识的大模型应用。目前支持上传 txt、docx、md、pdf等文本格式文件, 提供包括ChatGLM-6B系列、Belle系列等模型文件以及GanymedeNil/text2vec-large-chinese、nghuyong/ernie-3.0-base-zh、nghuyong/ernie-3.0-nano-zh等Embedding模型。
GitHub地址：GitHub - thomas-yanxin/LangChain-ChatGLM-Webui: 基于LangChain和ChatGLM-6B等系列LLM的针对本地知识库的自动问答
1、支持的模型
若存在网络问题可在此找到本项目涉及的所有模型:
| large language model | Embedding model |
| ChatGLM-6B | text2vec-large-chinese |
| ChatGLM-6B-int8 | ernie-3.0-base-zh |
| ChatGLM-6B-int4 | ernie-3.0-nano-zh |
| ChatGLM-6B-int4-qe | ernie-3.0-xbase-zh |
| Vicuna-7b-1.1 | simbert-base-chinese |
| Vicuna-13b-1.1 | paraphrase-multilingual-MiniLM-L12-v2 |
| BELLE-LLaMA-7B-2M |
|
| BELLE-LLaMA-13B-2M |
|
| internlm-chat-7b-8k |
|
| internlm-chat-7b-v1_1 |
|
| internlm-chat-7b |
|
LangChain-ChatGLM-Webui的安装
视频教程：【免费算力+国产大模型】5分钟手把手带你搭建基于本地知识库的自动问答_哔哩哔哩_bilibili
1、安装
T1、直接安装
环境准备
项目需要Python>=3.8.1, 默认已安装torch
git clone本项目, 您可以在自己的terminal中执行:git clone https://github.com/thomas-yanxin/LangChain-ChatGLM-Webui.git. 若国内用户访问Github存在网络问题, 也可以执行: https://openi.pcl.ac.cn/Learning-Develop-Union/LangChain-ChatGLM-Webui.git进入本项目目录：cd LangChain-ChatGLM-Webui安装依赖包：pip install -r requirements.txt, 国内用户可设置清华源加速下载. 另: 若您想要安装测试ModelScope版本, 需要额外安装ModelScope包: pip install modelscope==1.4.3 -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html
OpenI启智社区部署推荐的Docker镜像: dockerhub.pcl.ac.cn:5000/user-images/openi:LangChain-ChatLLM-2.0
启动程序
Huggingface版本在terminal中执行命令: python3 app.py
cd modelscope执行命令：python3 app.py
T2、Docker安装
(1)、Docker 基础环境运行
运行镜像：docker run -it --rm --runtime=nvidia --gpus all --network host registry.cn-beijing.aliyuncs.com/public-development-resources/langchain-chatglm-webui:Base bashgit clone项目: git clone https://github.com/thomas-yanxin/LangChain-ChatGLM-Webui.git进入本项目目录：cd LangChain-ChatGLM-Webui安装依赖包：pip3 install -r requirements.txt执行app.py：python3 app.py
(2)、Docker 小白运行
运行镜像：docker run -d --name langchain-ChatGLM-webui --runtime=nvidia --gpus all --network host registry.cn-beijing.aliyuncs.com/public-development-resources/langchain-chatglm-webui:latest
访问服务：http://ip:7860
运行环境，镜像大小约14G。
nvidia-runtime 请参考: container-toolkit
本地模型放置目录：
BELLE-LLaMA-Local:/pretrainmodel/belle
Vicuna-Local:/pretrainmodel/vicuna
ChatGLM-Local:/pretrainmodel/chatglm
挂载cache目录，容器重启或更新无需重新下载相关模型。-v langchain-ChatGLM-webui-cache:/root/.cache/
2、开启服务：Jina Serving API
(1)、启动服务
lc-serve deploy local jina_serving
(2)、执行curl初始化模型命令
curl -X 'POST' \ 'http://localhost:8080/reinit_model' \ -H 'accept: application/json' \ -H 'Content-Type: application/json' \ -d '{ "large_language_model": "ChatGLM-6B-int8", "embedding_model": "text2vec-base" }'
(3)、执行curl构建向量库命令
curl -X 'POST' \ 'http://localhost:8080/vector_store' \ -H 'accept: application/json' \ -H 'Content-Type: application/json' \ -d '{ "file_path": "./README.md" }'
(4)、执行curl发送指令
curl -X 'POST' \ 'http://localhost:8080/predict' \ -H 'accept: application/json' \ -H 'Content-Type: application/json' \ -d '{ "input": "ChatGLM-6B的具体局限性？" "use_web": true, "top_k": 3, "history_len": 1, "temperature": 0.01, "top_p": 0.1, "history": [] }'
(5)、Docker API 服务快速启动
docker run -d --name LangChain-ChatGLM-Webui --runtime=nvidia --gpus all --network host registry.cn-beijing.aliyuncs.com/public-development-resources/langchain-chatglm-webui:api
LangChain-ChatGLM-Webui的使用方法
LLMs之RAG：基于LangChain-ChatGLM-Webui项目+云端Docker部署(OpenI启智开源社区)、在线测试—实现基于本地知识库(各种类型文本文档)的自动问答的GUI界面—图文教程之详细攻略
https://yunyaniu.blog.csdn.net/article/details/133981047
