1 原理

2 langchain-ChatGLM的开发部署

2.1 安装环境

2.2 加载本地模型

3 langchain-TigerBot的开发部署

刷B站的时候，无意中看到吴恩达的一个langchain的教程，然后去github上搜了下，发现别人利用langchain和chatGLM做的基于本地知识库的问答应用挺好的，学习下,同时增加了利用langchain-TigerBot实现的本地知识库。

1 原理

基于本地知识库的问答应用原理如上图，首先把本地知识库的文档分割成片段，然后利用embedding模型将文字用向量表示，然后保存到向量库中，然后我们提问的问题也用向量表示，然后将我们的问题和向量库的向量进行匹配，得到相似的结果，然后组装成prompt，送到语言模型中，得到我们想要的答案，

然后我看刘虔的培训教程中有个这样的代码示例

我的理解其实就是从文档中搜索出问题和答案，然后一起送到大模型，让大模型生成回答。

2 langchain-ChatGLM的开发部署

2.1 安装环境

langchain-ChatGLM/docs/INSTALL.md at master · imClumsyPanda/langchain-ChatGLM · GitHub

conda create  -n langchain-chatglm-chw python=3.8
conda activate langchain-chatglm-chw# 拉取仓库
$ git clone https://github.com/imClumsyPanda/langchain-ChatGLM.git# 进入目录
$ cd langchain-ChatGLM# 项目中 pdf 加载由先前的 detectron2 替换为使用 paddleocr，如果之前有安装过 detectron2 需要先完成卸载避免引发 tools 冲突
$ pip uninstall detectron2# 检查paddleocr依赖，linux环境下paddleocr依赖libX11，libXext
$ yum install libX11   #sudo apt-get install libx11-dev
$ yum install libXext  #sudo apt-get install libxext-dev# 安装依赖
$ pip install -r requirements.txt# 验证paddleocr是否成功，首次运行会下载约18M模型到~/.paddleocr
$ python loader/image_loader.py

然后执行 python loader/image_loader.py会报错

Traceback (most recent call last):File "loader/image_loader.py", line 8, in <module>from configs.model_config import NLTK_DATA_PATH
ModuleNotFoundError: No module named 'configs'

在github的issue里面搜索configs这个关键字发现

按照这个修改了之后发现，出现了这个报错

Traceback (most recent call last):File "loader/image_loader.py", line 36, in <module>from configs.model_config import NLTK_DATA_PATH
ModuleNotFoundError: No module named 'configs.model_config'

然后继续在issues中搜索configs.model_config'

好吧，原因是python库中有个configs包，我们的工程中也有个configs文件夹，我们应该是要去工程文件夹configs中找而不是python的configs库中找，所以用下面命令卸载configs库就好了

pip uninstall configs

注：使用 langchain.document_loaders.UnstructuredFileLoader 进行非结构化文件接入时，可能需要依据文档进行其他依赖包的安装，请参考 langchain 文档。

那我去看一下加载非结构化文档需要安装什么：Unstructured File |

利用langchain-ChatGLM、langchain-TigerBot实现基于本地知识库的问答应用相关推荐

基于本地知识库的问答机器人langchain-ChatGLM
原文:基于本地知识的问答机器人langchain-ChatGLM - 知乎背景 ChatGPT火了后,各种大语言模型(LLM)模型相继被发布,完全开源的有ChatGLM.BLOOM.LLaMA等.但 ...
给LLM装上知识：从LangChain+LLM的本地知识库问答到LLM与知识图谱的结合
前言过去半年,随着ChatGPT的火爆,直接带火了整个LLM这个方向,然LLM毕竟更多是基于过去的经验数据预训练而来,没法获取最新的知识,以及各企业私有的知识为了获取最新的知识,ChatGPT p ...
从零实现Transformer、ChatGLM-6B、本地知识库、模型(训练/推理)加速
前言最近一直在做类ChatGPT项目的部署微调,关注比较多的是两个:一个LLaMA,一个ChatGLM,会发现有不少模型是基于这两个模型去做微调的,说到微调,那具体怎么微调呢,因此又详细了解了一下 ...
模板会有多层镜像_创建镜像的方法有三种：基于已有镜像的容器创建、基于本地模板导入、基于Dockerfile创建，本博文讲解前两种。基于已有镜像的容器创建该方法是使用docke...
创建镜像的方法有三种:基于已有镜像的容器创建.基于本地模板导入.基于Dockerfile创建,本博文讲解前两种. 基于已有镜像的容器创建该方法是使用docker commit命令,其命令格式为: d ...
Ubuntu下利用ipmitool工具解决IPMI（基于openbmc）的web页面崩溃或出现session expired的问题
1.问题出现如上图,笔者在一年多前买到了一台DDN公司的存储服务器控制器,配置十分的豪华(3647CPU,支持第一代与第二代可拓展志强的正式版,qs与es,1U的空间,六通道内存,支持dcpmm,两 ...
DL之LSTM：基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(层加深，基于keras)对单个character字符预测
DL之LSTM:基于<wonderland爱丽丝梦游仙境记>小说数据集利用LSTM算法(层加深,基于keras)对单个character字符预测目录基于<wonderland爱丽 ...
DL之GD：利用LogisticGD算法(梯度下降)依次基于一次函数和二次函数分布的数据集实现二分类预测(超平面可视化)
DL之GD:利用LogisticGD算法(梯度下降)依次基于一次函数和二次函数分布的数据集实现二分类预测(超平面可视化) 目录利用LogisticGD算法(梯度下降)依次基于一次函数和二次函数分布的 ...
DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测
DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测目录输出结果设计思路核心代码输出结果下边两张 ...
DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Sequential)利用MNIST(手写数字图片识别)数据集实现多分类预测
DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Sequential)利用MNIST(手写数字图片识别)数据集实现多分类预测目录输出结果设计思路核心代码输出结果 1.10 ...

利用langchain-ChatGLM、langchain-TigerBot实现基于本地知识库的问答应用

1 原理

2 langchain-ChatGLM的开发部署

2.1 安装环境

利用langchain-ChatGLM、langchain-TigerBot实现基于本地知识库的问答应用相关推荐

最新文章

热门文章