admin管理员组文章数量:1541754
介绍
- LangChain-Chatchat 支持RAG和Agent
- 0.3版本跟大模型解耦,支持Xinference、Ollama、LocalAI、FastChat、One API,可以非常方便的切换各个模型,本文只是介绍Xinference
- Xorbits Inference (Xinference) 是一个开源平台,用于简化各种 AI 模型的运行和集成。借助 Xinference,您可以使用任何开源 LLM、嵌入模型和多模态模型在云端或本地环境中运行推理,并创建强大的 AI 应用。
- RAG支持目前基本所有的文本格式和图片
- 有默认可用的WebUI界面和接口可以自定义二次开发
- 本文档是LangChain-Chatchat 0.3版本部署在Windows上
效果图
通过效果图先看看是不是你想要的.
- 基本聊天
- 知识库的管理,可以传入自己本地的各种知识
- 外部函数调用
- 有api文档,支持二次开发
部署
部署Python项目经常需要通过虚拟环境可以创建多个干净的环境,这里使用的是Conda
Conda 的使用
安装Conda
在安装Conda之前,你可以选择安装Miniconda(最小化的Conda版本)或Anaconda(包含一系列常用包的版本)。以下是安装Miniconda的步骤: 下载地址
配置Conda
Windows系统:
- 打开“控制面板” -> “系统与安全” -> “系统” -> “高级系统设置” -> “环境变量”。
- 在“系统变量”下新建一个变量名为
CONDA_HOME
,值为Conda的安装路径(比如C:\Users\YourUsername\Miniconda3
)。 - 编辑“Path”变量,在末尾加上
%CONDA_HOME%\Scripts
和%CONDA_HOME%
。 - 在命令提示符中输入
conda --version
验证配置是否成功。
常用命令
以下是一些常用的Conda命令,包括初始化、激活、创建环境、删除环境、安装包以及设置缓存路径:
1. 初始化Conda
在安装完Conda后,可以使用以下命令初始化Conda配置:
csharp
复制代码
conda init
2. 激活环境
激活一个已存在的Conda环境:
复制代码
conda activate myenv
3. 创建环境
创建一个新的Conda环境:
ini
复制代码
conda create --name myenv python==3.10
4. 删除环境
删除一个已存在的Conda环境:
css
复制代码
conda remove --name myenv --all
5. 安装包
在激活的环境中安装包,可以指定版本号:
ini
复制代码
conda install package_name
conda install package_name=1.0
6. 设置缓存路径
设置Conda包缓存路径,可以通过以下命令设置:
arduino
复制代码
conda config --set pkgs_dirs /path/to/cache/directory
7. 列出所有虚拟环境
要列出所有在Conda中创建的虚拟环境,你可以使用以下命令:
bash
复制代码
conda env list
Xinference的安装
- 首先使用Conda创建一个虚拟环境xinf
- 切换到这个虚拟环境
- 按照Xinference
- 需要本地有GPU,才能跑本地模型
ini
复制代码
conda create -n xinf python==3.10
conda activate xinf
pip install "xinference[transformers]"
Xinference的运行
css
复制代码
xinference-local --host 0.0.0.0 --port 9997
根据自己的GPU情况来选择运行那个大模型, 我是8G的显卡内存,选择chatglm3的量化版本可以正常运行,内存比较大的可以选择glm4或者qwen2
运行成功后,可以在浏览器中打开http://127.0.0.1:9997
选择chatglm3
设置chatglm3,点击最下面的按钮,他会自动下载模型,可能需要比较长时间.
后面的RAG需要这个Embedding Model 来完成量化
Langchain-Chatchat的安装
- 首先使用Conda创建一个虚拟环境chatchat
- 切换到这个环境
- 进行安装
ini
复制代码
conda create -n chatchat python==3.10
conda activate chatchat
pip install langchain-chatchat -U
可以到Langchain-Chatchat中查看详细的文档
Langchain-Chatchat的运行
- 前面Xinference安装成功后,就可以运行Chatchat了,先配置自己的模型
lua
复制代码
chatchat-config model --default_llm_model chatglm3
- 配置模型平台,我这里遇到些问题,该命令在Windows好像不能执行,我通过修改源码来指定了该平台.
swift
复制代码
$ chatchat-config model --set_model_platforms "[{
"platform_name": "xinference",
"platform_type": "xinference",
"api_base_url": "http://127.0.0.1:9997/v1",
"api_key": "EMPT",
"api_concurrencies": 5,
"llm_models": [
"chatglm3"
],
"embed_models": [
"bge-large-zh-v1.5"
],
"image_models": [],
"reranking_models": [],
"speech2text_models": [],
"tts_models": []
}]"
- 初始化知识库
复制代码
chatchat-kb -r
- 运行
css
复制代码
chatchat -a
运行成功后会调到浏览器打开http://127.0.0.1:8501/
安装过程中遇到的问题
- 遇到了Xinference UI没有更新成最新版本的问题,可以重新编译UI来解决
- 遇到Langchain-chatchat在Windows下配置问题,我是自己修改源码解决的,如果有需要可以单独交流
- 找不到Xinference模型的问题,跟上面类似都是配置问题
欢迎大家使用和关注
仓库地址
- xinference
- langchain-chatchat
如何系统的去学习大模型LLM ?
作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料
包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
所有资料 ⚡️ ,朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》,扫码获取~
👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1:AI大模型时代的基础理解
- 目标:了解AI大模型的基本概念、发展历程和核心原理。
- 内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
- 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
- 内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3:AI大模型应用架构实践
- 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
- 内容:
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4:AI大模型私有化部署
- 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
- 内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划:
- 阶段1:1-2个月,建立AI大模型的基础知识体系。
- 阶段2:2-3个月,专注于API应用开发能力的提升。
- 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
- 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的所有 ⚡️ 大模型 LLM 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~
👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈
版权声明:本文标题:探索LangChain-Chatchat 0.3:一体化Agent与强大RAG模型的全面入门指南 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dongtai/1727069001a1095960.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论