AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


27K star!有没有显卡都能搞,快速基于LLM构建本地智能知识库
发布日期:2024-06-20 20:58:02 浏览次数: 2203 来源:IT咖啡馆



觉得搞一个AI的智能问答知识库很难吗?那是你没有找对方向和工具,

今天我们分享一个开源项目,帮助你快速构建基于Langchain 和LLM 的本地知识库问答,在GitHub已经获得27K star,它就是:Langchain-Chatchat



Langchain-Chatchat 是什么



Langchain-Chatchat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。

本项目利用 langchain 思想实现的基于本地知识库的问答应用,目前langchain可以说是开发LLM应用的首选框架,而本项目的目标就是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。

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。




实现原理



本项目全流程使用开源模型来实现本地知识库问答应用,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。

可以通过下面的图来直观看到的整个流程的执行过程,非常值得参考学习。

再从从文档处理角度来看,实现流程如下:

这里需要注意,本项目未涉及微调、训练过程,但可利用微调或训练对本项目效果进行优化。



部署要求



软件要求


操作系统

  • Linux Ubuntu 22.04.5 kernel version 6.7

其他系统可能出现系统兼容性问题。

最低要求

该要求仅针对标准模式,轻量模式使用在线模型,不需要安装torch等库,也不需要显卡即可运行。

  • Python 版本: >= 3.8(很不稳定), < 3.12

  • CUDA 版本: >= 12.1

推荐要求

开发者在以下环境下进行代码调试,在该环境下能够避免最多环境问题。

  • Python 版本 == 3.11.7

  • CUDA 版本: == 12.1


硬件要求

如果想要顺利在GPU运行本地模型的 FP16 版本,你至少需要以下的硬件配置,来保证在我们框架下能够实现 稳定连续对话

  • ChatGLM3-6B & LLaMA-7B-Chat 等 7B模型

    • 最低显存要求: 14GB

    • 推荐显卡: RTX 4080

  • Qwen-14B-Chat 等 14B模型

    • 最低显存要求: 30GB

    • 推荐显卡: V100

  • Yi-34B-Chat 等 34B模型

    • 最低显存要求: 69GB

    • 推荐显卡: A100

  • Qwen-72B-Chat 等 72B模型

    • 最低显存要求: 145GB

    • 推荐显卡:多卡 A100 以上


 实际部署配置示例

处理器: Intel® Core™ i9 processor 14900K 内存: 256 GB DDR5显卡组:NVIDIA RTX4090 X 1 / NVIDIA RTXA6000 X 1硬盘: 1 TB操作系统: Ubuntu 22.04 LTS / Arch Linux, Linux Kernel 6.6.7显卡驱动版本: 545.29.06Cuda版本: 12.3 Update 1Python版本: 3.11.7


部署 Langchain-Chatchat



Docker 部署

开发组为开发者们提供了一键部署的 docker 镜像文件懒人包。开发者们可以在 AutoDL 平台和 Docker 平台一键部署。

docker run -d --gpus all -p 80:8501 isafetech/chatchat:0.2.10docker run -d --gpus all -p 80:8501 ccr.ccs.tencentyun.com/chatchat/chatchat:0.2.10docker run -d --gpus all -p 80:8501 registry.cn-beijing.aliyuncs.com/chatchat/chatchat:0.2.10
  • 该版本镜像大小 50.1GB,使用 v0.2.10,以 nvidia/cuda:12.1.1-cudnn8-devel-ubuntu22.04 为基础镜像

  • 该版本为正常版本,非轻量化版本

  • 该版本内置并默认启用一个 Embedding 模型:bge-large-zh-v1.5,内置并默认启用 ChatGLM3-6B

  • 该版本目标为方便一键部署使用,请确保您已经在 Linux 发行版上安装了 NVIDIA 驱动程序

  • 请注意,您不需要在主机系统上安装 CUDA 工具包,但需要安装 NVIDIA Driver 以及 NVIDIA Container Toolkit

本地部署方案

  • 安装python环境

# 首先,确信你的机器安装了 Python 3.8 - 3.10 版本$ python --versionPython 3.8.13
$ conda create -p /your_path/env_name python=3.8$ source activate /your_path/env_name
$ conda create -n env_name python=3.8$ conda activate env_name # Activate the environment
# 更新py库$ pip3 install --upgrade pip

  • 安装项目相关的依赖

$ git clone --recursive <https://github.com/chatchat-space/Langchain-Chatchat.git>$ cd Langchain-Chatchat
# 安装全部依赖$ pip install -r requirements.txt
# 默认依赖包括基本运行环境(FAISS向量库)。以下是可选依赖:- 如果要使用 milvus/pg_vector 等向量库,请将 requirements.txt 中相应依赖取消注释再安装。- 如果要开启 OCR GPU 加速,请安装 rapidocr_paddle[gpu]- 如果要使用在线 API 模型,请安装对用的 SDK

  • 模型下,如需在本地或离线环境下运行本项目,需要首先将项目所需的模型下载至本地,通常开源 LLM 与 Embedding 模型可以从 HuggingFace 下载。


$ git lfs install$ git clone <https://huggingface.co/THUDM/chatglm2-6b>$ git clone <https://huggingface.co/moka-ai/m3e-base>
  • 初始化知识库,当前项目的知识库信息存储在数据库中,在正式运行项目之前请先初始化数据库

#如果您已经有创建过知识库$ python init_database.py --create-tables#如果您是第一次运行本项目$ python init_database.py --recreate-vs

  • 一键启动,一键启动脚本 startup.py, 一键启动所有 Fastchat 服务、API 服务、WebUI 服务

$ python startup.py -a

启动界面

正常启动后,会有两种使用界面,一种是webui,如下:

Web UI 知识库管理页面

另一种使用方式是API,以下是查看提供的API。

最轻模式

以上的部署方式是需要显卡的,对于我们这些没卡的一族来说,就很尴尬。但是项目很贴心,提供一个lite模式,该模式的配置方式与常规模式相同,但无需安装 torch 等重依赖,通过在线API实现 LLM 和 Ebeddings 相关功能,适合没有显卡的电脑使用。

$ pip install -r requirements_lite.txt$ python startup.py -a --lite

该模式支持的在线 Embeddings 包括:

  • 智谱AI

  • MiniMax

  • 百度千帆

  • 阿里云通义千问

在 model_config.py 中 将 LLM_MODELS 和 EMBEDDING_MODEL 设置为可用的在线 API 名称即可



总结



项目的结构非常不错,针对当前热门的AI知识库给出一种非常好的构建方式,而且还做到了全链条的开源产品,所以无论你是希望直接使用它来构建知识库,还是希望通过本项目学习和实现自己的解决方案,都会是非常好的选择。

我也建议大家不要单纯的伸手党,还是要自己去研究一下项目的架构,因为这类项目实际上最精华的就是架构设计



53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询