微信扫码
添加专属顾问
我要投稿
你是否也有这样的桌面?为了方便找材料,全部放到了桌面,最后结果就是“用起一时爽,找起火葬场”。
你是否也是盘即个人电脑磁使再怎么不够用,也舍不得删除几年前做的运维方案、架构方案、设计方案文档?最后即使文档都保存了,存云盘了,到用的时候依旧发现找不到,找的也不是想要的。
|大模型知识库is all you need
现在不用再担心了找不到材料文档了,GitHub开源了一款可离线,支持检索增强生成(RAG)大模型的知识库项目。虽然开源时间不长,但是势头很猛,已经斩获25K Star。具备以下特点:
|
总结下重点就是:
支持中文,可私有化部署,免费商用!
支持中文,可私有化部署,免费商用!
支持中文,可私有化部署,免费商用!
重要的事情说三遍
项目名称:Langchain-Chatchat项目地址:https://github.com/chatchat-space/Langchain-Chatchat
? 原理介绍视频(点击可看视频)
从文档处理角度来看,实现流程如下:
技术路线Langchain 应用 基础React形式的Agent实现,包括调用计算器等 Langchain 自带的Agent实现和调用 智能调用不同的数据库和联网知识 本地数据接入 搜索引擎接入 Agent 实现 LLM 模型接入 支持通过调用 FastChat api 调用 llm 支持 ChatGLM API 等 LLM API 的接入 支持 Langchain 框架支持的LLM API 接入 Embedding 模型接入 支持调用 HuggingFace 中各开源 Emebdding 模型 支持 OpenAI Embedding API 等 Embedding API 的接入 支持 智谱AI、百度千帆、千问、MiniMax 等在线 Embedding API 的接入 基于 FastAPI 的 API 方式调用 Web UI 基于 Streamlit 的 Web UI
|大模型知识库来袭 3种部署方式
一行代码搞定,但是建议网速不好的同学不要尝试
docker run -d --gpus all -p 80:8501 registry.cn-beijing.aliyuncs.com/chatchat/chatchat:0.2.7
首先,确信你的机器安装了 Python 3.8 - 3.10 版本
python --version
Python 3.8.13
# 如果低于这个版本,可使用conda安装环境
conda create -p /your_path/env_name python=3.8
# 激活环境
source activate /your_path/env_name
# 或,conda安装,不指定路径, 注意以下,都将/your_path/env_name替换为env_name
conda create -n env_name python=3.8
# Activate the environment conda activate env_name
# 更新py库
pip3 install --upgrade pip
# 关闭环境
source deactivate /your_path/env_name
# 删除环境
conda env remove -p/your_path/env_name
接着,开始安装项目的依赖
拉取仓库
clone --recursive https://github.com/chatchat-space/Langchain-Chatchat.git git
# 进入目录
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
此外,为方便用户 API 与 webui 分离运行,可单独根据运行需求安装依赖包。
如果只需运行 API,可执行:
pip install -r requirements_api.txt
# 默认依赖包括基本运行环境(FAISS向量库)。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。
如果只需运行 WebUI,可执行:
$ pip install -r requirements_webui.txt
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。
以本项目中默认使用的 LLM 模型 THUDM/ChatGLM3-6B 与 Embedding 模型 BAAI/bge-large-zh 为例:
下载模型需要先安装 Git LFS ,然后运行
$ git lfs install$ git clone https://huggingface.co/THUDM/chatglm3-6b$ git clone https://huggingface.co/BAAI/bge-large-zh
$ python copy_config_example.py$ python init_database.py --recreate-vs
4. 一键启动
按照以下命令启动项目
$ python startup.py -a
最轻模式本地部署方案
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
Demo示例
Web UI 对话界面:
Web UI 知识库管理页面:
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-04-30
“Qwen3之后,我才真正敢投AI应用”
2025-04-30
真·开源MCP平台来了!ACI.dev能一站直连600+工具,让你的智能体秒变全能王!
2025-04-30
n8n:免费+开源的自动化神器,比dify更简单,比Make更强大!
2025-04-30
宝藏发现:Sim Studio,一款让AI工作流搭建变简单的开源利器
2025-04-29
我们有必要使用 Qwen3 吗?
2025-04-29
Qwen3开源发布:Think Deeper, Act Faster!社区推理、部署、微调、MCP调用实战教程来啦!
2025-04-29
阿里 Qwen3 技术详解: 4B 参数媲美 72B,MoE 架构的开源突破
2025-04-29
PAI-Model Gallery 支持云上一键部署 Qwen3 全尺寸模型
2024-07-25
2025-01-01
2025-01-21
2024-05-06
2024-09-20
2024-07-20
2024-07-11
2024-06-12
2024-08-13
2024-12-26
2025-04-29
2025-04-28
2025-04-28
2025-04-28
2025-04-21
2025-04-19
2025-04-17
2025-04-15