近期发现了一个项目，它的前身是，在我之前的博客中有关于的部署过程，本项目在前者基础上进行了优化，可以基于当前主流的LLM模型和庞大的知识库，实现本地部署自己的，并可结合自己的知识对模型进行微调，让问答中包含自己上传的知识。依托于本项目支持的开源 LLM 与 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 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。下面具体讲解如何来实现本地部署，过程十分简单，使用起来十分方便。
目录
一、代码下载
项目链接 – -space/-
将该代码下载到本地。
二、模型支持
本项目中默认使用的 LLM 模型为THUDM/-6b，默认使用的 模型为moka-ai/m3e-base为例。
2.1 LLM 模型支持
本项目最新版本中基于进行本地 LLM 模型接入，支持模型如下：
以上模型支持列表可能随更新而持续更新，可参考 已支持模型列表。
除本地模型外，本项目也支持直接接入 API，具体设置可参考/.py.中的的–3.5配置信息。
2.2 模型支持
本项目支持调用中的 模型，已支持的 模型如下：
三、开发部署 3.1 软件需求
本项目已在 3.8.1 – 3.10，CUDA 11.7 环境下完成测试。已在 、ARM 架构的 macOS、Linux 系统中完成测试。
3.2 开发环境准备
参见开发环境准备。
请注意：0.2.3及更新版本的依赖包与0.1.x版本依赖包可能发生冲突，强烈建议新建环境后重新安装依赖包。
首先要创建虚拟环境，然后在虚拟环境中切换到代码文件目录：
cd /d E:DemoLangchain-Chatchat-master # 切换到代码所在位置创建虚拟环境：
conda create -n Chat_GLM python=3.9 # 虚拟环境名称为ChatGLM启用虚拟环境：
conda activate ChatGLM安装环境依赖：
pip install requirements.txt安装语言包：
spacy/ at main (.co)
只需下载下方图片目录中的whl文件，然后切换到-any-none-any.whl目录，采用pip 安装
pip install zh_core_web_sm-any-none-any.whl3.3 下载模型至本地
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 模型可以从下载。
以本项目中默认使用的 LLM 模型THUDM/-6b与 模型moka-ai/m3e-base为例。直接点击下载。
网盘下载：
链接：
提取码：eaxq
链接：
提取码：0arh
3.4 设置配置项
复制模型相关参数配置模板文件/.py.存储至项目路径下./路径下，并重命名为.py。
复制服务相关参数配置模板文件/.py.存储至项目路径下./路径下，并重命名为.py。
在开始执行 Web UI 或命令行交互前，请先检查/.py和/.py中的各项模型参数设计是否符合需求：
llm_model_dict={
"chatglm2-6b": {
"local_model_path": "E:Demochatglm2-6b", # 只需该这里
"api_base_url": "http://localhost:8888/v1", # "name"修改为 FastChat 服务中的"api_base_url"
"api_key": "EMPTY"
},
}
embedding_model_dict = {
"m3e-base": "E:Demom3e-base", # 只需改这里
}如果你选择使用的模型，请将模型的key写入中。使用该模型，你需要能够访问官的API，或设置代理。
3.5知识库初始化与迁移
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（我们强烈建议您在执行操作前备份您的知识文件）。
3.6 一键启动API 服务或 Web UI
1. 一键启用默认模型
一键启动脚本 .py,一键启动所有 服务、API 服务、WebUI 服务，示例代码：
python startup.py -a自动跳转到web页面，若不能跳转记得在代码末尾按一下Enter键，即可一键启动web页面。
并可使用Ctrl + C直接关闭所有运行服务。如果一次结束不了，可以多按几次。
可选参数包括-a (或–all-webui),–all-api,–llm-api,-c (或–),—api,-m (或–model-),–api,–webui，其中：
--all-webui 为一键启动 WebUI 所有依赖服务；
--all-api 为一键启动 API 所有依赖服务；
--llm-api 为一键启动 Fastchat 所有依赖的 LLM 服务；
--openai-api 为仅启动 FastChat 的 controller 和 openai-api-server 服务；
其他为单独服务启动选项。2. 启用非默认模型
若想指定非默认模型，需要用–model-name选项，示例：
python startup.py --all-webui --model-name Qwen-7B-Chat更多信息可通过 .py -h查看。
四、添加个人知识库
如果当前回答结果并不理想，如下图所示，可添加知识库，对知识进行优化
4.1 本地添加知识库
将文档添加到————目录下：
4.2 通过web页面添加知识库
4.3 重新微调模型
知识库添加完成之后，按照3.5-3.6重新运行程序，即可实现本地知识库更新。如下图所示，添加完《天龙八部》电子书之后，回答结果变得精准。
提升回答速度，把CPU改为GPU：
.py文件中，修改
# Embedding 模型运行设备。设为"auto"会自动检测，也可手动设定为"cuda","mps","cpu"其中之一。
EMBEDDING_DEVICE = "auto"为：
# Embedding 模型运行设备。设为"auto"会自动检测，也可手动设定为"cuda","mps","cpu"其中之一。
EMBEDDING_DEVICE = "cuda"修改
# LLM 运行设备。设为"auto"会自动检测，也可手动设定为"cuda","mps","cpu"其中之一。
LLM_DEVICE = "auto"为：
# LLM 运行设备。设为"auto"会自动检测，也可手动设定为"cuda","mps","cpu"其中之一。
LLM_DEVICE = "cuda"提示：
若上述部署中遇到问题，可关注我dy：
323AI导航网发布
相关文章
