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

目录

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 
    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 
    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 | ️ Langchain

# # Install package
pip install "unstructured[local-inference]"
pip install layoutparser[layoutmodels,tesseract]

把模型拷贝过去，并且重命名一下，

2.2 加载本地模型

在我体验chatGLM模型的时候，已经下载过模型里，所以这里我直接用本地模型，我把模型拷贝过来，然后修改python文件，将None修改为我的模型路径，

 然后使用如下脚本

python cli_demo.py  --model chatglm-6b --no-remote-model

得到

 我先用工程自带的README.md试试

 然后试一下web版本的，

好吧，报错了，那我把embedding模型下载到本地，我去github上搜GanymedeNil/text2vec-large-chinese没搜到结果，那直接google搜索

然后找到GanymedeNil/text2vec-large-chinese · Hugging Face

 好，开始下载，由于模型文件特别大，因此还是要用lfs

git lfs install
git clone https://huggingface.co/GanymedeNil/text2vec-large-chinese

然后修改python脚本

 然后再试一下

python webui.py  --model chatglm-6b --no-remote-model

这次可以了

 然后就可以浏览器登录了

然后我提问问题，他不知道

这时候我在文档中增加如下内容

然后上传，再次提问问题

3 langchain-TigerBot的开发部署

做完上面的ChatGLM的部署，发现github上还有个：GitHub - wordweb/langchain-ChatGLM-and-TigerBot: 从langchain-ChatGLM基础上修改的一个可以加载TigerBot模型的基于本地知识库的问答应用，目标期望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。

于是再部署下TigerBot，首先搭建环境，这里直接把上面的conda环境复制一份。

cp -drf langchain-chatglm-chw langchain-chatglm-and-TigerBot-chw

然后把之前下载的模型都拷贝过来

然后修改model_config .py的这几个地方

 还有models/init.py修改成这样

否则会报下面的错误，  

 然后用下面的命令启动，

CUDA_VISIBLE_DEVICES=0 python webui.py  --no-remote-model

得到下面的界面

参考文献：

【官方教程】ChatGLM + LangChain 实践培训_哔哩哔哩_bilibili

https://github.com/imClumsyPanda/langchain-ChatGLM/blob/master/docs/StartOption.md

GitHub - imClumsyPanda/langchain-ChatGLM: langchain-ChatGLM, local knowledge based ChatGLM with langchain ｜ 基于本地知识库的 ChatGLM 问答