【原】基于LangChain调用ChatGLM2的本地知识库安装

1 LangChain主要功能   

调用语言模型

将不同向量数据库接入到语言模型的交互中

允许语言模型与运行环境交互

2 LangChain中提供的模块  

Modules:支持的模型类型和集成。

Prompt:提示词管理、优化和序列化。

Memory:内存是指在链/代理调用之间持续存在的状态。

Indexes:当语言模型与特定于应用程序的数据相结合时，会变得更加强大-此模块包含用于加载、查询和更新外部数据的接口和集成。

Chain:链是结构化的调用序列(对LLM或其他实用程序)。

Agents:代理是一个链，其中LLM在给定高级指令和一组工具的情况下，反复决定操作，执行操作并观察结果，直到高级指令完成。

Callbacks:回调允许您记录和流式传输任何链的中间步骤，从而轻松观察、调试和评估应用程序的内部。

3 LangChain的运用场景  

文档问答、个人助理、查询表格数据、与API交互、信息提取、文档总结

4 LangChain配置文件  

5 下载LangChain安装包  

(1)LangChain.zip

分享链接：http://www./#s/9wBcgchA

访问密码：x1hAw

(2)nltk_data.zip

分享链接：http://www./#s/9wBoR1jw

访问密码：YCOxV         

6 LangChainWindows环境搭建  

创建虚拟环境（这样不会污染本地的原始环境）

1 进入命令行

2 创建环境&激活环境

conda create -n langchain python=3.10

conda activate langchain

3 激活环境后，会有你的环境名称为开头，然后pip安装库

pip install requests torch langchain chromadb sentence_transformers unstructured pdfminer.six fastapi uvicorn -i  https://pypi.tuna./simple

注意如果ntlk安装不成功。可能出现下列现象：Please use the NLTK Downloader to obtain the resource:

  >>> import nltk

  >>> nltk.download('punkt')

  For more information see: https://www./data.html

  Searched in:

    - 'C:\\Users\\Administrator/nltk_data'

    - 'E:\\ProgramData\\anaconda3\\envs\\langchain\\nltk_data'

    - 'E:\\ProgramData\\anaconda3\\envs\\langchain\\share\\nltk_data'

  - 'E:\\ProgramData\\anaconda3\\envs\\langchain\\lib\\nltk_data'

    - 'C:\\Users\\Administrator\\AppData\\Roaming\\nltk_data'

    - 'C:\\nltk_data'

- 'D:\\nltk_data'

需要将下载好的nltk放到指定目录即可，可以放到错误提示目录下，建议放到anaconda env安装目录(E:\\ProgramData\\anaconda3\\envs\\langchain\\nltk_data)。

7 加载文档创建知识库  

(langchain) PS G:\ai0001\langchain> python .\createKnowledgeBase.py

Config loaded

Creating new vectorstore

Loading documents from ./docs

Loading new documents:   0%|                              | 0/1 [00:00

Config loaded

Config loaded

Config loaded

Config loaded

Config loaded

Config loaded

Config loaded

[nltk_data] Downloading package averaged_perceptron_tagger to

[nltk_data]     E:\ProgramData\anaconda3\envs\langchain\nltk_data...

[nltk_data]   Package averaged_perceptron_tagger is already up-to-

[nltk_data]       date!

[nltk_data] Downloading package averaged_perceptron_tagger to

[nltk_data]     E:\ProgramData\anaconda3\envs\langchain\nltk_data...

[nltk_data]   Package averaged_perceptron_tagger is already up-to-

[nltk_data]       date!

[nltk_data] Downloading package averaged_perceptron_tagger to

[nltk_data]     E:\ProgramData\anaconda3\envs\langchain\nltk_data...

[nltk_data]   Package averaged_perceptron_tagger is already up-to-

[nltk_data]       date!

[nltk_data] Downloading package averaged_perceptron_tagger to

[nltk_data]     E:\ProgramData\anaconda3\envs\langchain\nltk_data...

[nltk_data]   Package averaged_perceptron_tagger is already up-to-

[nltk_data]       date!

[nltk_data] Downloading package averaged_perceptron_tagger to

[nltk_data]     E:\ProgramData\anaconda3\envs\langchain\nltk_data...

[nltk_data]   Package averaged_perceptron_tagger is already up-to-

[nltk_data]       date!

Loading new documents: 100%|██████████████████████| 1/1 [00:08<00:00,  8.15s/it]

Loaded 1 new documents from ./docs

Split into 3 chunks of text (max. 500 tokens each)

Creating embeddings. May take some minutes...

DONE!

可以看到成功加载一个docs下面的文档，并切分成3大文本块（每个块500最大token）。这样就将文本导出到了向量数据库。

注意如果出现下列现象：ModuleNotFoundError: No module named 'exceptions'。原因是 python3.x版本移除了exceptions模块，但是docx包中引用了该模块。安装最新版python-docx模块即可pip install python-docx。

ChatGLM2-6B  

1环境要求  

如果仅使用CPU部署，则ChatGLM2-6B的量化模型最低CPU 32G

名称	参数	显存要求
ChatGLM2-6B	FP16	13G
ChatGLM2-6B	INT4	6G
ChatGLM2-6B-32K	FP16	20G
ChatGLM2-6B-32K	INT4	13G

2本地安装部署  

整合包下载：

百度：https://pan.baidu.com/s/1mxM-tdTiNxRGBzHzI7rlcw?pwd=plz9

提取码：plz9

部署步骤如下：

1、先下载懒人安装包：懒人包一键部署

将chatglm.zip安装包解压缩之后放在ChatGLM2-6B文件夹下面

2、创建一个叫VisualGLM-6B的文件夹，在此文件夹里面再创建一个叫cache的文件夹

3、配置缓存文件到系统环境变量及Path

         

4、之后点击一键启动，启动项目，启动前为了使用我们离线下载的七个模型，需要修改模型加载路径。

注意这个整合包无法直接运行，需要在model文件夹中增加几个文件。请移步我的云盘下载：http://www./#s/9xBJ3SNQ

下载完成后放到model文件夹：

如下图运行python.exe ../web_demo.py,首先加载模型，可以通过http://127.0.0.1:7860

待启动完成，可以在浏览器端进行提问。

3 LangChain访问ChatGLM2

1、启动ChatGLM2 API

2、启动LangChainAPI

3、通过LangChain接口调用ChatGLM2

4、通过ChatGPT前端进行对话