【项目实训】阿里云部署Langchain-Chatchat_langchain 项目

Langchain-Chatchat项目介绍

基于ChatGLM等大语言模型与Langchain等应用框架，所实现的开源、可离线部署的RAG项目
github链接
项目中默认使用大语言模型是 THUDM/ChatGLM3-6B ，Embedding模型是 BAAI/bge-large-zh

• 中文开源大语言模型chatglm
  • 官方提供的技术文档
  • github
  • HuggingFace
  • ModelScope
• bge将文本映射为嵌入向量，以用于检索、分类、聚类或语义匹配等任务
  • HuggingFace
  • ModelScope

部署需求

本次的项目实训需要借助RAG技术对外部知识进行索引，但是考虑到调用大模型api的成本，贫穷的学生只能选择体验阿里云的三个月免费云服务器，并在服务器上对预训练的开源模型进行本地部署。
服务器使用人工智能平台PAI下的交互式建模DSW
以下为云平台的申请步骤，不需要的可以跳过。

点击免费试用

在DSW下方点击立即试用（由于我已经申请了，所以显示的是已试用）

点击新建实例，根据提示选择需要的配置即可。由于我们要部署大模型，所以资源配额选项需要选择GPU规格。注意镜像版本的选择，不要选取下拉条太靠后的版本，我选择的是：

dsw-registry-vpc.cn-shanghai.cr.aliyuncs.com/pai/modelscope:1.13.3-pytorch2.1.2tensorflow2.14.0-gpu-py310-cu121-ubuntu22.04

创建成功后在最右方操作栏点击启动，等待启动成功后点击打开，即可使用。
最终界面如下：

LangChain-ChatChat部署过程

1. 环境部署

• 检查python环境
  Python3.8 - 3.11即可（项目文档中推荐使用 Python3.11）

python --version
1

• 创建虚拟环境
  在阿里云中直接部署即可，如果是在自己的电脑上，创建一个虚拟环境防止冲突

conda create --name chatchat python=3.11
1

• 在环境内安装项目的依赖

# 拉取仓库
git clone https://github.com/chatchat-space/Langchain-Chatchat.git

# 进入目录
cd Langchain-Chatchat

# 安装全部依赖
 pip install -r requirements.txt 
pip install -r requirements_api.txt
pip install -r requirements_webui.txt 
1
2
3
4
5
6
7
8
9
10

2. 模型下载

• 创建一个目录来统一存放所有模型
  Langchain-Chatchat/model
• 模型的几种下载来源
  • HuggingFcae：在网站上找到模型，利用huggingface-cli命令下载，但是国内无法通过正常手段连接。可以利用镜像网站提供的方式下载，但由于我下载无数次都因为网络连接超时而失败，于是采用下面的方法。

  Hugging Face 是一个流行的自然语言处理 (NLP) 模型库和社区，提供了大量预训练模型、工具和资源，使得 NLP 的开发者和研究人员能够快速高效地构建和应用各种文本相关应用。Hugging Face 相当于 AI 领域的 GitHub，里面的模型都是开源免费的，非常适合 AI 开发者使用

  • 魔搭社区：魔搭是国内的AI平台，提供开源的模型和算力。搜索到模型后，点击模型文件，点击下载模型，复制命令用git clone下载即可。需要注意，同一个模型可能不止有官方上传，下载前注意一下是否是自己需要的。

在本次项目中，我使用的是ChatGLM3-6和bge-large-zh-v1.5。

• 重点！！！修改模型参数的配置文件
  • 将 configs/model_config.py.example 文件中 MODEL_PATH 下，embed_model下bge-large-zh-v1.5 的value修改为模型所在的绝对路径 /mnt/workspace/Langchain-Chatchat/model/bge-large-zh-v1.5
  • llm_model 下， chatglm3-6b 的value修改为模型所在的绝对路径 /mnt/workspace/Langchain-Chatchat/model/chatglm3-6b

3. 初始化知识库和配置文件

回到项目根目录

python copy_config_example.py2
python init_database.py --recreate-vs
1
2

4. 启动

python startup.py -a
1

项目后端运行在阿里云的服务器上，成功运行后会提供web界面的本地地址，点击跳转，可以在自己的浏览器中查看。