GPT实战系列-简单聊聊LangChain搭建本地知识库准备

LangChain 是一个开发由语言模型驱动的应用程序的框架，除了和应用程序通过 API 调用，还会：

数据感知 : 将语言模型连接到其他数据源
具有代理性质 : 允许语言模型与其环境交互

LLM大模型相关文章：

GPT实战系列-简单聊聊LangChain

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-Baichuan2本地化部署实战方案

GPT实战系列-大话LLM大模型训练

GPT实战系列-探究GPT等大模型的文本生成

GPT实战系列-Baichuan2等大模型的计算精度与量化

GPT实战系列-GPT训练的Pretraining，SFT，Reward Modeling，RLHF

LangChain是什么？

构建本地的行业、专家知识库，就需要LangChain 支持常见角色和用途。

个人助理（personal assistants） : 主要的 LangChain 使用用例。个人助理需要采取行动、记住交互并具有您的有关数据的知识。
问答（question answering） : 第二个重大的 LangChain 使用用例。仅利用一些文档中的信息来构建答案，回答特定文档中的问题。

除LangChain外，还需要什么？

首先需要把文本转换为文本向量，即自然语言处理常常要用的Embedding技术，Text2Vector。

常见的Embedding接口有 OpenAI，Sentence Transformers，BGE， Huggingface，ModelScope，TensorFlowHub

例如，OpenAI提供接口，需要翻墙：

复制代码

from langchain.embeddings import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()

SentenceTransformer的接口：

复制代码

from langchain.embeddings import HuggingFaceEmbeddings, SentenceTransformerEmbeddings

embeddings = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
# Equivalent to SentenceTransformerEmbeddings(model_name="all-MiniLM-L6-v2")

Huggingface接口，直接下载需要翻墙。

没有梯子怎么办？如有需要可以单独写篇。

复制代码

from langchain.embeddings import HuggingFaceEmbeddings

embeddings = HuggingFaceEmbeddings()

ModelScope，非常适合国内，不用翻墙。

复制代码

from langchain.embeddings import ModelScopeEmbeddings

model_id = "damo/nlp_corom_sentence-embedding_english-base"

embeddings = ModelScopeEmbeddings(model_id=model_id)

Tensorflow hub，需要安装tensorflow组件。现在用pytorch，就很少使用tensorflow。

复制代码

from langchain.embeddings import TensorflowHubEmbeddings

embeddings = TensorflowHubEmbeddings()

One more thing

文本向量直接比较就不足以推广，还需要加上向量数据库。

向量数据库也有很多，选几个熟悉的，比如FAISS，Chroma，Milvus，Redis，Deep Lake等等。

例如 FAISS

复制代码

from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.text_splitter import CharacterTextSplitter
from langchain.vectorstores import FAISS
from langchain.document_loaders import TextLoader

from langchain.document_loaders import TextLoader

loader = TextLoader("../../../state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

embeddings = OpenAIEmbeddings()

db = FAISS.from_documents(docs, embeddings)

后面基于LangChain做一些好玩的本地专家库测试吧。

觉得有用 收藏收藏收藏

点个赞点个赞点个赞

End

GPT专栏文章：

GPT实战系列-简单聊聊LangChain

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-LangChain + ChatGLM3构建天气查询助手

大模型查询工具助手之股票免费查询接口

GPT实战系列-简单聊聊LangChain

GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(二)