大家好,我是雨飞,一直在研究大模型的 langchain 编程和检索增强相关的内容,今天和大家分享一些如何在5分钟之内利用 LangChain+Gradio 搭建一个自己的个人知识助理。这听起来就很酷,我们不需要依赖其他第三方提供的服务,也可以保证自己数据的安全性,赶紧顺着本文往下看吧。
一、效果预览
最终的展示效果如下图,可以自行选择是否开启检索增强的功能。在使用检索增强调用之后,大模型能根据检索到的上下文进行回答,有效减少幻觉问题。当然,限于提供的示例代码本身的能力并不强,还有许多优化的空间,因此有一些问题回答并不好。
二、环境搭建
本项目在 python 3.8.5 版本进行实测,过低的版本,langchain 会有 bug,不建议使用。可以使用下面的命令,安装所需要的依赖项,如果因为网络问题导致本地安装失败,可以尝试使用清华源进行安装。
bash
pip install flask chromadb gradio fastapi langchain FlagEmbedding
# 可选使用清华或者其他源下载依赖包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask
FlagEmbedding 是一个向量模型的依赖包,直接安装之后,会把 pytorch、transformer 等一系列的依赖都安装上,因此整体执行的时间会偏长,需要耐心等待安装完毕。
FlagEmbedding 默认安装的是 CPU 版本的 pytorch,执行代码的时间也相对比较长。如果有条件,可以自行先安装 GPU 版本的 pytorch,然后再安装 FlagEmbedding。GPU 的显存在 4G 以上都可以正常调用,考虑到 GPU相关配置比较复杂,在5分钟内是搞不定的,有需要的话,我们下次再讲。
三、数据配置
一)知识库建立
可以使用自己的任意数据集作为知识库,将数据保存成 txt 文件就可以。在这里,我使用在网上自己处理的关于知识星球的数据作为知识库,然后建立本地路径进行存储。示例的数据已经和代码放在了一起,可以参考示例数据进行定义,文件要求使用 UTF-8 进行编码。
二)向量模型下载
FlagEmbedding 对应的向量模型是 BGE,目前是效果比较好的中文向量模型,原始的模型权重需要在 hugging face 上才能下载,需要一些特殊的网络环境,适合有经验的人员进行下载。非专业人员可以直接使用我下载好的权重模型,如果想自己下载,需要先安装 git lfs。然后执行下面的命令,就可以下载整个模型的权重以及相关配置文件。下载完成后,同样,需要将模型的文件夹存放到你自己的指定目录。
bash
git lfs install
git clone https://huggingface.co/BAAI/bge-large-zh
四、大模型配置
为了调用方便,我们使用了讯飞星火的API作为本次的大模型,在讯飞的官方页面就可以申请免费的 token,足够我们日常使用和测试了。讯飞的官方地址: xinghuo.xfyun.cn/
我们这次只需要使用 2.0 版本的 API 就可以,申请之后可以看到接口服务认证的信息,需要记录下来,后面需要将这个地方修改为自己的信息。这三个信息是 APPID、APISecret 和 APIKey 的信息。获取这三个信息之后,大模型的部分就处理完成了。
五、代码修改
整个项目的代码结构主要有四个 python 文件和一个图片构成,下面先介绍各个文件的作用,以及要执行代码需要修改的内容。
- SparkApi 讯飞星火的 api 调用代码,无需修改
- SparkGPT 讯飞星火的包装类,需要修改
- prompt_utils 提示词的包装类,无需修改
- gradio_demo 主界面的入口,需要修改里面的路径
- GPT4.png 主界面上 GPT 头像的资源图片,无需修改
SparkGPT.py 代码中,需要将第 7-9 行的内容进行修改,将你在讯飞星火的控制台中获取的信息填写上去。
ini
import SparkApi
from abc import ABC, abstractmethod
appid = "" # 填写控制台中获取的 APPID 信息
api_secret = "" # 填写控制台中获取的 APISecret 信息
api_key = "" # 填写控制台中获取的 APIKey 信息
gradio_demo.py 代码中,需要将第 20-21 行进行替换成你的模型和数据所在的文件夹路径。
javascript
import gradio as gr
import uvicorn
from fastapi import FastAPI
from langchain.text_splitter import RecursiveCharacterTextSplitter
import os
from typing import List
from FlagEmbedding import FlagModel
from langchain.document_loaders import TextLoader
from langchain.retrievers import ParentDocumentRetriever
from langchain.schema.embeddings import Embeddings
from langchain.storage import InMemoryStore
from langchain.vectorstores import Chroma
from SparkGPT import SparkGPT
from prompt_utils import generate_prompt
BGE_MODEL_PATH = "D:\codes\bge-large-zh"
FILE_PATH="D:\codes\zsxq"
修改完毕后,执行 python gradio_demo.py 看到如下的启动命令,则启动成功。点击对应的 URL 即可看到开头所示的界面,然后就可以进行使用了。
六、代码
所有开源的代码都可以免费进行下载和使用,如果有不明白的地方,请及时联系。后续也会出一期,针对代码的讲解。
雨飞同行
- 雨飞
- 主业是推荐算法
- 希望通过自媒体开启自己不上班只工作的数字游民计划
- 微信:1060687688
- 欢迎和我交朋友🫰
好了,我写完了,有启发的欢迎点赞评论🫰。新的一天,愿阳光洒在你的脸上。