LLM之RAG实战（四十四）| rag-chatbot：支持Huggingface和Ollama任意模型的多PDF本地RAG方案

特点：

• 支持本地运行和Kaggle (new)运行
• 支持Huggingface 和Ollama 的任意模型
• Process multiple PDF inputs.
• Chat with multiples languages (Coming soon).
• Simple UI with Gradio.

一、安装使用

1.1 Kaggle（推荐）

Step1：把https://github.com/datvodinh/rag-chatbot/blob/main/notebooks/kaggle.ipynb脚本导入到Kaggle。

Step2：把<YOUR_NGROK_TOKEN>替换为自己的token。

1.2 本地安装

a）克隆项目

git clone https://github.com/datvodinh/rag-chatbot.gitcd rag-chatbot

b）安装

Docker方式

docker compose up --build

脚本方式（Ollama, Ngrok, python package）

source ./scripts/install_extra.sh

手动安装

Step1：Ollama

• MacOS, Window: Download

• Linux

  curl -fsSL https://ollama.com/install.sh | sh

Step2：Ngrok

• Macos

  brew install ngrok/ngrok/ngrok

• Linux

  curl -s https://ngrok-agent.s3.amazonaws.com/ngrok.asc | sudo tee /etc/apt/trusted.gpg.d/ngrok.asc >/dev/null && echo "deb https://ngrok-agent.s3.amazonaws.com buster main" | sudo tee /etc/apt/sources.list.d/ngrok.list && sudo apt update && sudo apt install ngrok

Step3：安装rag_chatbot包

source ./scripts/install.sh

c）启动

source ./scripts/run.sh

或者

python -m rag_chatbot --host localhost

使用Ngrok

source ./scripts/run.sh --ngrok

此时，会下载大模型

大模型的配置文件：https://github.com/datvodinh/rag-chatbot/blob/main/rag_chatbot/setting/setting.py

LLM默认是：llama3:8b-instruct-q8_0

Embedding模型默认是：BAAI/bge-large-en-v1.5

此时，登录http://0.0.0.0:7860即可访问：

参考文献：

[1] https://github.com/datvodinh/rag-chatbot