langchain_chatchat+ollama部署本地知识库，联网查询以及对数据库(Oracle)数据进行查询

涉及的内容其实挺多的，所以尽量减少篇幅

langchain_chatchat+ollama部署本地知识库，联网查询以及对数据库(Oracle)数据进行查询

准备工作：

部署ollama，并拉取qwen2.5:14b和quentinz/bge-large-zh-v1.5:latest

部署langchain_chatchat

部署oracle数据库

部署ollama以及拉取模型

可以参考下面的文章：
https://www.cnblogs.com/jokingremarks/p/18151827

部署langchain_chatchat

Langchain_chatchat的github路径：https://github.com/chatchat-space/Langchain-Chatchat

使用vscode快速创建一个venv虚拟环境管理工具

在当前环境下直接下载Langchain-Chatchat的python库

注意：这个只能在Python 3.8-3.11的环境下，不然会报错

Langchain-Chatchat 提供以 Python 库形式的安装方式，具体安装请执行：
pip install langchain-chatchat -U

如果要用Xinference接入Langchain-Chatchat，建议使用如下安装方式：
pip install "langchain-chatchat[xinference]" -U

本文使用ollama作为本地模型的调用，所以不需要装Xinference

部署oracle数据库

这里我是直接下载到了本地，使用的版本是Oracle 19c，安装教程网上大把，记得创建一个数据库，我这里数据库名字是orcl

对langchain-chatchat的配置文件初步调整：

首先先调整model_settings.yaml

DEFAULT_LLM_MODEL和DEFAULT_EMBEDDING_MODEL，将其替换成ollama下载下来的模型名，这里我们使用qwen2.5:14b作为LLM，使用quentinz/bge-large-zh-v1.5:latest作为Embedding

复制代码

# 默认选用的 LLM 名称
DEFAULT_LLM_MODEL: qwen2.5:14b

# 默认选用的 Embedding 名称
DEFAULT_EMBEDDING_MODEL: quentinz/bge-large-zh-v1.5:latest

MODEL_PLATFORMS部分只保留ollama，同时修改内容

复制代码

llm_models:
      - qwen2.5:14b
embed_models:
      - quentinz/bge-large-zh-v1.5:latest

langchain-chatchat执行：

详细内容可以查看文档：https://github.com/chatchat-space/Langchain-Chatchat

其实就三步

执行初始化

chatchat init

初始化知识库

chatchat kb -r

启动项目

chatchat start -a

一般会自动跳到浏览器里面，地址为http://127.0.0.1:8501/

langchain-chatchat简单操作：

模型对话，就是最基础的对话操作，启用agent的时候可以选择不同的工具来进行对话

RAG对话，可以选择不同的场景进行对话，其中有知识库问答，文件对话和搜索引擎问答

知识库问答就是使用项目路径下的文件内容回答，会有些自带的文件在里面，可以自己上传

文件对话就是基于上传的文件内容进行问答

搜索引擎对话后面会有补充，需要对配置文件再进行调整

知识库管理，即对项目中的内部知识库进行增删知识库以及重建向量库

langchain-chatchat联网查询：

如果使用duckduckgo作为搜索引擎的话可能需要FQ，这个就自行解决了

先安装duckduckgo-search

pip install -U duckduckgo-search

将tool_settings.yaml中的search_internet的search_engine_name设置成duckduckgo

如果要查询天气或者地图相关的，可以增加用高德地图的配置，api可以直接去高德申请，比较容易

将kb_settings.yaml中的DEFAULT_SEARCH_ENGINE也修改成duckduckgo

重新加载项目以后，就可以使用搜索引擎对话了

langchain-chatchat连接oracle数据库并查询内容：

官方文档：https://github.com/chatchat-space/Langchain-Chatchat/blob/master/docs/install/README_text2sql.md

首先我们找到tool_settings.yaml中的text2sql进行修改

有几个需要注意的地方

oracle的连接我使用的是oracledb，所以需要安装oracledb

python -m pip install oracledb

table_comments是一些提示用的，如果发现模型形成的sql老是找不对表或者字段，就在里面说明下，准确率会大幅提高

重要的！！！最重要的！！！

因为oracle的语法比较特殊，所以要对langchain的源码进行修改

找到项目中的/envs/chat_0.3.1/lib/python3.11/site-packages/langchain_experimental/sql/base.py

在其中对SQL进行一些处理，目前我遇到的情况有如下的，都需要重新分割处理才行

复制代码

if "sql" in sql_cmd:
            sql_cmd = sql_cmd.split("sql")[-1].strip() # 增加的sql过滤，按照sql分割，取后一段，为了去掉```sql的开头
if "`" in sql_cmd:
            sql_cmd = sql_cmd.split("`")[0].strip() # 增加的sql过滤，按照sql分割，取后一段，为了去掉```的结尾
if "LIMIT" in sql_cmd:
            sql_cmd = sql_cmd.split("LIMIT")[0].strip() # 增加的sql过滤，按照sql分割，取后一段，为了去掉LIMIT

然后重新运行项目，选择启用agent并选择数据库对话，输入要搜索的东西，终端里面可以看到对应的sql以及查询结果

可以看到回答的和数据库中查询的内容一致

不过对Oracle数据库好像不是很友好，有时候还是会有一些奇怪的报错

以上