autoDL安装Open-WebUi+Rag本地知识库问答+Function Calling

基础环境搭建

  1. open-webui安装
arduino 复制代码
pip install open-webui
  1. ollama在线安装
arduino 复制代码
curl -fsSL https://ollama.com/install.sh | sh

2.1. 将模型下载地址改到数据盘

bash 复制代码
vim /etc/profile
export OLLAMA_MODELS=/root/autodl-tmp/models
source /etc/profile

2.2. 启动ollama

sql 复制代码
ollama start

3. 安装deepseek-r1:14b模型

复制代码
ollama pull deepseek-r1:14b
  1. Embedding模型下载
arduino 复制代码
ollama pull nomic-embed-text
  1. 查看模型下载情况

    ollama list

Open-WebUi调用

首先需要设置离线环境,避免Open-WebUI启动时自动进行模型下载:

export HF_HUB_OFFLINE=1

  1. Open-WebUi启动
arduino 复制代码
open-webui serve
  1. 本地8080端口访问

需要建立链接隧道,autodl参考这里www.autodl.com/docs/visdom...

  1. Rag本地知识库问答

按照如下步骤操作后,即可上传文档,进行基础本地知识库问答

  1. 外部工具调用Function Calling

案例:连接本地MySQL数据库进行数据查询

4.1. 安装mysql

sql 复制代码
-- 创建mysql数据库
apt install mysql-server


-- 启动mysql
mysqld &
mysql

-- 初始化密码
ALTER USER 'root'@'localhost' IDENTIFIED BY '123';

-- 退出
exit;

-- 再次进入
mysql -u root -p

-- 创建数据库
CREATE DATABASE school;
USE school;

-- 创建表结构
CREATE TABLE students_scores (
id INT AUTO_INCREMENT PRIMARY KEY,
name VARCHAR(50),
course1 INT,
course2 INT,
course3 INT
);

-- 插入数据
INSERT INTO students_scores (name, course1, course2, course3)
VALUES
('学生1', 85, 92, 78),
('学生2', 76, 88, 91),
('学生3', 90, 85, 80),
('学生4', 65, 70, 72),
('学生5', 82, 89, 95),
('学生6', 91, 93, 87),
('学生7', 77, 78, 85),
('学生8', 88, 92, 91),
('学生9', 84, 76, 80),
('学生10', 89, 90, 92);

-- 需要刷新身份验证,使得其他库(如pymysql)可以通过密码验证登录:
ALTER USER 'root'@'localhost' IDENTIFIED WITH mysql_native_password BY '123';

4.2. 编写外部工具

python 复制代码
import pymysql
import json
from fastapi import Request
from open_webui.models.users import Users


class Tools:
    def __init__(self):
        pass

    async def sql_inter(
        self,
        sql_query: str,
        __request__: Request,
        __user__: dict,
        __event_emitter__=None,
    ) -> str:
        """
        用于获取school数据库中各张表的有关相关信息。

        :param sql_query: 字符串形式的SQL查询语句,用于执行对MySQL数据库中的查询
        :param __request__: HTTP 请求对象(来自 FastAPI)
        :param __user__: 用户信息(可以用于个性化或记录请求)
        :param __event_emitter__: 事件发射器,用于将实时状态更新发送到前端
        :return: SQL 查询结果的 JSON 字符串
        """
        # Step 1. 通知用户正在执行数据库查询
        await __event_emitter__(
            {
                "type": "status",
                "data": {"description": "正在查询数据库...", "done": False},
            }
        )

        try:
            # Step 2. 连接 MySQL 数据库
            connection = pymysql.connect(
                host="localhost",  # 数据库地址
                user="root",  # 数据库用户名
                passwd="123",  # 数据库密码
                db="school",  # 数据库名
                charset="utf8",  # 字符集选择utf8
            )

            # Step 3. 执行 SQL 查询
            with connection.cursor() as cursor:
                cursor.execute(sql_query)
                results = cursor.fetchall()

            # Step 4. 格式化查询结果
            results_json = json.dumps(results, ensure_ascii=False)

            # Step 5. 通知用户查询完成
            await __event_emitter__(
                {
                    "type": "status",
                    "data": {"description": "数据库查询完成", "done": True},
                }
            )

            # Step 6. 返回查询结果
            return f"查询结果: {results_json}"

        except Exception as e:
            # Step 7. 如果发生错误,通知用户
            await __event_emitter__(
                {
                    "type": "status",
                    "data": {"description": f"发生错误: {str(e)}", "done": True},
                }
            )
            # 返回错误信息
            return f"获取数据库查询数据时发生错误:{str(e)}"

        finally:
            # Step 8. 关闭数据库连接
            if connection:
                connection.close()

4.3. 对话中打开数据库查询工具

相关推荐
金伟API10246 小时前
如何从零打造一个极简的DeepSeek-R1大模型
人工智能·ai
江畔柳前堤6 小时前
大语言模型分布式训练:从并行策略到万卡工程的系统梳理
人工智能·分布式·深度学习·算法·目标检测·机器学习·语言模型
Shockang6 小时前
智能体环路工程实战
人工智能
美摄科技6 小时前
美摄美颜特效SDK Skill:以AI赋能智能视音频新视界
人工智能
Web3_Daisy7 小时前
Pump.fun 与 FOMO 竞争背后的 Meme 市场变局
大数据·人工智能·金融·web3·区块链
AI创界者7 小时前
MiniMax-H3 本地一键部署整合包:8G 显存玩转文图生视频、视频参考、角色替换与超分补帧全流程
人工智能·深度学习
江畔柳前堤7 小时前
HBM:大语言模型时代的「算力血液」——从内存墙到带宽革命的深度拆解
服务器·人工智能·windows·目标检测·语言模型·自然语言处理·软件工程
维克兜率天7 小时前
【维克】ARMA模型:AR与MA的完美结合
后端·restful
Forever Nore7 小时前
LeetCode 4 寻找两个正序数组的中位数 - 二分
算法·leetcode
美摄科技7 小时前
视频一键成片SDK Skill:AI智能分析与语义理解
人工智能