/Langchain-Chatchat

Langchain-Chatchat(原Langchain-ChatGLM)基于 Langchain 与 ChatGLM 等语言模型的本地知识库问答 | Langchain-Chatchat (formerly langchain-ChatGLM), local knowledge based LLM (like ChatGLM) QA app with langchain

Primary LanguagePythonApache License 2.0Apache-2.0

Telegram

🌍 READ THIS IN ENGLISH

📃 LangChain-Chatchat (原 Langchain-ChatGLM): 基于 Langchain 与 ChatGLM 等大语言模型的本地知识库问答应用实现。

目录


介绍

🤖️ 一种利用 langchain **实现的基于本地知识库的问答应用,目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。

💡 受 GanymedeNil 的项目 document.aiAlexZhangji 创建的 ChatGLM-6B Pull Request 启发,建立了全流程可使用开源模型实现的本地知识库问答应用。本项目的最新版本中通过使用 FastChat 接入 Vicuna, Alpaca, LLaMA, Koala, RWKV 等模型,依托于 langchain 框架支持通过基于 FastAPI 提供的 API 调用服务,或使用基于 Streamlit 的 WebUI 进行操作。

✅ 依托于本项目支持的开源 LLM 与 Embedding 模型,本项目可实现全部使用开源模型离线私有部署。与此同时,本项目也支持 OpenAI GPT API 的调用,并将在后续持续扩充对各类模型及模型 API 的接入。

⛓️ 本项目实现原理如下图所示,过程包括加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 -> 在文本向量中匹配出与问句向量最相似的 top k个 -> 匹配出的文本作为上下文和问题一起添加到 prompt中 -> 提交给 LLM生成回答。

📺 原理介绍视频

实现原理图

从文档处理角度来看,实现流程如下:

实现原理图2

🚩 本项目未涉及微调、训练过程,但可利用微调或训练对本项目效果进行优化。

🌐 AutoDL 镜像v9 版本所使用代码已更新至本项目 v0.2.5 版本。

🐳 Docker 镜像

💻 一行命令运行 Docker 🌲:

docker run -d --gpus all -p 80:8501 registry.cn-beijing.aliyuncs.com/chatchat/chatchat:0.2.3

环境最低要求

想顺利运行本项目代码,请按照以下的最低要求进行配置:

  • Python 版本: >= 3.8.5, < 3.11
  • CUDA 版本: >= 11.7
  • 强烈推荐使用 Python 3.10,部分 Agent 功能可能没有完全支持 Python 3.10 以下版本。

如果想要顺利在 GPU 运行本地模型(int4 版本),你至少需要以下的硬件配置:

  • ChatGLM2-6B & LLaMA-7B
    • 最低显存要求: 7GB
    • 推荐显卡: RTX 3060, RTX 2060
  • LLaMA-13B
    • 最低显存要求: 11GB
    • 推荐显卡: RTX 2060 12GB, RTX 3060 12GB, RTX 3080, RTX A2000
  • Qwen-14B-Chat
    • 最低显存要求: 13GB
    • 推荐显卡: RTX 3090
  • LLaMA-30B
    • 最低显存要求: 22GB
    • 推荐显卡: RTX A5000, RTX 3090, RTX 4090, RTX 6000, Tesla V100, RTX Tesla P40
  • LLaMA-65B
    • 最低显存要求: 40GB
    • 推荐显卡: A100, A40, A6000

若使用 int8 推理,则显存大致为 int4 推理要求的 1.5 倍;

若使用 fp16 推理,则显存大致为 int4 推理要求的 2.5 倍。

💡 例如:使用 fp16 推理 Qwen-7B-Chat 模型,则需要使用 16GB 显存。

以上仅为估算,实际情况以 nvidia-smi 占用为准。


变更日志

参见 版本更新日志

0.1.x 升级过来的用户请注意,需要按照开发部署过程操作,将现有知识库迁移到新格式,具体见知识库初始化与迁移

0.2.0 版本与 0.1.x 版本区别

  1. 使用 FastChat 提供开源 LLM 模型的 API,以 OpenAI API 接口形式接入,提升 LLM 模型加载效果;
  2. 使用 langchain 中已有 Chain 的实现,便于后续接入不同类型 Chain,并将对 Agent 接入开展测试;
  3. 使用 FastAPI 提供 API 服务,全部接口可在 FastAPI 自动生成的 docs 中开展测试,且所有对话接口支持通过参数设置流式或非流式输出;
  4. 使用 Streamlit 提供 WebUI 服务,可选是否基于 API 服务启动 WebUI,增加会话管理,可以自定义会话主题并切换,且后续可支持不同形式输出内容的显示;
  5. 项目中默认 LLM 模型改为 THUDM/ChatGLM2-6B,默认 Embedding 模型改为 moka-ai/m3e-base,文件加载方式与文段划分方式也有调整,后续将重新实现上下文扩充,并增加可选设置;
  6. 项目中扩充了对不同类型向量库的支持,除支持 FAISS 向量库外,还提供 Milvus, PGVector 向量库的接入;
  7. 项目中搜索引擎对话,除 Bing 搜索外,增加 DuckDuckGo 搜索选项,DuckDuckGo 搜索无需配置 API Key,在可访问国外服务环境下可直接使用。

模型支持

本项目中默认使用的 LLM 模型为 THUDM/ChatGLM2-6B,默认使用的 Embedding 模型为 moka-ai/m3e-base 为例。

LLM 模型支持

本项目最新版本中支持接入本地模型在线 LLM API

本地 LLM 模型接入基于 FastChat 实现,支持模型如下:

以上模型支持列表可能随 FastChat 更新而持续更新,可参考 FastChat 已支持模型列表

除本地模型外,本项目也支持直接接入 OpenAI API、智谱AI等在线模型,具体设置可参考 configs/model_configs.py.example 中的 ONLINE_LLM_MODEL 的配置信息。

在线 LLM 模型目前已支持:

项目中默认使用的 LLM 类型为 THUDM/ChatGLM2-6B,如需使用其他 LLM 类型,请在 configs/model_config.py 中对 MODEL_PATHLLM_MODEL 进行修改。

Embedding 模型支持

本项目支持调用 HuggingFace 中的 Embedding 模型,已支持的 Embedding 模型如下:

项目中默认使用的 Embedding 类型为 moka-ai/m3e-base,如需使用其他 Embedding 类型,请在 configs/model_config.py 中对 embedding_model_dictEMBEDDING_MODEL 进行修改。

Text Splitter 个性化支持

本项目支持调用 Langchain 的 Text Splitter 分词器以及基于此改进的自定义分词器,已支持的 Text Splitter 类型如下:

  • CharacterTextSplitter
  • LatexTextSplitter
  • MarkdownHeaderTextSplitter
  • MarkdownTextSplitter
  • NLTKTextSplitter
  • PythonCodeTextSplitter
  • RecursiveCharacterTextSplitter
  • SentenceTransformersTokenTextSplitter
  • SpacyTextSplitter

已经支持的定制分词器如下:

项目中默认使用的 Text Splitter 类型为 ChineseRecursiveTextSplitter,如需使用其他 Text Splitter 类型,请在 configs/model_config.py 中对 text_splitter_dictTEXT_SPLITTER 进行修改。

关于如何使用自定义分词器和贡献自己的分词器,可以参考 如何自定义分词器


Agent 生态

基础的 Agent

在本版本中,我们实现了一个简单的基于 OpenAI 的 ReAct 的 Agent 模型,目前,经过我们测试,仅有以下两个模型支持:

  • OpenAI GPT4
  • ChatGLM2-130B

目前版本的 Agent 仍然需要对提示词进行大量调试。

构建自己的 Agent 工具

详见 自定义 Agent 说明


Docker 部署

🐳 Docker 镜像地址: registry.cn-beijing.aliyuncs.com/chatchat/chatchat:0.2.3)

docker run -d --gpus all -p 80:8501 registry.cn-beijing.aliyuncs.com/chatchat/chatchat:0.2.3
  • 该版本镜像大小 35.3GB,使用 v0.2.5,以 nvidia/cuda:12.1.1-cudnn8-devel-ubuntu22.04 为基础镜像
  • 该版本内置两个 embedding 模型:m3e-largetext2vec-bge-large-chinese,默认启用后者,内置 chatglm2-6b-32k
  • 该版本目标为方便一键部署使用,请确保您已经在Linux发行版上安装了NVIDIA驱动程序
  • 请注意,您不需要在主机系统上安装CUDA工具包,但需要安装 NVIDIA Driver 以及 NVIDIA Container Toolkit,请参考安装指南
  • 首次拉取和启动均需要一定时间,首次启动时请参照下图使用 docker logs -f <container id> 查看日志
  • 如遇到启动过程卡在 Waiting.. 步骤,建议使用 docker exec -it <container id> bash 进入 /logs/ 目录查看对应阶段日志

开发部署

软件需求

本项目已在 Python 3.8.1 - 3.10,CUDA 11.7 环境下完成测试。已在 Windows、ARM 架构的 macOS、Linux 系统中完成测试。

1. 开发环境准备

参见 开发环境准备

请注意: 0.2.5 及更新版本的依赖包与 0.1.x 版本依赖包可能发生冲突,强烈建议新建环境后重新安装依赖包。

2. 下载模型至本地

如需在本地或离线环境下运行本项目,需要首先将项目所需的模型下载至本地,通常开源 LLM 与 Embedding 模型可以从 HuggingFace 下载。

以本项目中默认使用的 LLM 模型 THUDM/ChatGLM2-6B 与 Embedding 模型 moka-ai/m3e-base 为例:

下载模型需要先安装 Git LFS,然后运行

$ git clone https://huggingface.co/THUDM/chatglm2-6b

$ git clone https://huggingface.co/moka-ai/m3e-base

3. 设置配置项

复制相关参数配置模板文件 configs/*_config.py.example,存储至项目路径下 ./configs 路径下,并重命名为 *_config.py

在开始执行 Web UI 或命令行交互前,请先检查 configs/model_config.pyconfigs/server_config.py 中的各项模型参数设计是否符合需求:

  • 请确认已下载至本地的 LLM 模型本地存储路径(请使用绝对路径)写在 MODEL_PATH 对应模型位置,如:
"chatglm2-6b": "/Users/xxx/Downloads/chatglm2-6b",
  • 请确认已下载至本地的 Embedding 模型本地存储路径写在 MODEL_PATH 对应模型位置,如:
"m3e-base": "/Users/xxx/Downloads/m3e-base",
  • 请确认本地分词器路径是否已经填写,如:
text_splitter_dict = {
    "ChineseRecursiveTextSplitter": {
        "source": "huggingface",  
        ## 选择tiktoken则使用openai的方法,不填写则默认为字符长度切割方法。
        "tokenizer_name_or_path": "", 
        ## 空格不填则默认使用大模型的分词器。 
    }
}

如果你选择使用 OpenAI 的 Embedding 模型,请将模型的 key 写入 ONLINE_LLM_MODEL 中。使用该模型,你需要能够访问 OpenAI 官方的 API,或设置代理。

4. 知识库初始化与迁移

当前项目的知识库信息存储在数据库中,在正式运行项目之前请先初始化数据库(我们强烈建议您在执行操作前备份您的知识文件)。

  • 如果您是从 0.1.x 版本升级过来的用户,针对已建立的知识库,请确认知识库的向量库类型、Embedding 模型与 configs/model_config.py 中默认设置一致,如无变化只需以下命令将现有知识库信息添加到数据库即可:

    $ python init_database.py
  • 如果您是第一次运行本项目,知识库尚未建立,或者配置文件中的知识库类型、嵌入模型发生变化,或者之前的向量库没有开启 normalize_L2,需要以下命令初始化或重建知识库:

    $ python init_database.py --recreate-vs

5. 一键启动 API 服务或 Web UI

5.1 启动命令

一键启动脚本 startup.py,一键启动所有 FastChat 服务、API 服务、WebUI 服务,示例代码:

$ python startup.py -a

并可使用 Ctrl + C 直接关闭所有运行服务。如果一次结束不了,可以多按几次。

可选参数包括 -a (或--all-webui), --all-api, --llm-api, -c (或--controller), --openai-api, -m (或--model-worker), --api, --webui,其中:

  • --all-webui 为一键启动 WebUI 所有依赖服务;
  • --all-api 为一键启动 API 所有依赖服务;
  • --llm-api 为一键启动 FastChat 所有依赖的 LLM 服务;
  • --openai-api 为仅启动 FastChat 的 controller 和 openai-api-server 服务;
  • 其他为单独服务启动选项。

更多信息可以通过 python startup.py -h 查看

5.2 启动非默认模型

若想指定非默认模型,需要用 --model-name 选项,示例:

$ python startup.py --all-webui --model-name Qwen-7B-Chat

请注意,指定的模型必须在 model_config.py 中进行了配置。

5.3 多卡加载

项目支持多卡加载,需在 startup.py 中的 create_model_worker_app 函数中,修改如下三个参数:

gpus = None, 
num_gpus = 1, 
max_gpu_memory = "20GiB"

其中,gpus 控制使用的显卡的 ID,例如 "0,1";

num_gpus 控制使用的卡数;

max_gpu_memory 控制每个卡使用的显存容量。

注1:server_config.pyFSCHAT_MODEL_WORKERS 字典中也增加了相关配置,如有需要也可通过修改 FSCHAT_MODEL_WORKERS 字典中对应参数实现多卡加载。

注2:少数情况下,gpus 参数会不生效,此时需要通过设置环境变量 CUDA_VISIBLE_DEVICES 来指定 torch 可见的 GPU,示例代码:

CUDA_VISIBLE_DEVICES=0,1 python startup.py -a

5.4 PEFT 加载(包括 lora, p-tuning, prefix tuning, ia3等)

本项目基于 FastChat 加载 LLM 服务,故需以 FastChat 加载 PEFT 路径,即保证路径名称里必须有 peft 这个词,配置文件的名字为 adapter_config.json,peft 路径下包含 .bin 格式的 PEFT 权重,peft 路径在 startup.pycreate_model_worker_app 函数的 args.model_names 中指定,并开启环境变量 PEFT_SHARE_BASE_WEIGHTS=true 参数。

注:如果上述方式启动失败,则需要以标准的 FastChat 服务启动方式分步启动。PEFT 加载详细步骤参考 加载 LoRA 微调后模型失效

5.5 注意事项

  1. startup.py 脚本用多进程方式启动各模块的服务,可能会导致打印顺序问题,请等待全部服务发起后再调用,并根据默认或指定端口调用服务(默认 LLM API 服务端口:127.0.0.1:20000,默认 API 服务端口:127.0.0.1:7861,默认 WebUI 服务端口:本机IP:8501)。

  2. 服务启动时间示设备不同而不同,约 3-10 分钟,如长时间没有启动请前往 ./logs目录下监控日志,定位问题。

  3. 在 Linux 上使用 Ctrl+C 退出可能会由于 Linux 的多进程机制导致 multiprocessing 遗留孤儿进程,可通过运行 shutdown_all.sh 进行退出

5.6 启动界面示例:

  1. FastAPI Docs 界面

  1. Web UI 启动界面示例:
  • Web UI 对话界面:

img

  • Web UI 知识库管理页面:


常见问题

参见 常见问题


最佳实践

请参见 最佳实践


项目 Wiki

更多项目相关开发介绍、参数配置等信息,请参见 项目 Wiki


路线图

  • Langchain 应用
    • 本地数据接入
      • 接入非结构化文档
        • .md
        • .txt
        • .docx
      • 结构化数据接入
        • .csv
        • .xlsx
      • 分词及召回
        • 接入不同类型 TextSplitter
        • 优化依据中文标点符号设计的 ChineseTextSplitter
        • 重新实现上下文拼接召回
      • 本地网页接入
      • SQL 接入
      • 知识图谱/图数据库接入
    • 搜索引擎接入
      • Bing 搜索
      • DuckDuckGo 搜索
    • Agent 实现
      • 基础React形式的Agent实现,包括调用计算器等
      • Langchain 自带的Agent实现和调用
      • 更多模型的Agent支持
      • 更多工具
  • LLM 模型接入
    • 支持通过调用 FastChat api 调用 llm
    • 支持 ChatGLM API 等 LLM API 的接入
  • Embedding 模型接入
    • 支持调用 HuggingFace 中各开源 Emebdding 模型
    • 支持 OpenAI Embedding API 等 Embedding API 的接入
  • 基于 FastAPI 的 API 方式调用
  • Web UI
    • 基于 Streamlit 的 Web UI

项目交流群

二维码

🎉 langchain-Chatchat 项目微信交流群,如果你也对本项目感兴趣,欢迎加入群聊参与讨论交流。

关注我们

🎉 langchain-Chatchat 项目官方公众号,欢迎扫码关注。