背景
由于客服存在大量的问题为FAQ问题，需要精准回复客户，所以针对此类精准问题，通过自建同量数量库进行回复。
落地方案
通过chatGLM3-6B+langchain-chatchat+bge-large-zh实现本地知识库库。
注意：相关介绍和说明请看官网~
配置要求
名称 | 要求 | 说明 |
内存 | 16G | 最好是32G |
GPU | 英伟达16G | 最好是24G |
python | 3.10 |
环境搭建
拉取代码
https://github.com/chatchat-space/Langchain-Chatchat.git安装环境
建议：通过conda 创建专用环境
进入环境然后执行如下
pip install -r requirements.txt
pip install -r requirements_api.txt
pip install -r requirements_webui.txt下载模型
#国内源下载(推荐)git lfs installgit clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git
git clone https://www.modelscope.cn/AI-ModelScope/bge-large-zh.git#需要梯子
git lfs installgit clone https://huggingface.co/THUDM/chatglm3-6b
git clone https://huggingface.co/BAAI/bge-large-zh项目部署
初始化配置
进入项目执行如下命令：
python copy_config_example.py
python init_database.py --recreate-vs
然后会在config中生成如下：
文件名称 | 说明 |
basic_config.py | 基础配置，用于配置日志相关 |
kb_config.py | 向量数据量配置，可配置相关的参数 |
model_config.py | 模型配置，可以在这里配置模型相关信息 |
prompt_config.py | 消息板模配置 |
server_config.py | 服务配置，配置端口及host等 |
配置修改
model_config.py 修改如下：
MODEL_ROOT_PATH =存放你模型的路劲(不需要指定到模型位置)
EMBEDDING_MODEL=向量数据库名称(不需要包含路劲)
server_config.py 修改如下:
OPEN_CROSS_DOMAIN = True
项目启动
#前台启动
python startup.py -a
#后台启动
nohup python startup.py>startup.log -a &
访问API接口列表：http://127.0.0.1:20000/docs#/
项止
访问页面：127.0.0.1:8501
最后
试了最新的chatchat发现这个版本在识别agent中的utils有时生效有时无效，官方也承认有这个问题，建议后续还是用官方的chatGLM3的utils，下次文章再输出。
相关链接：
https://github.com/THUDM/ChatGLM3
https://github.com/chatchat-space/Langchain-Chatchat
