核心内容摘要
《暴躁老妈》全集免费在线观看，最新剧情揭秘，不容错过！
觉得搞一个AI的智能问答知识库很难吗那是你没有找对方向和工具今天我们分享一个开源项目帮助你快速构建基于Langchain 和LLM 的本地知识库问答在GitHub已经获得27K star它就是Langchain-ChatchatCSDN大礼包Langchain-Chatchat 已下载并打包免费分享**安全链接放心点击**Langchain-Chatchat 是什么Langchain-Chatchat基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现开源、可离线部署的检索增强生成(RAG)大模型知识库项目。
本项目利用 langchain 思想实现的基于本地知识库的问答应用目前langchain可以说是开发LLM应用的首选框架而本项目的目标就是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。
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。
实现原理本项目全流程使用开源模型来实现本地知识库问答应用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。
可以通过下面的图来直观看到的整个流程的执行过程非常值得参考学习。
再从从文档处理角度来看实现流程如下这里需要注意本项目未涉及微调、训练过程但可利用微调或训练对本项目效果进行优化。
部署要求软件要求操作系统Linux Ubuntu
22.
0
5 kernel version
7其他系统可能出现系统兼容性问题。
最低要求该要求仅针对标准模式轻量模式使用在线模型不需要安装torch等库也不需要显卡即可运行。
Python 版本:
8(很不稳定),
12CUDA 版本:
1
1推荐要求开发者在以下环境下进行代码调试在该环境下能够避免最多环境问题。
Python 版本
3.
1
7CUDA 版本:
1
1硬件要求如果想要顺利在GPU运行本地模型的FP16版本你至少需要以下的硬件配置来保证在我们框架下能够实现 稳定连续对话ChatGLM
B LLaMA-7B-Chat 等 7B模型 最低显存要求: 14GB 推荐显卡: RTX 4080Qwen-14B-Chat 等 14B模型 最低显存要求: 30GB 推荐显卡: V100Yi-34B-Chat 等 34B模型 最低显存要求: 69GB 推荐显卡: A100Qwen-72B-Chat 等 72B模型 最低显存要求: 145GB 推荐显卡多卡 A100 以上实际部署配置示例处理器: Intel® Core™ i9 processor 14900K 内存: 256 GB DDR5 显卡组: NVIDIA RTX4090 X 1 / NVIDIA RTXA6000 X 1 硬盘: 1 TB 操作系统: Ubuntu
2
04 LTS / Arch Linux, Linux Kernel
6.
7 显卡驱动版本:
545.
2
06 Cuda版本:
1
3 Update 1 Python版本:
3.
1
7部署 Langchain-ChatchatDocker 部署开发组为开发者们提供了一键部署的 docker 镜像文件懒人包。
开发者们可以在 AutoDL 平台和 Docker 平台一键部署。
docker run -d --gpus all -p 80:8501 isafetech/chatchat:
0.
10 docker run -d --gpus all -p 80:8501 ccr.ccs.tencentyun.com/chatchat/chatchat:
0.
10 docker run -d --gpus all -p 80:8501 registry.cn-beijing.aliyuncs.com/chatchat/chatchat:
0.
10该版本镜像大小
5
1GB使用 v
0.
10以 nvidia/cuda:
12.
1-cudnn8-devel-ubuntu
2
04 为基础镜像该版本为正常版本非轻量化版本该版本内置并默认启用一个 Embedding 模型bge-large-zh-v
5内置并默认启用 ChatGLM
B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请参考安装指南本地部署方案安装python环境# 首先确信你的机器安装了 Python
8 -
10 版本 $ python --version Python
3.
13 $ conda create -p /your_path/env_name python
8 $ source activate /your_path/env_name $ conda create -n env_name python
8 $ conda activate env_name # Activate the environment # 更新py库 $ pip3 install --upgrade pip安装项目相关的依赖# 拉取仓库 $ git clone --recursive https://github.com/chatchat-space/Langchain-Chatchat.git # 进入目录 $ cd Langchain-Chatchat # 安装全部依赖 $ pip install -r requirements.txt # 默认依赖包括基本运行环境FAISS向量库。
以下是可选依赖 - 如果要使用 milvus/pg_vector 等向量库请将 requirements.txt 中相应依赖取消注释再安装。
- 如果要开启 OCR GPU 加速请安装 rapidocr_paddle[gpu] - 如果要使用在线 API 模型请安装对用的 SDK模型下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。
$ git lfs install $ git clone https://huggingface.co/THUDM/chatglm
b $ git clone https://huggingface.co/moka-ai/m3e-base初始化知识库,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#如果您已经有创建过知识库 $ python init_database.py --create-tables #如果您是第一次运行本项目 $ python init_database.py --recreate-vs一键启动一键启动脚本 startup.py 一键启动所有 Fastchat 服务、API 服务、WebUI 服务$ python startup.py -a启动界面正常启动后会有两种使用界面一种是webui如下Web UI 知识库管理页面另一种使用方式是API以下是查看提供的API。
最轻模式以上的部署方式是需要显卡的对于我们这些没卡的一族来说就很尴尬。
但是项目很贴心提供一个lite模式该模式的配置方式与常规模式相同但无需安装 torch 等重依赖通过在线API实现 LLM 和 Ebeddings 相关功能适合没有显卡的电脑使用。
$ pip install -r requirements_lite.txt $ python startup.py -a --lite该模式支持的在线 Embeddings 包括智谱AIMiniMax百度千帆阿里云通义千问在 model_config.py 中 将 LLM_MODELS 和 EMBEDDING_MODEL 设置为可用的在线 API 名称即可
总结项目的结构非常不错针对当前热门的AI知识库给出一种非常好的构建方式而且还做到了全链条的开源产品所以无论你是希望直接使用它来构建知识库还是希望通过本项目学习和实现自己的解决方案都会是非常好的选择。
我也建议大家不要单纯的伸手党还是要自己去研究一下项目的架构因为这类项目实际上最精华的就是架构设计。
项目信息项目名称 Langchain-ChatchatGitHub 链接github.com/chatchat-sp…Star 数27K想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2026 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容
学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI
100本大模型方向电子书
26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC
实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
600套技术大会 PPT听行业大咖讲实战PPT 整理自
年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌
107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自
年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析
102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑
97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”
路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。
L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、
关键技术以及大模型应用场景。
L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。
L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。
L5阶段专题集丨特训篇 【录播课】