介绍

Langchain-Chatchat这个框架可以帮助我们更容易的部署大语言模型，之前也写过ChatGLM传统的部署教程，有兴趣的可以参考

• 【ChatGLM3】第三代大语言模型多GPU部署指南
• 【ChatGLM2-6B】从0到1部署GPU版本

借助Langchain-Chatchat框架，可以用更少的配置，帮我们做了大量的细节，并且还支持知识库和Agent等功能，下面将介绍如何使用docker方式和源码方式部署。

使用docker方式部署

docker run -d --name chatchat --gpus all -p 18501:8501 registry.cn-beijing.aliyuncs.com/chatchat/chatchat:0.2.7

使用源码方式部署

# 拉取仓库
git clone https://github.com/chatchat-space/Langchain-Chatchat.git

# 进入目录
cd Langchain-Chatchat

# 创建虚拟环境
conda create -n chatchat python==3.11
source activate chatchat

# 安装全部依赖
pip install -r requirements.txt 
pip install -r requirements_api.txt
pip install -r requirements_webui.txt  

# 默认依赖包括基本运行环境（FAISS向量库）。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。

初始化知识库和配置文件

按照下列方式初始化自己的知识库和简单的复制配置文件

python copy_config_example.py
python init_database.py --recreate-vs

根据需要修改配置

以下列出需要修改的配置文件中的配置参数，根据参数名在配置文件在搜索

• 修改模型相关配置参数configs/model_config.py.example
  • LLM_MODELS
  • MAX_TOKENS
  • 模型路径(根据自己使用的模型找到对应的路径进行修改):
    • MODEL_PATH.embed_model.bge-large-zh-v1.5
    • MODEL_PATH.llm_model.chatglm3-6b-32k
    • VLLM_MODEL_DICT.chatglm3-6b-32k
• 修改服务启动相关配置参数configs/server_config.py.example
  • 服务启动端口:
    • web服务端口: WEBUI_SERVER.port
    • API服务端口: API_SERVER.port
    • FSCHAT_MODEL_WORKERS.default.gpus
    • FSCHAT_MODEL_WORKERS.default.num_gpus

一键启动

按照以下命令启动项目

python startup.py -a

编写启动脚本

新建start.sh，内容如下

source activate chatchat

>nohup.out
nohup python startup.py -a &

运行效果截图

参考资料

• 源码