简单实现一个本地ChatGPT 服务，用到langchain框架，fastapi,并且本地安装了ollama。
依赖安装：
pip install langchain
pip install langchain_community
pip install langchain-cli # langchain v0.2 2024年5月最新版本
pip install bs4
pip install langchainhub
pip install FastAPI实现本地chatGPT代码：
from fastapi import FastAPI
from langchain_community.llms.ollama import Ollama
from langchain_core.prompts import ChatPromptTemplate
from langserve import add_routes
from langchain_core.output_parsers import StrOutputParser
from langchain_core.messages import HumanMessage, SystemMessage
# 创建LLM模型
model = Ollama(model="qwen2:7b")
messages = [
SystemMessage(content="你好!我是你的虚拟助理。今天我能为您做些什么?"),
HumanMessage(content="你好!"),
]
result = model.invoke(messages)
print('-----------------------相当于启动测试模型回复-----------------------')
print(result)
print('-----------------------相当于启动测试模型回复-----------------------')
parser = StrOutputParser()
prompt_template = ChatPromptTemplate.from_messages([
('system', "你好!我是你的虚拟助理。"),
('user', '{text}')
])
chain = prompt_template | model | parser
# 定义web服务
app = FastAPI(
title="LangChain Server",
version="1.0",
description="一个简单的 web API 服务",
)
add_routes(
app,
chain,
path="/chain",
)
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="localhost", port=8000)
服务运行启动web服务结果：
客户端调用web服务测试代码：
from langserve import RemoteRunnable
remote_chain = RemoteRunnable("http://localhost:8000/chain/")
r = remote_chain.invoke({ "text": "帮我用java写1个排序算法"})
print(r)测试结果回答准确，如下图：
服务端非常简单，后面再写个前端对接一下即可方便使用。
