1、介绍

GitHub开源了一款可离线，支持检索增强生成(RAG)大模型的知识库项目。虽然开源时间不长，但是势头很猛，已经斩获25K Star。具备以下特点：

• 项目利用 langchain 思想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；

• 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；

• 项目方案采用Apache License，可以免费商用，无需付费。

支持中文，可私有化部署，免费商用！

项目名称：Langchain-Chatchat
项目地址：https://github.com/chatchat-space/Langchain-Chatchat

2、解决的痛点

该项目是一个可以实现完全本地化推理的知识库增强方案, 重点解决数据安全保护，私域化部署的企业痛点。 本开源方案采用Apache License，可以免费商用，无需付费。

我们支持市面上主流的本地大语言模型和Embedding模型，支持开源的本地向量数据库。

3、Docker 部署

一行代码搞定，但是建议网速不好的同学不要尝试

docker run -d --gpus all -p 80:8501 isafetech/chatchat:0.2.10docker run -d --gpus all -p 80:8501 ccr.ccs.tencentyun.com/chatchat/chatchat:0.2.10docker run -d --gpus all -p 80:8501 registry.cn-beijing.aliyuncs.com/chatchat/chatchat:0.2.10

4、常规模式本地部署方案

4.1、环境配置

首先，确保你的机器安装了 Python 3.8 - 3.11 (我们强烈推荐使用 Python3.11)。

# 首先，确信你的机器安装了 Python 3.8 - 3.10 版本$ python --versionPython 3.8.13# 如果低于这个版本，可使用conda安装环境$ conda create -p /your_path/env_name python=3.8# 激活环境$ source activate /your_path/env_name# 或，conda安装，不指定路径, 注意以下，都将/your_path/env_name替换为env_name$ conda create -n env_name python=3.8$ conda activate env_name # Activate the environment# 更新py库$ pip3 install --upgrade pip# 关闭环境$ source deactivate /your_path/env_name# 删除环境$ conda env remove -p  /your_path/env_name

接着，创建一个虚拟环境，并在虚拟环境内安装项目的依赖

# 拉取仓库$ git clone 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 $ 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。# 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

如果只需运行 WebUI，可执行：

$ pip install -r requirements_webui.txt

请注意，LangChain-Chatchat 0.2.x 系列是针对 Langchain 0.0.x 系列版本的，如果你使用的是 Langchain 0.1.x 系列版本，需要降级您的Langchain版本。

4.2、模型下载

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/ChatGLM3-6B 与 Embedding 模型 BAAI/bge-large-zh 为例：

下载模型需要先安装 Git LFS ，然后运行

$ git lfs install$ git clone https://huggingface.co/THUDM/chatglm3-6b$ git clone https://huggingface.co/BAAI/bge-large-zh

4.3、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

4.4、一键启动

按照以下命令启动项目

$ python startup.py -a

4.5、启动界面示例

如果正常启动，你将能看到以下界面

5、 最轻模式本地部署方案

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

不要停止奔跑,不要回顾来路,来路无可眷恋,值得期待的只有前方。