langchain_chatchat+ollama部署本地知识库，联网查询以及对数据库(Oracle)数据进行查询

准备工作：

部署ollama，并拉取qwen2.5:14b和quentinz/bge-large-zh-v1.5:latest
部署langchain_chatchat
部署oracle数据库

部署ollama以及拉取模型

可以参考下面的文章：
https://www.cnblogs.com/jokingremarks/p/18151827

部署langchain_chatchat

Langchain_chatchat的github路径：https://github.com/chatchat-space/Langchain-Chatchat

使用vscode快速创建一个venv虚拟环境管理工具

在当前环境下直接下载Langchain-Chatchat的python库

注意：这个只能在Python 3.8-3.11的环境下，不然会报错

Langchain-Chatchat 提供以 Python 库形式的安装方式，具体安装请执行：
pip install langchain-chatchat -U

如果要用Xinference接入Langchain-Chatchat，建议使用如下安装方式：
pip install "langchain-chatchat[xinference]" -U

本文使用ollama作为本地模型的调用，所以不需要装Xinference

部署oracle数据库

这里我是直接下载到了本地，使用的版本是Oracle 19c，安装教程网上大把，记得创建一个数据库，我这里数据库名字是orcl

对langchain-chatchat的配置文件初步调整：

首先先调整model_settings.yaml
DEFAULT_LLM_MODEL和DEFAULT_EMBEDDING_MODEL，将其替换成ollama下载下来的模型名，这里我们使用qwen2.5:14b作为LLM，使用quentinz/bge-large-zh-v1.5:latest作为Embedding

# 默认选用的 LLM 名称
DEFAULT_LLM_MODEL: qwen2.5:14b

# 默认选用的 Embedding 名称
DEFAULT_EMBEDDING_MODEL: quentinz/bge-large-zh-v1.5:latest

MODEL_PLATFORMS部分只保留ollama，同时修改内容

llm_models:
      - qwen2.5:14b
embed_models:
      - quentinz/bge-large-zh-v1.5:latest

langchain-chatchat执行：

详细内容可以查看文档：https://github.com/chatchat-space/Langchain-Chatchat

其实就三步

执行初始化

chatchat init

初始化知识库

chatchat kb -r

启动项目

chatchat start -a

一般会自动跳到浏览器里面，地址为http://127.0.0.1:8501/

langchain-chatchat简单操作：

模型对话，就是最基础的对话操作，启用agent的时候可以选择不同的工具来进行对话

RAG对话，可以选择不同的场景进行对话，其中有知识库问答，文件对话和搜索引擎问答

知识库问答就是使用项目路径下的文件内容回答，会有些自带的文件在里面，可以自己上传

文件对话就是基于上传的文件内容进行问答

搜索引擎对话后面会有补充，需要对配置文件再进行调整

知识库管理，即对项目中的内部知识库进行增删知识库以及重建向量库

langchain-chatchat联网查询：

如果使用duckduckgo作为搜索引擎的话可能需要FQ，这个就自行解决了

先安装duckduckgo-search

pip install -U duckduckgo-search

将tool_settings.yaml中的search_internet的search_engine_name设置成duckduckgo

如果要查询天气或者地图相关的，可以增加用高德地图的配置，api可以直接去高德申请，比较容易

将kb_settings.yaml中的DEFAULT_SEARCH_ENGINE也修改成duckduckgo

重新加载项目以后，就可以使用搜索引擎对话了

langchain-chatchat连接oracle数据库并查询内容：

官方文档：https://github.com/chatchat-space/Langchain-Chatchat/blob/master/docs/install/README_text2sql.md

首先我们找到tool_settings.yaml中的text2sql进行修改

有几个需要注意的地方

oracle的连接我使用的是oracledb，所以需要安装oracledb

python -m pip install oracledb

table_comments是一些提示用的，如果发现模型形成的sql老是找不对表或者字段，就在里面说明下，准确率会大幅提高

重要的！！！最重要的！！！

因为oracle的语法比较特殊，所以要对langchain的源码进行修改

找到项目中的/envs/chat_0.3.1/lib/python3.11/site-packages/langchain_experimental/sql/base.py

在其中对SQL进行一些处理，目前我遇到的情况有如下的，都需要重新分割处理才行

if "sql" in sql_cmd:
            sql_cmd = sql_cmd.split("sql")[-1].strip() # 增加的sql过滤，按照sql分割，取后一段，为了去掉```sql的开头
if "`" in sql_cmd:
            sql_cmd = sql_cmd.split("`")[0].strip() # 增加的sql过滤，按照sql分割，取后一段，为了去掉```的结尾
if "LIMIT" in sql_cmd:
            sql_cmd = sql_cmd.split("LIMIT")[0].strip() # 增加的sql过滤，按照sql分割，取后一段，为了去掉LIMIT

然后重新运行项目，选择启用agent并选择数据库对话，输入要搜索的东西，终端里面可以看到对应的sql以及查询结果

可以看到回答的和数据库中查询的内容一致

不过对Oracle数据库好像不是很友好，有时候还是会有一些奇怪的报错

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​