大叔比较胖的博客

本系统是一个基于大模型的Java代码分析工具，能够解析Java项目中的方法调用关系，构建调用图数据库，并通过自然语言查询和可视化方式展示调用关系。系统结合了静态代码分析、图数据库存储和大模型查询能力，为代码理解、架构分析和影响评估提供支持。| Java代码解析器 | --> | Neo4j图数据库 | --> | 大模型查询引擎 || 调用关系缓存系统 | | 可视化展示模块 | | 自然语言交互界面 |"找出所有调用UserService的方法"

我们将开发以大语言模型为功能核心、通过大语言模型的强大理解能力和生成能力、结合特殊的数据或业务逻辑来提供独特功能的应用称为大模型开发。开发大模型相关应用，其技术核心点虽然在大语言模型上，但一般通过调用 API 或开源模型来实现核心的理解与生成，通过 Prompt Enginnering 来实现大语言模型的控制，因此，虽然大模型是深度学习领域的集大成之作，大模型开发却更多是一个工程问题。在大模型开发中，我们一般不会去大幅度改动模型，而是将大模型作为一个调用工具，通过 Prompt Engineering、数据

ChatGPT 的巨大成功激发了越来越多的开发者兴趣，他们希望利用 OpenAI 提供的 API 或者私有化模型，来开发基于大型语言模型的应用程序。尽管大型语言模型的调用相对简单，但要创建完整的应用程序，仍然需要大量的定制开发工作，包括 API 集成、互动逻辑、数据存储等等。为了解决这个问题，从 2022 年开始，许多机构和个人相继推出了多个开源项目，旨在帮助开发者们快速构建基于大型语言模型的端到端应用程序或工作流程。其中一个备受关注的项目就是 LangChain 框架。

1. 此文档主要描述Langchain-Chatchat项目的源码安装过程，项目版本为0.3.12. 使用ollama作为模型运行框架包括LLM和Embedding模型3. LLM使用qwen:7b。

操作系统： TencentOS Server 3.1 (TK4)Python: 3.9.0(使用 conda的虚拟python环境，可根据实际需要更换版本，当前使用的是3.9.0的版本)CUDA Version: 12.2（腾讯云会自动安装）

本地部署大模型，并且可选择性的切换不同大模型

是一种将高维数据（如‌文本、图像、音频）映射到低维空间的技术，其中每个数据点由实数构成的向量表示，这些向量在向量空间中的位置反映了数据的语义特征。这种技术广泛应用于‌自然语言处理和‌机器学习中，使得计算机能够理解和处理文本等数据。以下是关于Embedding模型的一些关键点：‌1总体来说，Embedding模型是现代数据分析和机器学习中的一个关键技术，它使得计算机能够理解和处理复杂的数据结构，如文本和图像，从而推动了人工智能技术在多个领域的应用和发展。