探索LangChain-Chatchat 0.3：一体化Agent与强大RAG模型的全面入门指南

关注

原创最新推荐文章于 2026-09-07 13:25:07 发布 2.3k 阅读 AI 写同款· GEO 优化 ›

Langchain-Chatchat本地部署虽然使用Chatchat整个过程中的坑还是挺多的，但是至少跑起来了，而且在跑这个项目中遇到了很多自己没有接触过的知识。比如量化模型这个概念，是在优化返回速度的时候才知道可以把模型的精度改小，提高计算速度。现在本地还只运行成功了项目本身支持的几个模型，像界面中的知识库问答，文件对话，搜索引擎问答，自定义agent都还没跑成功，还有挺多东西要去研究和尝试的，还是挺有意思的。我想了想后面可能会针对其他的几个模式也写一些记录。阅读详情

介绍

LangChain-Chatchat 支持RAG和Agent
0.3版本跟大模型解耦,支持Xinference、Ollama、LocalAI、FastChat、One API,可以非常方便的切换各个模型,本文只是介绍Xinference
Xorbits Inference (Xinference) 是一个开源平台，用于简化各种 AI 模型的运行和集成。借助 Xinference，您可以使用任何开源 LLM、嵌入模型和多模态模型在云端或本地环境中运行推理，并创建强大的 AI 应用。
RAG支持目前基本所有的文本格式和图片
有默认可用的WebUI界面和接口可以自定义二次开发
本文档是LangChain-Chatchat 0.3版本部署在Windows上

效果图

通过效果图先看看是不是你想要的.

基本聊天
知识库的管理,可以传入自己本地的各种知识
外部函数调用
有api文档,支持二次开发

部署

部署Python项目经常需要通过虚拟环境可以创建多个干净的环境,这里使用的是Conda

Conda 的使用

安装Conda

在安装Conda之前，你可以选择安装Miniconda（最小化的Conda版本）或Anaconda（包含一系列常用包的版本）。以下是安装Miniconda的步骤：下载地址

配置Conda

Windows系统：

打开“控制面板” -> “系统与安全” -> “系统” -> “高级系统设置” -> “环境变量”。
在“系统变量”下新建一个变量名为 CONDA_HOME，值为Conda的安装路径（比如 C:\Users\YourUsername\Miniconda3）。
编辑“Path”变量，在末尾加上 %CONDA_HOME%\Scripts 和 %CONDA_HOME%。
在命令提示符中输入 conda --version 验证配置是否成功。

常用命令

以下是一些常用的Conda命令，包括初始化、激活、创建环境、删除环境、安装包以及设置缓存路径：

1. 初始化Conda

在安装完Conda后，可以使用以下命令初始化Conda配置：

conda init

2. 激活环境

激活一个已存在的Conda环境：

conda activate myenv

3. 创建环境

创建一个新的Conda环境：

conda create --name myenv python==3.10

4. 删除环境

删除一个已存在的Conda环境：

conda remove --name myenv --all

5. 安装包

在激活的环境中安装包，可以指定版本号：

conda install package_name
conda install package_name=1.0

6. 设置缓存路径

设置Conda包缓存路径，可以通过以下命令设置：

conda config --set pkgs_dirs /path/to/cache/directory

7. 列出所有虚拟环境

要列出所有在Conda中创建的虚拟环境，你可以使用以下命令：

conda env list

Xinference的安装

首先使用Conda创建一个虚拟环境xinf
切换到这个虚拟环境
按照Xinference
需要本地有GPU,才能跑本地模型

conda create -n xinf python==3.10
conda activate xinf
pip install "xinference[transformers]"

Xinference的运行

xinference-local --host 0.0.0.0 --port 9997

根据自己的GPU情况来选择运行那个大模型, 我是8G的显卡内存,选择chatglm3的量化版本可以正常运行,内存比较大的可以选择glm4或者qwen2

运行成功后,可以在浏览器中打开http://127.0.0.1:9997

选择chatglm3

设置chatglm3,点击最下面的按钮,他会自动下载模型,可能需要比较长时间.

后面的RAG需要这个Embedding Model 来完成量化

Langchain-Chatchat的安装

首先使用Conda创建一个虚拟环境chatchat
切换到这个环境
进行安装

conda create -n chatchat python==3.10
conda activate chatchat
pip install langchain-chatchat -U

可以到Langchain-Chatchat中查看详细的文档

Langchain-Chatchat的运行

前面Xinference安装成功后,就可以运行Chatchat了,先配置自己的模型

chatchat-config model --default_llm_model chatglm3

配置模型平台,我这里遇到些问题,该命令在Windows好像不能执行,我通过修改源码来指定了该平台.

$ chatchat-config model --set_model_platforms "[{
    \"platform_name\": \"xinference\",
    \"platform_type\": \"xinference\",
    \"api_base_url\": \"http://127.0.0.1:9997/v1\",
    \"api_key\": \"EMPT\",
    \"api_concurrencies\": 5,
    \"llm_models\": [
        \"chatglm3\"
    ],
    \"embed_models\": [
        \"bge-large-zh-v1.5\"
    ],
    \"image_models\": [],
    \"reranking_models\": [],
    \"speech2text_models\": [],
    \"tts_models\": []
}]"

初始化知识库

chatchat-kb -r

运行

chatchat -a

运行成功后会调到浏览器打开http://127.0.0.1:8501/

安装过程中遇到的问题

遇到了Xinference UI没有更新成最新版本的问题,可以重新编译UI来解决
遇到Langchain-chatchat在Windows下配置问题,我是自己修改源码解决的,如果有需要可以单独交流
找不到Xinference模型的问题,跟上面类似都是配置问题

欢迎大家使用和关注

仓库地址

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。