如何用LangChain+ChatGLM3搭建企业级知识库（附完整代码）

已于 2025-02-03 11:47:21 修改
阅读量726 收藏 13
点赞数 7
文章标签： langchain 数据分析 AI作画 文心一言 人工智能
于 2025-02-03 11:45:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/whc15398305821/article/details/145428692
版权

以下是一篇符合优快云技术社区热度的原创文章，结合了AIGC、大模型应用开发等当前最受关注的技术方向，包含深度技术解析和实战案例：

大模型落地实战：如何用LangChain+ChatGLM3搭建企业级知识库（附完整代码）

引言：大模型时代的技术红利

2023年全球AI研发支出同比增长62%，其中企业知识管理智能化成为最热赛道。传统基于规则的系统正在被基于大模型的智能体取代，本文将手把手教你构建支持万级文档实时检索的AI知识库系统。

一、技术架构解析

1.1 核心组件选型

  • 基座模型：ChatGLM3-6B（中文优化+高效微调）
  • 框架：LangChain（模块化流程编排）
  • 向量数据库：ChromaDB（轻量级+高性能）

1.2 系统流程图解

最低0.47元/天 解锁文章
从LangChain+LLM的本地知识库问答到LLM与知识图谱、数据库的结合
u013250861的博客
08-27 1709
过去半年，随着ChatGPT的火爆，直接带火了整个LLM这个方向，然LLM毕竟更多是基于过去的经验数据预训练而来，没法获取最新的知识，以及各企业私有的知识为了获取最新的知识，ChatGPT plus版集成了bing搜索的功能，有的模型则会调用一个定位于 “链接各种AI模型、工具的langchain”的bing功能为了处理企业私有的知识，要么基于开源模型微调，要么也可以通过langchain作为一种外挂的内部知识库 (类似存在本地的数据库一样)
基于LangChain+LLM大模型构建企业本地知识库问答系统实现方案
xubinbrave的博客
03-26 3835
分析了LangChain的源码并且介绍了相关的应用构建方式
Chatglm3+langchain智能对话，本地文本库构建问答，图片文本库构建与问答搜索
weixin_38353277的博客
02-01 5229
OCR + Chatglm3+langchain智能对话，本地文本库构建问答，图片文本库构建与问答搜索
本地知识库部署：使用Langchain与ChatGLM实现本地知识库（附教程）
pythonhy的博客
03-26 732
本地知识库部署：使用Langchain与ChatGLM实现本地知识库（附教程）
教你基于LangChain和ChatGLM3搭建本地知识库问答，实现大模型AI应用开发
2401_82469710的博客
02-07 1063
现如今，大语言模型发展到达了一个新高度，其应用场景也是适用于千行百业。而华为云EI更是具备了全栈AI能力，其提供的ModelArts是一站式AI开发平台，可帮助开发者智能、高效地创建AI模型和一键模型部署到云、边、端。
LangChain + Embedding + Chromdb，关联使用ChatGLM的本地搭建训练平台教程
查理王的博客
07-19 1万+
OpenAI 在国内用户注册会遇到各种阻力，目前可行的方法是使用本地数据集的功能实现联网搜索并给出回答，提炼出TXT、WORD 文档里的内容。LangChain。​ 这个库目前非常活跃，每天都在迭代，已经有 22k 的 star，更新速度飞快。LangChain 是一个用于开发由语言模型驱动的应用程序的框架。他主要拥有 2 个能力：可以将 LLM 模型与外部数据源进行连接允许与 LLM 模型进行交互LLM 模型：Large Language Model，大型语言模型。
基于langchain+chatGLM搭建部署本地私有化知识库系统
Together_CZ的博客
06-21 1万+
基于langchain+chatGLM搭建部署本地私有化知识库系统
使用langchain搭建本地知识库系统(新)_
程序员小麦的博客
07-12 1154
RAG是的缩写，翻译为中文的意思就检索增强，以基于最新，最准确的数据建立LLM的语料知识库。LLMLangChain是一个用于开发由语言模型驱动的应用程序的框架。具有上下文感知能力：将语言模型与上下文源（提示说明、少量镜头示例、基于其响应的内容等）联系起来。原因：依靠语言模型进行推理（关于如何根据提供的上下文回答，采取什么行动等）pyimport osos.environ["QIANFAN_AK"] = "" # 这里需要修改为自己的实际值。
ChatGLM 集成进LangChain工具
python122_的博客
06-20 709
本文简单介绍下如何将自己搭建的ChatGLM集成进LangChain工具链中，并且进行简单的试验的效果。当然如果有其他自己搭建的LLM模型也可以采用类似的方式集成。后续将使用ChatGLM来实现一个本地知识库做问答系统。
使用langchain搭建本地知识库系统(新)
mate1357的博客
07-09 1078
RAG是的缩写，翻译为中文的意思就检索增强，以基于最新，最准确的数据建立LLM的语料知识库。LLMLangChain是一个用于开发由语言模型驱动的应用程序的框架。具有上下文感知能力：将语言模型与上下文源（提示说明、少量镜头示例、基于其响应的内容等）联系起来。原因：依靠语言模型进行推理（关于如何根据提供的上下文回答，采取什么行动等）pyimport osos.environ["QIANFAN_AK"] = "" # 这里需要修改为自己的实际值。
实现langchain-ChatGLM API调用客户端（及未解决的问题）
Raine_Yang的博客
07-28 9691
langchain-ChatGLM是一个基于本地知识库的LLM对话库。其基于text2vec-large-Chinese为Embedding模型，ChatGLM-6B为对话大模型。原项目地址：https://github.com/chatchat-space/langchain-ChatGLM对于如何本地部署ChatGLM模型，可以参考我之前的文章http://t.csdn.cn/16STJ在本项目中，我们编写了langchai-ChatGLM API调用的客户端代码。经过测试虽然客户端可以正常调用服务器的
【LangChain实战】开源模型学习（2）-ChatGLM3
xqdd的专栏
12-03 1471
ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型，在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上，ChatGLM3-6B 引入了如下特性：更强大的基础模型： ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。
langchain调用chatGLM2纪实
高恩阳的博客
07-08 1590
域名全代和全局代理（网卡），都要打开。这样conda install特别快。使用pip install和conda install 是不同的。二、安装langchain。
Langchain-Chatchat本地搭建ChatGLM3模型和提取PDF内容
penngo的专栏
03-08 4449
该要求仅针对标准模式，轻量模式使用在线模型，不需要安装torch等库，也不需要显卡即可运行。本文运行例子：上传一个PDF文档到知识库，并通过问答的方式提取PDF内容。问答方式提取内容，除了第一个社会信用代码不准确外，其它问题都能返回准确答案。更多信息可通过 python startup.py -h 查看。配置环境变量，输入vi ~/.bashrc命令打开文件。当前pytorch最高支持12.1，在官网。，支持的最高版本是12.3。下载完成，输入下边命令安装。下载12.1.1版本。
无缝集成：将LangChain完美适配至ChatGLM-zhipu API
m0_63171455的博客
07-24 2636
前段时间智谱AI推出了新一代LLM-GLM4，随之而来智谱AI发布了新版本[API SDKv4]由于最近我在自研自己的智能摘要平台，除了OpenAI，想着也能接入我们自己国产大模型之光GLM，一个调用方便，一个是为了降低Token成本🤭。GLM4和GLM3-turbo经过Prompt实测能达到我们智能摘要要求 （这项测试后面再进行分享）。接下来就是要集成进应用，目前大模型的应用开发框架，Langchain无疑是最热的一个。
一文读懂Langchain：ChatGLM3和ChatGPT的Agent调用分析
羊城迷鹿的博客
12-08 7978
首先下载上面给出的github项目并安装环境，然后想想要测试什么问题。请问下面这个字符串的长度的三次幂是几：XXX，理想情况下，Agent加持的大模型会分析出需要调用获取字符串长度和计算三次幂这两个工具，然后连续调用它们得到正确的结果。所以第一步就是要把这两个工具定义好，在这个项目里，只要在Tool文件夹下定义好xxx.py和xxx.yaml这两个文件，xxx这个工具就算可以使用了，我们对这两个工具的定义如下，注意这些工具的输入和输出都得是字符串。
LangChain + ChatGLM 实现本地知识库问答
AI研究院
06-13 6974
本文使用LangChain+ChatGLM来实现一个简单的基于本地知识库的问答系统，可以在完全不使用openai提供的api来完成本地知识库问答系统的搭建，如果有需要做本地私有化知识库问答系统的，可以参考此方案。
LangChain入门(四)-构建本地知识库问答机器人
热门推荐
Good Luck
05-04 2万+
因为是临时存入，所以当我们上面的代码执行完成后，上面的向量化后的数据将会丢失。如果想下次使用，那么就还需要再计算一次embeddings，这肯定不是我们想要的。其中hnswlib安装不了，去一下网站下载源码解压后，将hnswlib文件夹放在了项目的\Lib\site-packages文件夹中。上面的案例中我们只是将embeddings临时存进了Chroma，只需多加一个路径参数就可以实现持久化。在项目中新建一个data文件夹，里面放一个doc.txt，内容我摘抄一段朱炫大师兄的年少荒唐中的文章。
LangChain大模型应用落地实践（二）：使用LLMs模块接入自定义大模型，以ChatGLM为例
05-09 8688
angChain版本：0.0.147；(没想到第二更LangChain已经更新到147了）
企业级知识库
最新发布
04-01
好的，我现在需要帮助用户解答关于企业级知识库构建的技术、方案和工具的问题。首先，用户已经提供了几个引用，我需要仔细看看这些引用内容，看看有没有相关的信息可以利用。 引用[1]提到企业可能需要自行构建知识...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

云端.代码农夫CloudFarmer

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值