备忘: 踩坑linux环境部署轻量化的Langchain-Chatchat集成通义千问

Linux下部署langchain+chatGLM 用git拉取项目,没有安装的话就下载,ubuntu的话 sudo apt-get install git。在langchain-ChatGLM目录下手动创建model文件,将模型下载至此。安装命令 sudo apt-get install git-lfs。在langchain-ChatGLM下运行 webui.py。由于模型很大,可能会失败,最大的那8个可以是手动下载。模型很大,需要提前下载 git-lfs。命令: python webui.py。命令 vim webui.py。打开 webui.py。 阅读详情

看了许多材料,为了利用大模型构建以对话方式驱动的本地应用程序需要使用LangChain-chatchat,其基本介绍参考Langchain-Chatchat项目

通过查询资料,查到win上安装流程使用免费的通义千问 api 最轻量化部署Langchain-Chatchat,原以为在信创Linux系统上非常简单,但实践下来一堆坑,记录备忘吧…

需要解决几个问题
1 什么是轻量化部署
我理解是就是仅利用远程大模型,而不是调用本地大模型,根据这个思路,并检查requirement_x系列文件的实际依赖,如果需要轻量化部署需要安装
pip install -r requirements_lite.txt (全量安装则需要安装 pip install -r requirements.txt)
pip install -r requirements_api.txt
pip install -r requirements_webui.txt

1* 因为安装的过程中涉及多个较大安装包,可能会把空间不够,例如报错“No space left on device”,这是临时文件夹太小了,可以尝试自定义临时文件夹
pip install -b $HOME/AI/tmp -r requirements_lite.txt

2 关于linux适配,把requirement_x系列文件中,把python-magic-bin; sys_platform == 'win32’这行去掉,因为这仅仅是适配Win系统的选项


unstructured[all-docs] # ==0.11.8
# python-magic-bin; sys_platform == 'win32'   这行去掉
SQLAlchemy==2.0.25

3 执行python 中文报错的问题
如果按python startup.py -a --lite 执行,回报一个中文乱码的错 “… /xe3 …” 代码中中文不是用ascII编码,单个python文件很简单,每个文件头部加上 #coding=utf8就行,但是这里涉及到一连串文件,因此改为 python3 startup.py -a --lite python3会自动按uft8解释执行

4 关于sqlite3的依赖问题,
在启动时,因涉及SQLAlchemy==2.0.25,要用到sqlite3数据库,虽然大部分linux操作系统都安装了sqlite3,但python3不一定能调用,主要是缺少相关的so文件,需要安装sqlite3开发库ibsqlite3-dev。用root用户安装
sudo apt-get install libsqlite3-dev
安装成功后
找到 $HOME/python/python3.10.6/setup.py文件
然后核对该文件,以下sqlite include path是否包含了sqlite3ext.h sqlite3.h 头文件,我在下面加黑的目录里找到
sqlite_inc_paths = [ ‘/usr/include’,
‘/usr/include/sqlite’,
‘/usr/include/sqlite3’,
‘/usr/local/include’,
‘/usr/local/include/sqlite’,
‘/usr/local/include/sqlite3’,
]

然后按下列步骤重新编译
cd $HOME/python/python3.10.6/
make clean
./configure
make && make install

如果发现权限不够
则
sudo make clean
./configure
sudo make && sudo make install

编译成功后,在当前目录下用 find . -name _sqlite3.cpython-310-x86_64-linux-gnu.so 可以找到这个so
然后把这个so复制到python lib目录/usr/local/lib/python3.10/lib-dynload/的目录下

5 最新的langchain-chatchat已经继承了qwen 文言一心等模型配置
配置相应的 api-key即可

启动python3 startup.py -a --lite

启动日志
在这里插入图片描述
自动出现界面,0.0.0.0:8501 然后可以测试对话

在这里插入图片描述

LangChain 入门学习笔记 LangChain 学习笔记 阅读详情

相关推荐

大语言模型之六- LLM之企业私有化部署架构

数据安全是每个公司不得不慎重对待的,为了提高生产力,降本增效又不得不接受新技术带来的工具,私有化部署对于公司还是非常有吸引力的。大语言模型这一工具结合公司的数据可以大大提高公司生产率。

shichaog的专栏 7349

阿里的通义千问也能本地部署了?首发Qwen-VL-Chat模型的本地部署教程(A卡)

Qwen-VL 是一款支持中英文等多种语言的视觉语言(Vision Language,VL)模型,相较于此前的 VL 模型,其除了具备基本的图文识别、描述、问答及对话能力之外,还新增了视觉定位、图像中文字理解等能力。Qwen-VL 以 Qwen-7B 为基座语言模型,在模型架构上引入视觉编码器,使得模型支持视觉信号输入,该模型支持的图像输入分辨率为 448,此前开源的 LVLM 模型通常仅支持 224 分辨率。

梦马韶华 1万+

从零开始:使用Labelme完成图像语义分割标注全流程

本文详细介绍了如何使用Labelme工具完成图像语义分割标注的全流程,从环境安装、数据准备到核心标注操作,并重点讲解了如何将标注结果转换为PASCAL VOC等深度学习框架可用的标准数据集格式。文章还提供了关键的避坑指南和高效技巧,帮助初学者快速上手,高效产出高质量的标注数据。

weixin_29073241的博客 492

LangChain结合通义千问的自建知识库

在使用了通义千问API了之后,下一步就是构建知识库文档,使用了比较有名的LangChian,最后成果将自己的txt生成了知识向量库,最后我还把自己的论文生成了一个知识向量库,然后问他我的创新点是啥,实话实说比我总结的好,我想这下回老师要是看不懂我论文的时候能不能直接,嗯,对吧,反正也是工作中用到还挺有意思的,能分享的部分我都分享出来了,然后这个是接着通专栏的第一篇的延申文档。

一个学长的博客 1万+

MATLAB AppDesigner 中TextArea保留原有信息并换行显示提示信息

App Designer 中的文本区域TextArea组件,一般可以用来作为matlab app设计中的信息显示。 app.TextArea.Value = 'Hello Matlab'; Value可以是字符向量、字符向量元胞数组、字符串数组或一维分类数组。这样直接给TextArea赋值,每次赋值都会消除先前的信息,然后显示新的信息。如果想要在app实现保留原有信息、多行信息的输出,在MathWorks官方帮助中心给出了一种方法: cellArrayText{1} = sprintf('%s\n

我是麻瓜喔的博客 1万+

当NetApp 7-mode遇到单控制器故障:HA模式手动修复全记录

本文详细记录了NetApp 7-mode存储系统在单控制器故障时的应急修复过程,包括HA配置重建、磁盘初始化和业务恢复等关键步骤。通过实战案例解析如何解决`VIA Interconnect is down`等典型问题,为企业级存储系统的高可用保障提供实用指南。

yolo5detector的博客 247

记录linux本地部署Langchain-chatchat-v0.3+Xinference+qwen-chat 1.5-72B

非源码部署!!!! 未用docker,用的conda虚拟环境,部署Langchain-chatchat-v0.3+Xinference+qwen-chat 1.5-72B

qq_39067449的博客 4712

从零到一:基于STM8的125KHz RFID读卡器实现与曼彻斯特码解析实战

本文详细介绍了基于STM8单片机的125KHz RFID读卡器实现过程,重点解析了曼彻斯特码的编码原理与解码算法。通过硬件电路设计、软件实现及性能优化,帮助开发者低成本构建稳定读取EM4100卡片的系统,适用于门禁、考勤等应用场景。

weixin_42525211的博客 236

【Linux个人知识库LangChain-Chatchat部署问题记录-自用】

自己的记录

TJ_Helen的博客 2361

nature子刊:MCNN基于电池故障诊断的模型约束的深度学习方法

本研究提出了一种基于模型约束神经网络(MCNN)的锂离子电池在线故障诊断方法,整合物理模型与深度学习,有效解决了随机工况下传统方法诊断精度低、依赖故障样本等问题。通过统计修正电池包模型和双向LSTM网络,实现了电池状态的高精度预测(平均RMSE 3.9%),并设计模型耦合自动编码器提取可解释特征。在包含18.2百万条真实车辆数据的验证中,该方法故障检测TPR在FPR=0.1时达85%,较基准方法提升超46.5%,且能提前30分钟预警内部短路等故障。研究还展示了算法在跨电池包结构迁移中的优越性,为工业应用提供

hasakie的博客 1758

天地图API避坑指南:从零开始实现地址搜索与坐标标记

本文是一份天地图API实战避坑指南,详细讲解了从申请密钥、初始化地图到实现地址搜索与坐标标记的全过程。针对开发中常见的坐标偏移、搜索建议不显示、事件监听失效等核心难题,提供了具体的解决方案和代码示例,帮助开发者高效、稳定地集成天地图服务。

weixin_29326909的博客 264

CentOS7上部署langchain-chatglm或stable-diffusion可能遇到的Bug的解决方案

如果代码运行起来了,你上传docx知识库报错,那么你需要安装libreoffice扩展,看该文章https://blog.youkuaiyun.com/an129/article/details/126766228进行安装,安装后有少部分朋友还是会报这个错误,你需要把你安装目录加入到环境变量(/etc/profile)中,如下图所示。这里可能有的朋友会有问题会出现某些包下载不了,这里建议直接使用阿里源即可,在确定你的cuda版本之后(使用nvidia-smi确定cuda版本)卸载掉刚才pip安装的版本!

fjsupermouse的博客 859

反激系列-详细到每个容阻的原理之RCD吸收(1)

1、漏感尖峰电压会被RCD吸收,漏感能量一定,电容越大,电容充电的电压就越低,吸收能力就越强,MOS漏极的电压就越低。2、在漏感能力释放完之后(这个过程一般只有一个周期的3%时间),是要通过R1释放掉电容吸收的能量的,把电容的电压降下来方便下一次漏感尖峰来之前再进行吸收。3、电容容量和电阻需要合理搭配,容量足够即可,足够能吸收漏感尖峰电压,不至于超过MOS耐压。电阻需要足够小,小到在放电阶段把电容电压下降到MOS的电压平台。

Cuxiaoweiba的博客 3万+

RAG-使用LangChain结合通义千问API基于自建知识库的多轮对话和流式输出

系列的第三篇文章,前两篇分别介绍了通义千问API的使用和LangChain自建知识库,现在实现对自建知识库的多轮对话和流式输出。

一个学长的博客 1万+

31、航空软件标准DO - 178C/ED - 12C的实践解读

本文深入解读了航空软件标准DO-178C/ED-12C相较于DO-178B的主要变化,涵盖核心文本更新、各章节关键改进及新技术补充文件的影响。重点分析了目标与活动关系、需求层级定义、验证独立性、MC/DC覆盖、停用代码处理等关键变更,并提供了应对策略,包括流程调整、文档更新、工具选择和与认证机构沟通等建议,旨在帮助航空软件开发者确保合规性,提升软件安全性与可靠性。

tech5的博客 246

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

浅聊langchain-chatchat

langchain-GLM是一个本地知识库应用解决方案,支持以cli、web、api方式提供后端服务。它由LLM(大语言模型,例如:ChatGLM-6B、星火、文心一言)和Embedding 模型组成,支持私有化部署。

illusion_you的博客 1019

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Langchain-Chatchat部署总结

注1:server_config.py的FSCHAT_MODEL_WORKERS字典中也增加了相关配置,如有需要也可通过修改FSCHAT_MODEL_WORKERS字典中对应参数实现多卡加载,且需注意server_config.py的配置会覆盖create_model_worker_app 函数的配置。.py的配置会覆盖create_model_worker_app 函数的配置。,但是实际使用时可根据自己的需求进行模型下载。控制使用的显卡的ID,例如 “0,1”;这里是参考官方文档下载的LLM 模型。

v_wus的博客 4272

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

基于LangChain+ChatGLM 部署本地私有化知识库

随着人工智能技术的不断发展,越来越多的企业和机构开始认识到知识库的重要性。知识库不仅能够集中管理大量的信息和数据,还能通过智能检索和推理功能,为用户提供准确、高效的知识服务。前排提示,文末有大模型AGI-优快云独家资料包哦!LangChain 与 ChatGLM 作为当前领先的 AI 技术,为部署本地私有化知识库提供了强大的支持。LangChain 是一个强大的自然语言处理框架,它集成了多种先进的 NLP 技术,包括文本生成、语义理解、情感分析等。

程序员鑫港的博客 1378

初识 LangChain:快速入门指南

LangChain 提供了常见的控制流程和函数定义功能,如条件语句和函数调用。# 控制流程和函数定义示例} else {通过本文的快速入门指南,你已经初步了解了 LangChain 的安装、基本语法和几个实际应用示例。LangChain 的简洁性和功能丰富性使其成为处理数据和执行自动化任务的理想选择。继续探索和实践,你将发现更多 LangChain 的强大功能和应用场景。希望这篇文章能够帮助你快速上手 LangChain,并激发你的编程兴趣!

技术学习与分享 1699

linux安装langchain

使用miniconda安装jupyter 可选。#正常显示版本号 langchain安装成功。#查看当前conda版本及python版本。#通过miniconda安装python。#报错 使用虚拟环境可规避此问题。#下载miniconda安装包。#查看虚拟环境是否创建成功。环境 腾讯云ubuntu。#安装完毕 加载配置文件。#安装langchain。#为文件增加可执行权限。#执行安装 按提示进行。#激活对应的虚拟环境。

qq_34242424的博客 416

纯新手的langchain-chatchat0.3.1的linux本地部署

从 0.3.0 版本起,Langchain-Chatchat 不再根据用户输入的本地模型路径直接进行模型加载,涉及到的模型种类包括 LLM、Embedding、Reranker 及后续会提供支持的多模态模型等,如下载bge-large-zh-v1.5,我的下载位置是/home/……因此,请确认在启动 Langchain-Chatchat 项目前,首先进行模型推理框架的运行,并加载所需使用的模型。如果需要使用 Xinference 进行模型推理,可以根据不同的模型指定不同的引擎。

jiall20的博客 2581

Langchain-Chatchat本地搭建ChatGLM3模型和提取PDF内容

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。

penngo的专栏 4808

LangChain+通义千问+AnalyticDB 向量引擎保姆级教程

本文以构建AIGC落地应用ChatBot和构建AI Agent为例,从代码级别详细分享AI框架LangChain、阿里云通义大模型和AnalyticDB向量引擎的开发经验和最佳实践,给大家快速落地AIGC应用提供参考。

阿里云云栖号 4301

通义千问本地部署教程 Qwen-1.5-1.8B/7B/14B Windows-详细认真版

实现了在Windows上部署通义千问的Qwen-7B-Chat Qwen-1.5-1.8B 模型且实现多轮对话和流式输出,目前还在更新。

一个学长的博客 9万+

langchain 使用本地通义千问,7B,14B,glm4

看了下是不支持这中模型,但看列表中有一个 Qwen 字样,想着应该是支持的,就去 hugging face 搜了下这个东西 “Qwen2”找到了对应的 qwen1.5-7B-Chat 模型。其实也就是一种公测版本,,所以总结来说目前直接导入本地 通义千问 langchaing 支持不是很好,可以使用 ollama,但这个下载非常慢,还会失败。qwen1.5-7B-Chat 我们用这个模型,是可以加载成功的,并输出的,但是非常非常慢。模型:qwen1.5-7B-Chat,qwen-7B-Chat。

木下瞳的博客 3124

Windows和Linux中Langchain-chatchat0.3.1.3部署

langchain-chatchat部署

qq_43612410的博客 2457
上一篇: 基于Skywalking开发分布式监控(四)一个案例
下一篇: 让AI给你写代码(四)—— 初步利用LangChain Agent根据输入生成,保存,执行
zhyuli
博客等级 码龄10年 326粉丝 57原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

zhyuli

您的鼓励是对我付出努力一种赞赏

¥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