一、LangChain
1.作用：用于提升大型语言模型（LLMs）功能的框架，能够让大型语言模型结合外部的计算和数据源，并根据信息执行指定操作。
结合LLM大模型外部数据等，外部工具及数据等实现特定文档问答、聊天机器人、代理执行任务以及文本摘要。
2.核心组件:
Prompts(提示): 管理LLM输入工具
Compents（组件）：为LLMs提供接口封装、模板提示和信息检索索引；
Chains（链）：能将LLM与其他组件如外部API、数据库等连接起来组合起来解决复杂任务流程，如在大量文本中查找信息；
Agents（代理）：使用LLM决策的工具，执行特定任务并生成文本输出，通常由动作、观察和决策三部分组成。
Memory（记忆）：用来存储先前输入、输出或其他信息，保存记忆多次调用上下文或历史数据。
3.执行流程：
用户问题->语言模型生成向量->向量数据库搜索相似->语言模型->根据结果执行操作
二、ChatGLM
1.GLM框架：
整体基于Transformer基础三个微小改动：
重新排列了层归一化和残差连接的顺序、针对token的输出预测使用单一线性层、用GeLU替换ReLU激活函数。
2. 应用场景：
基于 GLM（Generative Language Model）的自然语言处理模型，它具备强大的文本生成能力和语义理解能力，可以为用户提供高质量的对话体验。
三、安装部署
- ChatGLM环境要求
硬件配置:
Int4 版本的 ChatGLM3-6B最低配置:
内存>= 8GB
显存>= 5GB（1060 6GB,2060 6GB
FP16 版本的ChatGLM3-6B最低配置:
内存>= 16GB
显存>= 13GB（4080 16GB）
软件环境:
python>=3.10
python 版本推荐3.10.12
transformers 库版本推荐为 4.30.2
torch 推荐使用 2.0 及以上的版本
2.ChatGLM源码安装部署
下载源码：
git clone https://github.com/THUDM/ChatGLM3.git
下载模型：
先安装git lfs命令
git lfs install
git clone https://swanhub.co/ZhipuAI/chatglm3-6b.git
安装依赖
cd ChatGLM3
pip install -r requirements.txt
安装cuda
参考安装Tesla驱动（Linux)_GPU云服务器(EGS)-阿里云帮助中心
运行openai_api_demo目录
（1）激活环境：conda activate xnenv
（2）进入目录：cd /home/chatglm/ChatGLM3/openai_api_demo
（3）启动应用：nohup python api_server.py > openai_api_demo.out &
主要4个接口：
接口1-检查服务健康状态（get）：http://127.0.0.1:8000/health
接口2-列出可用模型列表（get）：http://127.0.0.1:8000/v1/models/
接口3-处理聊天完整请求（post）：http://127.0.0.1:8000/v1/chat/completions
接口4-处理文本输入列表嵌入请求（get）：http://192.168.0.129:8000/v1/chat/embeddings
3.Langchain-Chatchat本地部署
基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现，通过RAG提供了本地创建用户知识库的支持，使得在大语言模型基础上，可以接入用户数据，实现基于大语言模型的数据抽取和分析，并提供更加灵活友好的人性化交互方式。
安装python3.11: pip install python=3.11.7
下载源码：git clone https://github.com/chatchat-space/Langchain-Chatchat.git
安装依赖：cd Langchain-Chatchatpip install -r requirements.txt pip install -r requirements_api.txtpip install -r requirements_webui.txt
下载模型：git lfs install wget https://hf-mirror.com/hfd/hfd.shchmod a+x hfd.shexport HF_ENDPOINT=https://hf-mirror.com./hfd.sh THUDM/chatglm3-6b --repo-type dataset生成配置：python copy_config_example.py创建向量数据库：python init_database.py --recreate-vs修改configs/model_config.py以及configs/server_config.py适配平台环境启动服务: python startup.py -a访问: http://localhost:8501
