【书生大模型实战营】茴香豆:企业级知识问答工具实践

2024-08-27 20:28

本文主要是介绍【书生大模型实战营】茴香豆:企业级知识问答工具实践,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

茴香豆:企业级知识问答工具实践

  • 【书生大模型实战营】茴香豆:企业级知识问答工具实践
    • 任务
    • 茴香豆本地标准版搭建
      • 一般使用
      • 联网
      • 远程大模型
    • 闯关任务

【书生大模型实战营】茴香豆:企业级知识问答工具实践

茴香豆Demo:地址

任务

在 InternStudio 中利用 Internlm2-7b 搭建标准版茴香豆知识助手,并使用 Gradio 界面完成 2 轮问答(问题不可与教程重复,作业截图需包括 gradio 界面问题和茴香豆回答)。知识库可根据根据自己工作、学习或感兴趣的内容调整,如金融、医疗、法律、音乐、动漫等(优秀学员必做)。

茴香豆本地标准版搭建

一般使用

环境:30% A100,Cuda 12.2

使用studio-conda -o internlm-base -t huixiangdou激活环境。

然后clone相关仓库并切换分支:

git clone https://github.com/internlm/huixiangdou && cd huixiangdou
git checkout 79fa810

安装相关依赖:

apt update
apt install python-dev libxml2-dev libxslt1-dev antiword unrtf poppler-utils pstotext tesseract-ocr flac ffmpeg lame libmad0 libsox-fmt-mp3 sox libjpeg-dev swig libpulse-dev
pip install BCEmbedding==0.1.5 cmake==3.30.2 lit==18.1.8 sentencepiece==0.2.0 protobuf==5.27.3 accelerate==0.33.0
pip install -r requirements.txt

复制相关的模型:

ln -s /root/share/new_models/maidalun1020/bce-embedding-base_v1 /root/model/bce-embedding-base_v1
ln -s /root/share/new_models/maidalun1020/bce-reranker-base_v1 /root/model/bce-reranker-base_v1
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/model/internlm2-chat-7b

然后更改配置文件config.ini,在huixiangdou文件夹下,执行如下命令更改配置文件:

sed -i '9s#.*#embedding_model_path = "/root/model/bce-embedding-base_v1"#' /root/Project/huixiangdou/config.ini
sed -i '15s#.*#reranker_model_path = "/root/model/bce-reranker-base_v1"#' /root/Project/huixiangdou/config.ini
sed -i '43s#.*#local_llm_path = "/root/model/internlm2-chat-7b"#' /root/Project/huixiangdou/config.ini

进入创建的huixiangdou,创建repodir文件夹,将两个仓库clone到这里:

git clone https://github.com/internlm/huixiangdou --depth=1 repodir/huixiangdou
git clone https://github.com/open-mmlab/mmpose    --depth=1 repodir/mmpose

然后创建一个工作目录workdir,并执行如下命令:

python3 -m huixiangdou.service.feature_store

其中:repodir 文件夹,用来储存知识库原始文档,文件夹 workdir 用来存放原始文档特征提取到的向量知识库。

结果为:
在这里插入图片描述
正例和反例信息在resource文件夹下。

每次更新原始知识文档和正反例,都需要重新运行 python3 -m huixiangdou.service.feature_store命令进行向量知识库的重新创建和应答阈值的更新。

配置文件中的 work_dir参数指定了特征提取后向量知识库存放的位置。如果有多个知识库快速切换的需求,可以通过更改该参数实现。

使用如下命令和茴香豆在命令行进行交互:

python3 -m huixiangdou.main --standalone

然后询问mmpose怎么使用,得到的回复如下:
在这里插入图片描述
然后尝试使用gradio创建可视化界面:

python3 -m huixiangdou.gradio

然后询问mmpose相关的问题,结果如下:
在这里插入图片描述

联网

进入serper注册一个账号,然后进入API-Key界面,复制自己的 API-key。

替换 /huixiangdou/config.ini中的 ${YOUR-API-KEY} 为自己的API-key:

[web_search]
engine = "serper"
serper_x_api_key = "YOUR-API-KEY-HERE"
domain_partial_order = ["arxiv.org", "openai.com", "pytorch.org", "readthedocs.io", "nvidia.com", "stackoverflow.com", "juejin.cn", "zhuanlan.zhihu.com", "www.cnblogs.com"]
save_dir = "logs/web_search_result"

其中 domain_partial_order可以设置网络搜索的范围。

然后运行gradio界面,问它Pytorch怎么安装,虽然在gradio里面依然没有显示正确结果,但是在save_dir变量对应的文件夹下面,有它搜索的文件:
在这里插入图片描述

远程大模型

远程向量&重排序模型的修改:SiliconFlow创建账号,然后进入体验中心,创建个人 API 密匙,复制将其填入huixiangdou/config.ini 的api_token中。

大模型的修改:首先修改 huixiangdou/config.ini 本地和远程LLM 开关:

[worker]
enable_web_search = 0
enable_sg_search = 1

然后更改remote_ 相关配置,填写 API key、模型类型等参数,茴香豆支持 OpenAI 的 API格式调用:

remote_type = "kimi"
remote_api_key = "YOUR-API-KEY-HERE"
remote_llm_max_text_length = 128000
remote_llm_model = "auto"

闯关任务

以中国的诗词构建知识库,使用chinese-poetry作为知识来源:

git clone https://github.com/chinese-poetry/chinese-poetry.git

clone到repodir文件夹,然后进行知识更新:

python3 -m huixiangdou.service.feature_store

但茴香豆似乎只对README.md进行了处理,下面的json都没有读取:
在这里插入图片描述
于是选取其中的元曲作为知识库,只在文件夹中放元曲的内容,然后进行知识更新。

先看一下没有加载知识库之前的模型回答:
在这里插入图片描述
在这里插入图片描述
然后我们创建一个元曲.md文件,茴香豆只能识别md或者txr,json文件无法识别,将这两首曲放上去,然后进行知识库更新。

# 元曲
## 关汉卿
(1)诈妮子调风月・胜葫芦
怕不依随蒙君一夜恩,争奈忒达地、忒知根,兼上亲上成亲好对门。
觑了他兀的模样,这般身分。
若脱过这好郎君。## 马致远
(1)邯郸道省悟黄粱梦・煞尾
你正果正是修行果,你灾咎皆因我度脱。
早则绝忧愁、没恼聒,行处行,坐处坐,闲处闲,陀处陀。
屈着指,自数过,真神仙,是七座,添伊家,总八个。
道与哥哥,非是风魔,这个爱吃酒的钟离便是我。## 郑光祖
(1)虎牢关三战吕布・那吒令
不是这个张冀德,我觑吕温侯似等闲;(关末云)他使一枝方天画杆戟,好生利害也。
(正末唱)则我这条丈八矛,将方天戟来小看。
(关末云)骑一匹卷毛赤兔马,好生奔劣也。
(正末唱)跨下这匹豹月乌,不剌刺把赤兔马来当翻。
(刘末云)破吕布凭着你些甚么那?(正末唱)凭着我这捉将手、挟人惯,两条臂有似的这栏关。

最终的结果为:
在这里插入图片描述
在这里插入图片描述

但有时候不太稳定,有时候可以从知识库里面找,有时候又没有。

这篇关于【书生大模型实战营】茴香豆:企业级知识问答工具实践的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1112690

相关文章

MySql match against工具详细用法

《MySqlmatchagainst工具详细用法》在MySQL中,MATCH……AGAINST是全文索引(Full-Textindex)的查询语法,它允许你对文本进行高效的全文搜素,支持自然语言搜... 目录一、全文索引的基本概念二、创建全文索引三、自然语言搜索四、布尔搜索五、相关性排序六、全文索引的限制七

Java Optional的使用技巧与最佳实践

《JavaOptional的使用技巧与最佳实践》在Java中,Optional是用于优雅处理null的容器类,其核心目标是显式提醒开发者处理空值场景,避免NullPointerExce... 目录一、Optional 的核心用途二、使用技巧与最佳实践三、常见误区与反模式四、替代方案与扩展五、总结在 Java

基于Java实现回调监听工具类

《基于Java实现回调监听工具类》这篇文章主要为大家详细介绍了如何基于Java实现一个回调监听工具类,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录监听接口类 Listenable实际用法打印结果首先,会用到 函数式接口 Consumer, 通过这个可以解耦回调方法,下面先写一个

Python列表去重的4种核心方法与实战指南详解

《Python列表去重的4种核心方法与实战指南详解》在Python开发中,处理列表数据时经常需要去除重复元素,本文将详细介绍4种最实用的列表去重方法,有需要的小伙伴可以根据自己的需要进行选择... 目录方法1:集合(set)去重法(最快速)方法2:顺序遍历法(保持顺序)方法3:副本删除法(原地修改)方法4:

Spring Boot循环依赖原理、解决方案与最佳实践(全解析)

《SpringBoot循环依赖原理、解决方案与最佳实践(全解析)》循环依赖指两个或多个Bean相互直接或间接引用,形成闭环依赖关系,:本文主要介绍SpringBoot循环依赖原理、解决方案与最... 目录一、循环依赖的本质与危害1.1 什么是循环依赖?1.2 核心危害二、Spring的三级缓存机制2.1 三

使用Python构建一个Hexo博客发布工具

《使用Python构建一个Hexo博客发布工具》虽然Hexo的命令行工具非常强大,但对于日常的博客撰写和发布过程,我总觉得缺少一个直观的图形界面来简化操作,下面我们就来看看如何使用Python构建一个... 目录引言Hexo博客系统简介设计需求技术选择代码实现主框架界面设计核心功能实现1. 发布文章2. 加

在Spring Boot中浅尝内存泄漏的实战记录

《在SpringBoot中浅尝内存泄漏的实战记录》本文给大家分享在SpringBoot中浅尝内存泄漏的实战记录,结合实例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录使用静态集合持有对象引用,阻止GC回收关键点:可执行代码:验证:1,运行程序(启动时添加JVM参数限制堆大小):2,访问 htt

JS+HTML实现在线图片水印添加工具

《JS+HTML实现在线图片水印添加工具》在社交媒体和内容创作日益频繁的今天,如何保护原创内容、展示品牌身份成了一个不得不面对的问题,本文将实现一个完全基于HTML+CSS构建的现代化图片水印在线工具... 目录概述功能亮点使用方法技术解析延伸思考运行效果项目源码下载总结概述在社交媒体和内容创作日益频繁的

基于Python打造一个全能文本处理工具

《基于Python打造一个全能文本处理工具》:本文主要介绍一个基于Python+Tkinter开发的全功能本地化文本处理工具,它不仅具备基础的格式转换功能,更集成了中文特色处理等实用功能,有需要的... 目录1. 概述:当文本处理遇上python图形界面2. 功能全景图:六大核心模块解析3.运行效果4. 相

springboot项目中常用的工具类和api详解

《springboot项目中常用的工具类和api详解》在SpringBoot项目中,开发者通常会依赖一些工具类和API来简化开发、提高效率,以下是一些常用的工具类及其典型应用场景,涵盖Spring原生... 目录1. Spring Framework 自带工具类(1) StringUtils(2) Coll