Langchain+Chatglm2实现基于自有知识库的智能问答.zip

# 🔥ElasticSearch-Langchain-Chatglm2 # ✨项目介绍 受[langchain-ChatGLM](https://github.com/imClumsyPanda/langchain-ChatGLM)项目启发，由于Elasticsearch可实现文本和向量两种方式混合查询，且在业务场景中使用更广泛，因此本项目用Elasticsearch代替Faiss作为知识存储库，利用Langchain+Chatglm2实现基于自有知识库的智能问答。 本项目希望抛砖引玉，能够帮助大家快速地做技术验证和技术路线选取。 默认使用的embedding模型为[moka-ai/m3e-large](https://huggingface.co/moka-ai/m3e-large) 目前仅支持上传 txt、docx、md等文本格式文件。 默认使用余弦距离计算文本相似性。 # 🚀使用方式 ### 修改配置文件 修改配置文件[config.ini](https://github.com/iMagist486/ElasticSearch-Langchain-Chatglm2/blob/main/configs/config.ini)，配置Elasticsearch链接 模型可修改为本地路径 **增加对[InternLM](https://github.com/InternLM/InternLM)的支持：**`llm_model`修改为`internlm/internlm-chat-7b`即可。 ### 运行web demo 执行[web.py](https://github.com/iMagist486/ElasticSearch-Langchain-Chatglm2/blob/main/web.py) ```python python web.py ``` # 📑Demo详解  ### 文档交互模块： ES插入时文档交互模块会显示插入是否成功，或抛出异常内容；问答时，文档交互模块会展示查询到的内容，包括文档来源，文档内容和相似度分数。 ### 查询设置模块： **三种查询模式**，具体区别见Elasticsearch官方文档 近似查询：[Approximate kNN](https://www.elastic.co/guide/en/elasticsearch/reference/current/knn-search.html#approximate-knn) 混合查询：[Combine approximate kNN with other features](https://www.elastic.co/guide/en/elasticsearch/reference/current/knn-search.html#_combine_approximate_knn_with_other_features) 精确查询：[Exact, brute-force kNN](https://www.elastic.co/guide/en/elasticsearch/reference/current/knn-search.html#exact-knn) **查询阈值**： 仅返回相似度分数大于阈值的查询结果，0为不设限制 **top_k**： 返回最相关的k个文本 **knn_boost**： 适用于混合查询，knn_score所占比例 # 🐳Docker 部署 打包docker镜像 ```sh docker build -f docker/Dockerfile -t es-chatglm:v1.0 . ``` 启动docker容器 ```sh docker run --gpus "device=0" -p 8000:8000 -it es-chatglm:v1.0 bash ```