【无标题】基于LangChain+ChatGPT+Chroma搭建自有知识库问答机器人

最新推荐文章于 2024-06-18 19:51:24 发布
最新推荐文章于 2024-06-18 19:51:24 发布
阅读量635 收藏 4
点赞数 1
文章标签： langchain chatgpt 机器人
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.csdn.net/2301_79477967/article/details/133500743
版权

前言

 自有知识库的问答机器人的实现原理就是基于embedding文本嵌入式向量来实现的。具体的实现逻辑是：

        1、将自有知识库(一个文本文件)进行切割，然后对切割之后的每一个文本进行Embedding向量化，形成一个文本向量化数据库。

        2、当你提问时，将你的问题也进行Embedding向量化，然后从文本向量化数据库中检索和你的问题相似度最高的文本。

        3、将这些检索出来的和问题相似度很高的文本，统一发给chatGPT，让他在这些文本范围内，重新组织语言进行回答。

一、理论

1、LangChain

 是什么：LangChain是一个基于大语言模型(LLM)开发应用程序的框架。他是介于开发者和LLM之间的一个工具，将大模型的一些能力进行封装，方便开发者进行使用。

        作用一：使各大语言模型之间可以进行交互。

        作用二：使大语言模型可以获取外部数据。

        Langchain的官网文档地址：Introduction | 🦜️🔗 Langchain<

最低0.47元/天 解锁文章
2301_79477967
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
【LangChain学习之旅】—（3） LangChain快速构建本地知识库的智能问答系统
我们都是被分成两半的人，一边热爱生活，一边憎恨生活。面对生活，我们总是在矛盾的两端摇摆，在反复的矛盾和犹豫中，一边踉跄前行，一边重振旗鼓。我渴望改变，渴望变得更好，渴望找到出口……就像一个溺水人的挣扎，就像一个救生圈。我是一个矛盾集合体，想要变得快乐，但是
12-17 2101
此时，信息提取的基本方式就是把问题也转换为向量，然后去和向量数据库中的各个向量进行比较，提取最接近的信息。从这些向量中，我们可以看到“国王”和“皇帝”这两个词的向量在某种程度上是相似的，而与“苹果”这个词相比，它们的向量则相差很大，因为这两个概念在语义上是不同的。余弦相似度度量的是方向的相似性，它更关心的是两个向量的角度差异，而不是它们的大小差异。（注意：可能需要安装。在众多的机器学习和人工智能应用中，尤其是自然语言处理和图像识别这类涉及大量非结构化数据的领域，将数据转化为高维度的向量是常见的处理方式。
使用langchain+千问72b+m3e-large+chroma的对话机器人源码python实现
02-19
7.从搭建知识库到高级检索在到形成chain链最后输出的全流程 其他说明 易于集成：设计简洁的集成流程，轻松集成到现有系统中。 LangChain是一个用于开发由语言模型驱动的应用程序的框架。它使应用程序能够： 1.具有...
Langchain 和 Chroma 的集成
engchina的专栏
07-22 6207
Langchain 和 Chroma 的集成
本地部署 Langchain-Chatchat & ChatGLM
huang9604的博客
06-18 1150
确保机器安装了 git 环境：https://git-scm.com/ 因为模型过大，需要安装 lfs 支持： 4. 下载 ChatGLM2-6B 模型到本地,要根据自己的显卡显
LangChain结合通义千问的自建知识库
一个学长的博客
02-02 7575
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。
OpenAI+LangChain+Chroma
Mico_Cmx的博客
05-24 1972
需要安装 Microsoft C++ 生成工具 - Visual Studio。以上步骤执行完毕后再执行 pip install chromadb 即可。第一步在工程中进行 pip install chromadb。页面直接点击下载生成工具即可。并粘上官网提供的相应代码后。
基于LangChain实现本地知识库问答问题总结
qq_42610612的博客
10-12 1670
官方提供了文本嵌入模型M3E的示例，但将其更换为BGE，初始化知识向量库时，弹出以下错误：原因：断言出错，原向量库残留了一些模型信息，self.d对应M3E的嵌入维度768，但BGE的嵌入维度为1024，不能存库。
LangChain简单使用教程之搭建本地知识库AI问答
专注于Python编程技术的分享与交流，致力于帮助开发者提升编程技能，解决实际问题，探索Python的无限可能。
10-20 2626
LangChain是一个开源的框架，本身不提供 LLM，但是它可以让AI开发人员把像chatgpt这样的大型语言模型（LLM）和外部数据结合起来。LangChain 提供通用的接口访问 LLM，支持OpenAI, HuggingFace, 自定义api等多种LLM。听起来很复杂，但其实它很容易上手。下面我们就用LangChain+chatgpt搭建一个简单的本地知识库。
dialogbot：开箱即用的对话机器人解决方案，涵盖问答型对话、任务型对话和聊天型对话等多种场景，支持网络检索问答、领域知识问
08-11
其核心优势在于网络检索问答、领域知识问答和闲聊问答的综合能力，为用户提供无缝的对话体验。对于那些希望提升服务质量和用户体验的企业，或是对人工智能感兴趣的开发者，Dialogbot无疑是一个值得探索的优秀工具。
使用gradio、langchain、chroma、chatglm2-6b、text2vec 实现文档问答
10-30
1. 用text2vec向量存储和查询，可以实现文档问答，可以添加和删除对话bot 2. 对话没有存储功能，停止运行释放历史记录。需要保存，在chat_doc_more.py的addHistory函数中保存，有标记TODO 3. 向量存储库可以设置存储...
Chroma+Key+Kit+Version+2.2_unity5.6.zip
06-25
5. **易于集成**：作为Unity Package格式，导入到项目中非常方便，只需将"Chroma+Key+Kit+Version+2.2_unity5.6.unitypackage"文件解压后导入即可，无需编写额外代码，大大降低了使用门槛。 在实际应用中，Chroma ...
Chroma嵌入式数据库：Chroma通过为LLM提供可插入的知识、事实和技能，使构建LLM应用程序变得容易
03-26
在实际应用中，Chroma可以帮助开发人员构建更智能的聊天机器人、问答系统、文本分析工具等，尤其是在需要大量领域知识的场景下。通过与Chroma结合，LLM可以更加精准地理解和生成与特定主题相关的对话，提高用户体验...
LangChain案例-根据自己的知识库，构建聊天机器人
Abmaj7的博客
09-17 787
可以把向量存到数据库，然后我们可以生成问题的embedding，再与向量存储中的所有向量进行比较，然后选择最相似的前n个分块，最后，将这n个最相似的分块与原始的问题一起传给LLM，就可以得到答案。在提问时，我们可能会得到存储的整个文档，即使只有前一两个句子是相关的，通过压缩，我们可以从中提取最相关的片段，然后只是将最相关的片段传递给最终的语言模型。例如，把网站，数据库，youtube，或者PDF，html，JSON，Word，PPT等数据源，加载到标准的文档对象中。= word也不等于字符。
LangChain与Chroma的大模型语义搜索应用
weixin_41888295的博客
03-05 835
LangChain和Chroma作为大模型语义搜索领域的代表，通过深度学习和自然语言处理技术，为用户提供高效、准确的语义搜索服务。本文将介绍LangChain和Chroma的原理、特点及实践案例，帮助读者更好地了解这一应用领域的最新进展。
用通俗易懂的方式讲解大模型：LangChain 知识库检索常见问题及解决方案
2301_78285120的博客
12-29 3671
本文介绍了 LangChain 打造知识库过程中遇到的文档检索问题以及解决方案，这也是在 Deeplearning 推出的关于 LangChain 最新短课程——《LangChain: Chat with Your Data》[2]中学到的，里面还讲解了更多关于知识库文档方面的实用技术，感兴趣的同学可以去 Deeplearning 官网了解一下。关注我，一起学习各种人工智能和 AIGC 新技术，欢迎交流，如果你有什么想问想说的，欢迎在评论区留言。
Langchain-Chatchat 从入门到精通（基于本地知识库的问答系统）（更新中）
艰难困苦，玉汝于成。
04-10 1万+
一种利用 langchain 思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。
人工智能学习与实训笔记（九）：Langchain + 百度大模型实战案例
weixin_45512098的博客
10-12 2026
人工智能子Langchain流程介绍：
LangChain整合Chroma实现本地知识库问答
weixin_46515328的博客
07-21 2606
将本地embedding数据存储到Chroma，然后使用LangChain调用openai api完成本地知识库问答。
基于LangChain+LLM的本地知识库问答：从企业单文档问答到批量文档问答
热门推荐
结构之法 算法之道
07-05 10万+
本文则侧重讲解 1 什么是LangChain及langchain的整体组成架构 2 解读langchain-ChatGLM项目的关键源码，不只是把它当做一个工具使用，因为对工具的原理更了解，则对工具的使用更顺畅 3 langchain-ChatGLM项目的升级版langchain-chatchat
langchain_chroma import Chroma
最新发布
08-02
`langchain_chroma`库中的`Chroma`类似乎是用于音乐分析或音频特征提取的工具，它可能与音调（chroma）分析有关。`Chroma`类允许你从音频信号中提取频谱信息并转换成基于12个基本音阶的颜色表示。 要导入并使用`Chroma`，首先确保已经安装了`langchain_chroma`库。如果你还没有安装，可以使用pip来安装： ```bash pip install langchain_chroma ``` 然后，在Python脚本中，你可以这样做： ```python from langchain_chroma import Chroma # 假设你有一个音频文件路径或numpy数组 audio_data = ... # 你的音频数据 # 创建Chroma对象 chroma_extractor = Chroma() # 对音频数据执行音调分析 chromagram = chroma_extractor(audio_data) # 可能会有一些进一步的处理，比如查看第一个时间步的音调分布 first_step_chroma = chromagram[:, 0] # 输出或保存结果 print(first_step_chroma) ``` 请注意，具体的用法可能会根据`langchain_chroma`的文档有所不同，建议查阅官方文档以获取最准确的使用说明。
评论 4
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
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