QAnything windows下的安装步骤

已于 2024-02-26 15:29:45 修改
阅读量3.6k 收藏 45
点赞数 21
文章标签： python ai
于 2024-02-21 17:22:02 首次发布
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/gaoyi1234560/article/details/136216509
版权

环境准备

  • RTX4090
  • win10专业版系统
  • wsl 安装ubuntu
    • 设置wsl 为version 2
      • 参考链接：https://blog.csdn.net/SUNbrightness/article/details/116783604
    • wsl --list -o 查看linux的发行版本
    • wsl --install -d Ubuntu22.04 安装ubuntu的版本
    • 需要设置用户名和密码，需要记住，不要忘记了
  • git 下载
  • mobaXterm 用于远程连接wsl虚拟机
  • ubuntu安装python3-pip
    • 如果出现安装失败，可以考虑先apt update一下，拉取一下最新的apt仓库再进行就会成功
  • 安装nvidia-sim 驱动
    • 一定要先执行一次nvidia-msi 看看是否能看到驱动，有可能是可以的，如果可以，则不执行下面的apt命令
    • apt install nvidia-utils-535

配置安装git的目录

  • 源码地址：git clone https://github.com/netease-youdao/QAnything.git
  • embedding地址：git clone https://www.modelscope.cn/netease-youdao/QAnything.git
    • 将这个模型下载后解压models.zip，放到QAnything的根目录，这个models就是我们说的RAG框架里的embedding模型，用于表征
  • 下载大模型：
    • git lfs install
    • git clone https://huggingface.co/netease-youdao/Qwen-7B-QAnything
    • 说明：大模型地址：git clone https://www.modelscope.cn/netease-youdao/Qwen-7B-QAnything.git是有问题的，需要从huggingface上下载大模型，不然会有各种问题，我试过chatglm3-6b模型是正常的，在执行-b hf是正常的，就是这个QWen模型有问题，我准备从huggingface上试试看，不要从其他地方下载，这个问题我查了好几天，搞不清楚为啥会这种
    • 将这个模型放到QAnything/assets/custom_models 这个路径下

执行阶段

  • 安装需要的requirement的python包
    • apt install update
    • sudo apt install python3-pip
    • pip install -r requirement.txt
  • 查看nvida驱动程序
    • 安装nvidia的显卡驱动，apt install nvidia-
    • nvidia-smi 查看显卡情况
  • 执行bash
    • 现将文件的格式转换一下
    sed -i "s/\r//" scripts/run_for_local_option.sh
sed -i "s/^M//" scripts/run_for_local_option.sh
sed -i "s/\r//" scripts/run_for_cloud_option.sh
sed -i "s/^M//" scripts/run_for_cloud_option.sh
sed -i "s/\r//" run.sh
sed -i "s/^M//" run.sh
sed -i "s/\r//" close.sh
sed -i "s/^M//" close.sh
    • 安装第三方库：
      • sudo apt-get install jq
      • sudo apt-get install bc
    • 设置request python包
      • pip install requests==2.28.1
    • 安装docker文件
sudo apt-get update

sudo apt-get install \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg \
    lsb-release
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

echo \
  "deb [arch=amd64 signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compse

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container-experimental.list | sudo tee /etc/apt/sources.list.d/libnvidia-container-experimental.list

sudo apt-get update
sudo apt-get install -y nvidia-docker2

sudo service docker stop
sudo service docker start

sudo apt install docker-compose

# 测试docker
sudo docker run --runtime=nvidia  --rm -it --name tensorflow-1.14.0 tensorflow/tensorflow:1.14.0-gpu-py3

- 执行脚本文件：
	- sudo bash ./run.sh -c local -i 0 -b hf -m Qwen-7B-QAnything -t qwen-7b-qanything（将-b hf的时候会卡住，=经过确定是因为下载的模型有问题我是从魔塔上下载的模型，所以一直gpu加载不动，使用了chatglm3-6b模型之后就正常了）
	- 此时会执行一些docker的下载资源，有很多的docker库需要下载
	- 注意一下-b 参数需要谨慎选择，有可能是不能使用的，我用chatglm3-6b使用vllm时就执行不出来，用hf就可以，用default就是失败的

问题错误：

    1. docker 执行的时候报错，错误如下：
      TypeError: HTTPConnection.request() got an unexpected keyword argument ‘chunked’
      docker.errors.DockerException: Error while fetching server API version: HTTPConnection.request() got an unexpected keyword argument ‘chunked’
    • 解决方案：更具网址的解决方案：https://github.com/google-deepmind/alphafold/issues/812
    • 将requests的python库调整为2.28.1
      • 具体操作是：pip install requests==2.28.1

  • 2.urllib3.exceptions.ProtocolError: (‘Connection aborted.’, PermissionError(13, ‘Permission denied’))

    • 尝试用sudo进行处理，可以解决这个问题
    1. ERROR: for qanything-container-local Cannot start service qanything_local: could not select device driver “nvidia” with capabilities: [[gpu]]
    • 可能是因为安装nvida的显卡导致，需要安装nvida的显卡解决
    • 尝试方案1：
      • 1.官网下载nvida的显卡驱动进行安装,Linux 4-bit无效，Linux aarch64无效，FreeBSD x64无效，方法不可行
        1. 在输入了nvidias-smi之后会有一些推荐，经过查看，安装了版本 apt install nvidia-utils-535的版本
      • 3.经过查看nvidia-smi可以看到显卡的版本了
      • 参考链接：https://blog.csdn.net/m0_73139694/article/details/135473124
    • 参考链接1：https://github.com/THUDM/CodeGeeX/issues/103

  • 4.安装了nvidia-smi之后出现NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

    • 尝试方法1(无效)：
      1. sudo add-apt-repository ppa:graphics-drivers/ppa --yes
2. sudo apt update
3. sudo apt install nvidia-driver-550   当前最新的驱动了
    • 尝试方法2：
      	1. sudo apt-get remove --purge '^nvidia-.*'
		sudo apt-get remove --purge '^libnvidia-.*'
		sudo apt-get remove --purge '^cuda-.*'
	2. wget https://developer.download.nvidia.com/compute/cuda/12.3.2/local_installers/cuda_12.3.2_545.23.08_linux.run
	3. sudo sh cuda_12.3.2_545.23.08_linux.run
    • 开启了hypter_type之后去执行nvida-msi竟然好了
    • 参考网页：https://blog.csdn.net/wjinjie/article/details/108997692
    • 参考网页：https://forums.developer.nvidia.com/t/nvidia-smi-has-failed-because-it-couldnt-communicate-with-the-nvidia-driver-make-sure-that-the-latest-nvidia-driver-is-installed-and-running/197141/2
    • 参考网页：https://forums.developer.nvidia.com/t/nvidia-smi-has-failed-because-it-couldnt-communicate-with-the-nvidia-driver-make-sure-that-the-latest-nvidia-driver-is-installed-and-running/197141

  • 5.docker.errors.DockerException: Error while fetching server API version: (‘Connection aborted.’, FileNotFoundError(2, 'No such file or ，Cannot connect to the Docker daemon at unix:///var/run/docker.sock. Is the docker daemon running?

    • 原因是docker进程没有启动起来，所以docker服务是不可用的
    • 换种方案安装docker: snap install docker

  • 5.执行的时候报错：nvidia-container-cli: initialization error: load library failed: libnvidia-ml.so.1: cannot open shared object file: no such file or directory: unknown

    • 方案1 安装nvidia-container:
      distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo snap restart docker   # 因为是通过snap安装的，其他可以通过systemctl服务重启(systemctl restart docker)
docker run --rm -it --gpus all ubuntu:22.04 nvidia-smi   # 失败了，和上面的报错一样
nvidia-smi # 未执行
安装最新的安装方式后就正常了,参考连接：https://blog.csdn.net/SUNbrightness/article/details/116783604
    • 方案2（有问题）：
      • 可能是因为nvida-container的libnvidia-ml.so.1 的位置不对，经过查询这个文件在目录： nvidia-container-cli list 发现是在/usr/lib/wsl中，说明是有的，
      • 将这个文件注释掉，方式是因为重复的文件名字导致的问题：
        mv /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1  /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1.bak

mv /usr/lib/x86_64-linux-gnu/libcuda.so.1  /usr/lib/x86_64-linux-gnu/libcuda.so.1.bak
      • 参考链接：https://www.cnblogs.com/devilmaycry812839668/p/17296525.html
    • 方案3：安装一个nvida-docker2(有问题)
      • sudo docker run --rm -it ls -al /usr/lib/x86_64-linux-gnu/libnv* output 参考这种方式，将nvida的docker直接软链家到这的那个的lib库中
      • 参考链接：https://github.com/NVIDIA/nvidia-container-toolkit/issues/289
      • 参考链接：https://docs.nvidia.com/ai-enterprise/deployment-guide-vmware/0.1.0/docker.html
    • 方案3：安装一个nvida-cuda试试看（方法无效）
      • docker run --rm --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi 作者：titan909 https://www.bilibili.com/read/cv31412472/ 出处：bilibili
    • 方案4：去掉了docker-window.yaml中的nvidia的选项，就能够执行成功了,但是在rank_embed时报错
    • 方案5：将nvidia-smi设置为persistence模式试试看(无效)
      • 参考链接：https://github.com/NVIDIA/nvidia-docker/issues/1648
    • 方案6
      • 参考：https://www.cnblogs.com/dudu/p/18010103 尝试一下
    • 方案7：可能是因为使用了snap安装了docker导致的？卸载了snap的docker，再试试看？
      • 最终确定问题就是因为使用了snap安装docker出现的问题
      • docker安装流程：https://blog.csdn.net/SUNbrightness/article/details/116783604

  • 问题6：please install FlashAttention https://github.com/Dao-AILab/flash-attention

    • pip install ninja
    • pip install torch
    • pip install flash-attn --no-build-isolation
    • OSError: CUDA_HOME environment variable is not set. Please set it to your CUDA install root(需要安装cuda)
    • wget https://developer.download.nvidia.com/compute/cuda/12.3.2/local_installers/cuda_12.3.2_545.23.08_linux.run
    • sudo sh cuda_12.3.2_545.23.08_linux.run
    • export CUDA_HOME=/usr/local/cuda-X.X
    • 参考链接：https://gist.github.com/Brainiarc7/470a57e5c9fc9ab9f9c4e042d5941a40
    • 参考链接：https://blog.csdn.net/OOFFrankDura/article/details/113632416
    • 参考链接：https://gist.github.com/Brainiarc7/470a57e5c9fc9ab9f9c4e042d5941a40
    • 参考链接：https://github.com/Dao-AILab/flash-attention 一个关于gpu加速开源项目

  • 问题7：RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory

    • 方法一：
      • pip install ultralytics
      • 参考链接：https://github.com/ultralytics/ultralytics/issues/5793
      • 这个只是一个可用性分析，无用
    • 从网上分析来看，这个模型是有问题的，我是从https://www.modelscope.cn下载的可能是有问题的，查看了一下原始的模型有14G,而我本地的只有2G,不用git下载，用浏览器下载pytorch模型，然后用新的模型就是正常的了

  • 问题8：ValueError: Cannot find any model weight files. Please check your (cached) weight path: /model_repos/CustomLLM/Qwen-7B-QAnything

    • https://github.com/lm-sys/FastChat/blob/main/fastchat/model/compression.py 这个代码里写着了，实际上是由的，重新拉去，直接用git clone拉取的模型是不对的，需要特别注意

  • 问题9：import flash_attn rms_norm fail，import flash_attn rotary fail，import flash_attn fail,

    • 参考如下的方式处理：
      git clone https://github.com/Dao-AILab/flash-attention
cd flash-attention && pip install .   （安装太慢，使用pip install flash-attn --no-build-isolation 安装）
# Below are optional. Installing them might be slow.
pip install csrc/layer_norm  （非常的占用cpu，需要等待）
pip install csrc/rotary
      • 安装报错: ninja: build stopped: subcommand failed.
        Traceback (most recent call last):
        File “/usr/local/lib/python3.10/dist-packages/torch/utils/cpp_extension.py”, line 2096, in _run_ninja_build
        subprocess.run(
        File “/usr/lib/python3.10/subprocess.py”, line 526, in run
        raise CalledProcessError(retcode, process.args,
        subprocess.CalledProcessError: Command ‘[‘ninja’, ‘-v’]’ returned non-zero exit status 1.
      • 在cpp_extension文件中将-v改为–version

  • 问题10：/usr/bin/ld: cannot find /mnt/c/QAnything/flash-attention/csrc/rotary/build/temp.linux-x86_64-cpython-310/rotary.o: No such file or directory

    • 因为我装的是cuda12,版本不对，需要修改一下
    • 尝试解决也是无效，参考链接：https://github.com/Dao-AILab/flash-attention/issues/484

  • 问题11：run.sh 设置为-b hf 或者vllm是无法成功的

  • 问题12： requests.exceptions.ReadTimeout: HTTPConnectionPool(host=‘0.0.0.0’, port=36001): Read timed out. (read timeout=60)

    • 从实际的情况上来看，实际上答案已经给出了，只是这个36001服务没有启动成功导致的
    • 36001是由 llm_server_run.sh启动的，但是实际上是没有启动成功的，需要排查一下为什么会没有启动成功
    • 是通过Sanic第三方模块进行处理的，但是实际上没有能成功的启动36001这个端口，
    • 重新启动了一下llm_server_run.sh后正常了

  • 问题13：wsl安装ubuntu之后没有关在电脑硬盘

    • 之前都是可以的，现在不行了，奇怪
    • 经过重新连接wsl后正常，可能有一些奇怪的情况

  • 问题14： Failed to install npm dependencies.

    • 尝试安装apt install -y npm进行解决

  • 问题15：Failed to build the front end.

    • 之前以为是环境配置问题，实际发现重新安装了整个系统环境也是不行
    • 直接在front_end执行npm run build 查看到有报错：
      file:///mnt/c/QAnything/QAnything/front_end/node_modules/vite/bin/vite.js:7
    await import('source-map-support').then((r) => r.default.install())
    ^^^^^

SyntaxError: Unexpected reserved word
    • 查看了npm的版本是8.5，可能是apt install npm的版本比较低导致的，尝试使用自动的npm进行安装尝试
    • 调整npm的版本内容即可

  • 问题16：peer closed connection without sending complete message body (incomplete chunked read)

    • 具体的报错信息如下：
    2024-02-26 12:06:58 | ERROR | stderr | ERROR:    Exception in ASGI application
2024-02-26 12:06:58 | ERROR | stderr | Traceback (most recent call last):
2024-02-26 12:06:58 | ERROR | stderr |   File "/usr/local/lib/python3.10/dist-packages/starlette/responses.py", line 261, in __call__
2024-02-26 12:06:58 | ERROR | stderr |     await wrap(partial(self.listen_for_disconnect, receive))
2024-02-26 12:06:58 | ERROR | stderr |   File "/usr/local/lib/python3.10/dist-packages/starlette/responses.py", line 257, in wrap
2024-02-26 12:06:58 | ERROR | stderr |     await func()
2024-02-26 12:06:58 | ERROR | stderr |   File "/usr/local/lib/python3.10/dist-packages/starlette/responses.py", line 234, in listen_for_disconnect
2024-02-26 12:06:58 | ERROR | stderr |     message = await receive()
2024-02-26 12:06:58 | ERROR | stderr |   File "/usr/local/lib/python3.10/dist-packages/uvicorn/protocols/http/httptools_impl.py", line 587, in receive
2024-02-26 12:06:58 | ERROR | stderr |     await self.message_event.wait()
2024-02-26 12:06:58 | ERROR | stderr |   File "/usr/lib/python3.10/asyncio/locks.py", line 214, in wait
2024-02-26 12:06:58 | ERROR | stderr |     await fut
2024-02-26 12:06:58 | ERROR | stderr | asyncio.exceptions.CancelledError: Cancelled by cancel scope 7fa254ef6140
    • 在有结果出来的时候没有实际的相应，结果答案出不来
    • 尝试方法：pip install gradio_client==0.2.7 参考：https://github.com/AUTOMATIC1111/stable-diffusion-webui/issues/11855
    • 经过和大佬沟通，发现可能是模型的输出内容有问题导致的，需要换一个模型试试看，推荐说让用minichat-2B进行尝试一下
    • 最终终于明白，原来是参数不对，正常的参数命令如下：
    • bash ./run.sh -c local -i 0 -b hf -m chatglm3-6b -t chatglm3 即可正常了

参考链接

  • https://blog.csdn.net/lianghao118/article/details/136087436
  • https://github.com/Dao-AILab/flash-attention
  • https://github.com/QwenLM/Qwen#quickstart
gaoyi1234560
关注
Qanything在Windows环境部署流程
weixin_40538248的博客
05-17 2222
系统版本：Windows 10 专业版版本号：22H2。
VMWars中Debian11安装chatglm.cpp,chatglm6b-32k，QAnything全过程
gaoyi1234560的专栏
02-04 606
准备工作： 安装Debian11的ios镜像 网络设置 在安装debian11的时候选择国内的清华的源 设置http_proxy，可以加快速度 下载chatglm6b-32k的大模型 下载地址：https://www.wisemodel.cn/models/ZhipuAI/chatglm3-6b-32k git clonehttps://www.wisemodel.cn/ZhipuAI/chatglm3-6b-32k.git （可能会有问题，做的不完善，不行的话，就自己手动的下载就好了） 下
[AI]部署安装有道QanyThing
stringjava_001的博客
02-20 4368
部署安装有道Qanything
QAnything，您的开源本地知识库问答神器
最新发布
m0_65555479的博客
03-17 718
QAAnything（QAnything） 是一个本地知识库问答系统，旨在支持各种文件格式和数据库，允许离线安装和使用。用户只需将任何本地存储的任何格式的文件拖放到系统中，即可获得准确、快速和可靠的答案。
实战搭建网易有道的QAnything(二） 正式下载安装
morsth的博客
04-08 3041
整个安装过程实际上就是在不停等待下载文件过程，还好需要的文件都是国内可以现在，还没有需要用到科学上网的，唯一的就是github下载QAnything 源码，又可能抽风访问不了，那么就到gitee或者其他镜像下载就好了。
QAnything纯Python环境安装流程
我码玄黄的博客
04-24 1620
QAnything是一个功能强大的工具，它提供了多种模型和API的支持，使得自然语言处理任务变得更加简单。
实战搭建网易有道的QAnything(一） 前提准备工作
morsth的博客
04-07 2652
早上地铁上刷到了关于有道的QAnything的介绍，刚好也有搭建一个知识库的想法，既然有想法那就干起来，电脑的操作系统用的win11，显卡用了两块4060。
qanything windows安装部署
02-17
此命令将在指定位置 `E:\Ubuntu2204` 下安装 Ubuntu 22.04 版本[^2]。 #### 配置 Docker Desktop 支持 WSL 2 完成上述操作后，Docker Desktop 将自动识别并显示新安装的 Linux 发行版[^1]。确保 Docker Desktop ...
如何安装和配置 QAnything？
01-17
对于 Windows 用户，推荐先安装 Docker Desktop。Win10 建议下载版本 4.26.1 并按官方指引完成安装过程[^1]。为了确保后续操作顺利，在安装完毕后需调整一些默认设定。 #### 二、硬件及软件需求确认 QAnything 的...
本地（局域网）部署有道QAnything问答的笔记（未完待续写）
aqdfxx的博客
05-28 3521
不要下载最新版4.30，我的老win10就是低于19044，所以开头就强调版本号，于是我就下载了2.4版。windows 虚拟机监控程序平台不开启的话可能导致后面docker desktop启动不起来。到这一步，wsl应该就可以用了，顺便记录一下常用的wsl命令。
从0开始搭建清华ChatGLM3 6b大模型（Windows RTX4090版）
sjh752422969的专栏
01-02 4593
本文基于RTX4090 从0开始搭建清华chatglm3，相当基础
私有化部署网易云-qanything教程
m0_48159647的博客
04-15 3269
官方的教程虽然没有错误, 但是有点混乱, 而且一些细节隐藏在了更深的文档中, 导致部署过程中遇到不少问题, 这里是一步步的详细教程
网易有道QAnything 安装部署实践（RAG）
热门推荐
lianghao118的博客
02-11 2万+
网易有道QAnything 安装部署实践，理解一个完整RAG的高级构造。
QAnything：网易开源本地知识库问答系统
lvaolan168的博客
10-23 4187
QAAnything（QAnything） 是一个本地知识库问答系统，旨在支持各种文件格式和数据库，允许离线安装和使用。用户只需将任何本地存储的任何格式的文件拖放到系统中，即可获得准确、快速和可靠的答案。
LLM漫谈（二）| QAnything支持任意格式文件或数据库的本地知识库问答系统
wshzd的博客
01-06 3732
QAnything (Question and Answer based on Anything) 是致力于支持任意格式文件或数据库的本地知识库问答系统，可断网安装使用。您的任何格式的本地文件都可以往里扔，即可获得准确、快速、靠谱的问答体验。目前已支持格式: PDF，Word(doc/docx)，PPT，Markdown，Eml，TXT，图片（jpg，png等），网页链接，更多格式，敬请期待...
网易有道 QAnything 安装部署实验
weixin_60729843的博客
03-20 6249
QAnything是一款本地知识库问答系统，支持导入任意格式文件或数据库进行问答，可在断网情况下使用。用户只需简单操作即可获取准确、快速的答案。该系统具有跨语种问答、高性能生产级系统等特点，采用两阶段检索架构，提供更精准的结果。用户可根据环境选择合适的安装方式，并通过前端页面或API接口使用。对于需要离线部署的用户，系统提供了详细的操作指南。QAnything为用户提供了强大、安全、灵活的文本问答服务，可广泛应用于各种应用场景。
QAnything知识库问答系统离线部署（LLM+RAG）
04-28 5333
QAnything 是网易有道开源的一个问答系统框架，支持私有化部署和SaaS服务两种调用形式。它能够支持多种格式的文件或数据库，提供准确、快速和可靠的问答体验。目前已支持的文件格式包括PDF、Word、PPT、Markdown、Eml、TXT、图片（jpg、png等）以及网页链接等。
国内开源RAG知识库ChatWiki MaxKb QAnyThing对比
学无紫晶
07-09 1080
芝麻小客服开源的一个RAG 知识库，核心特点是和人工聊天系统打通，可以作为对外的聊天系统使用。MaxKb 飞致云开源的，特点是简单，具备基础功能，整体还不错，但是没有云端版本。QAnyThing 网易出品的，特点是基于离线训练的RAG 系统。RAG 知识库 ， 是一个比较火的赛道，以下是国内开源的RAG 知识库。云端体验地址 https://chatwiki.com。
评论 1
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