手把手教你搭建本地知识库问答AI机器人

没有知识库喂养的AI，就像一个刚出大学校门的学生，有潜力但很多实际问题无法回答，而经过本地知识库加持的AI，那才是特定领域的专家，可以成为你的良师益友，协助你更好的解答实际问题。

现在的ChatGPT和Claude等AI都支持上传文档回答问题，但不是每个人都能使用。国内的大模型也有文档功能，测试下来效果不是很好。还有一点，不管国内还是国外的AI，允许上传的文档数量有限制，一般只允许上传一个文档提问，Claude属于比较慷慨，大概也只能上传10个文档。

抛开这些不说，知识库是数据，一些敏感的数据，现在大家还不是很放心交给别人，所以搭建一个本地的知识库聊天机器人，是很实际的刚需，尤其对于企业来说，就更是如此。

要在本地搭建一套知识库聊天系统，要做的工作真不少，感谢开源的Langchain-Chatchat，它让这一切变得相当简单。

Langchain-Chatchat既支持开源模型（需要硬件，如A6000），也支持OpenAI等开源模型（需要购买OpenAI的key）。

下面进入正题，手把手教大家基于Langchain-Chatchat，在本地搭建一个知识库聊天系统，把我的实践经验分享给你，避免一些踩过坑。

我使用的硬件和模型信息：

显卡：一块英伟达的A6000

LLM：开源的chatglm3-6b

向量模型：开源的jina-embedding-l-en-v1

向量数据库：开源的milvus

搭建本地知识库，并基于其进行AI聊天，原理和流程如下图：

知识库聊天机器人实现流程

===

环境准备

请注意，我搭建时，langchain-chatchat的版本是v0.2.6，不同的版本，相关的环境可能存在变化。

首先，确保你的机器安装了 Python 3.10

`$ python --version   Python 3.10.13`

如果未安装3.10，可从官网下载编译安装。

`wget https://www.python.org/ftp/python/3.10.13/Python-3.10.13.tgz   sudo apt install wget lzma liblzma-dev build-essential libncursesw5-dev libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev libbz2-dev libffi-dev zlib1g-dev   mkdir -p /home/xaccel/Documents/chatchat/python310/   ./configure --prefix=/home/xaccel/Documents/chatchat/python310/ --with-ssl --enable-optimizations   make   make install   sudo ln -sf ~/Documents/chatchat/python310/bin/python3.10 /usr/bin/python3   sudo ln -sf ~/Documents/chatchat/python310/bin/pip3.10 /usr/bin/pip3`

接着，创建一个虚拟环境，并在虚拟环境内安装项目的依赖

`# 拉取仓库   $ git clone https://github.com/chatchat-space/Langchain-Chatchat.git    # 进入目录   $ cd Langchain-Chatchat    #创建虚拟环境   $ python3 -m venv myenv   $ source myenv/bin/activate    # 默认依赖包括基本运行环境（FAISS向量库）。如果要使用 milvus/pg_vector 等向量库，请将 requirements.txt 中相应依赖取消注释再安装。   # 我们需要milvus数据库，修改requirements.txt   $ vi requirements.txt   # 找到行：# pymilvus==2.1.3，去除注释    # 安装全部依赖   $ pip install -r requirements.txt`

安装并运行milvus数据库

注意requirements.txt中的pymilvus版本是2.1.3，所以milvus也需要安装对应的版本，即milvus 2.1.x。

下载milvus 2.1.x

`wget https://github.com/milvus-io/milvus/releases/download/v2.1.4/milvus-standalone-docker-compose.yml -O docker-compose.yml`

启动向量数据库milvus

`sudo docker-compose up -d`

下载开源模型

langchain-chatchat支持开源模型和OpenAI等商用模型，我需要开源模型，先将开源大模型下载至本地，通常开源 LLM 与 Embedding 模型可以从 HuggingFace 下载。

以本项目中默认使用的 LLM 模型 THUDM/ChatGLM3-6B 与 Embedding 模型
jinaai/jina-embedding-l-en-v1 为例：

下载模型需要先安装 Git LFS，然后运行

`$ git lfs install    # 将大模型下载到以下文件夹   $ cd /xrepo/KDB/LLM/ChatMode    # 下载大模型   $ git clone https://huggingface.co/THUDM/chatglm3-6b   $ git clone https://huggingface.co/jinaai/jina-embedding-l-en-v1`

初始化知识库和配置文件

复制配置文件，并配置步骤二中下载的大模型

`$ python copy_config_example.py       # 修改模型配置文件   $ vi configs/model_config.py       # 设置大模型存放路径   MODEL_ROOT_PATH = "/xrepo/KDB/LLM/ChatMode"       # embed_model下增加：   "jina-embedding-l-en-v1":"jinaai/jina-embedding-l-en-v1",       # llm_model下增加：   "chatglm3-6b": "THUDM/chatglm3-6b",       # 修改默认EMBEDDING_MODEL   EMBEDDING_MODEL = "jina-embedding-l-en-v1"       # 修改默认LLM   LLM_MODEL = "chatglm3-6b"`

初始化数据库

`$ python init_database.py --recreate-vs`

一键启动聊天机器人

安装完成，输入以下命令启动

`$ python startup.py -a`

看到下面画面后，表示正常启动了

langchain-chatchat启动画面

在浏览器输入聊天机器人地址：http://127.0.0.1:8561

本地知识库聊天机器人

===

聊天机器人使用说明

打开Web地址后，左侧可看见两个菜单，分别是“对话”和“知识库管理”

1、对话

即和AI聊天对话，可选择对话模式，LLM模型，prompt模板，温度参数设定以及记忆保留次数。对话模式有四个选项：LLM对话、知识库问答、搜索引擎问答、自定义Agent。

可选四种对话模式

LLM对话是和大模型直接聊天，基于大模型的通用能力。

知识库问答需要先创建知识库，每次可选择一个知识库进行聊天，切换到知识库问答后，在底部“知识库配置”中选择要对话的知识库。

选择对话知识库

搜索引擎问答和自定义Agent，需要进行相应配置和开发，才能使用。

2、知识库管理

切换到知识库管理后，可以查看和删除已创建知识库、新增知识库，也可以对知识库进行文件增减。

知识库管理

新建知识库：点击“新建知识库”，输入知识库名称和简介，选择向量数据库和模型，再点击新建即可。

新建知识库

上传文件到知识库：选择已创建知识库，选择上传文件，点击“添加文件到知识库”

上传文件到知识库

删除知识库/删除知识库文件：见下图

删除知识库

创建好知识库后，可以切换菜单到“对话”，选择对话模式为“知识库问答”，并选择要对话的知识库，即可开启和特定知识库聊天。

和知识库聊天

大功告成，本地知识库聊天系统搭建完成，想用别的模型，可以直接在界面上切换，大部分开源模型都支持，只要你的硬件够牛~

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

---

最后，感谢每一个认真阅读我文章的人，礼尚往来总是要有的，下面资料虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：