chatglm3-6B本地部署

ChatGLM github地址：https://github.com/THUDM/ChatGLM-6B

在此文件夹下cmd，创建一个专门独立的虚拟环境（部署要求较高，需要运存6G，python建议3.10及以上，transformers 库版本推荐为 4.30.2，torch 推荐使用 2.0 及以上的版本）

从文本读取安装环境依赖，假设环境名为

然后下载模型，可以通过transform，通过python运行下述代码

或者通过网站直接下载

ChatGLM huggingface地址：https://huggingface.co/THUDM/chatglm-6b

（全下就行）

把文件放到一个指定位置就行

运行下述代码测试即可quantize（4）是量化运行小精度，占用内存更小，改为8也可以

如果是手动下载需要改一下路径，依你存模型的路径而定，如下图

包括回应和历史对话，可以提前写几条history来给模型添加前置条件，让模型进行角色扮演。History的编写形式：

测试成功即完成部署。

获取模型的api，进入环境输入dir查看到api.py。

然后运行python api.py，加载模型并开放一个api接口

写下述代码运行，发送post请求，将url改为本地端口，运行代码进行测试，question：后面输入提问，

测试如下

然后进行在langchain中接入大模型，先在下载的chatglm里面找到api.py，修改路径地址path为后下载huggingface的地址，并按需修改量化模式，具体如下

然后下载langchain，（虚拟环境中直接pip，指令如下）

进行以下代码，在langchain中接入模型

实现：

1. 学会chatglm本地部署，写成手册
2. 实现本地模型的api调用
3. 实现在langchain中接入大模型

问题：

1. 关于解决langchain给chatglm的问题是英文输入，而用户提问问题一般都中文的，如何解决，（包括统一问答语言提高准确性，模型给出问题中英文混杂的问题）

解答：

关于chatglm和 Hugging Face Hub的分别