LLM大模型外挂知识库

最新推荐文章于 2024-09-05 20:07:43 发布

程序学到昏

最新推荐文章于 2024-09-05 20:07:43 发布

阅读量635

点赞数 26

文章标签：人工智能 Agent 大数据 langchain prompt

本文链接：https://blog.csdn.net/y525698136/article/details/141141880

版权

引言

我们知道，ChatGPT回答的数据来自于训练的数据（如现在是截止到2022年的数据），不能使用其他数据，但需要大模型根据特定的数据源来回答时问题时，该怎么办呢？

根据 “大模型可以根据输入的上下文信息，针对问题生成相应的回答” ，这个特性，可以将数据和问题一起输入，如下面形式：

在这里插入图片描述

但存在问题：

但数据量大时就不行了，因为大模型所支持的上下文长度有限，即所支持的token长度有限。

那只将和问题相关的数据内容提取出来作为上下文输入，这样可以减少数据源，但有2个问题：

需要提前将与问题相关的内容筛选出来
这就变成了检索/搜索问题

针对第2个问题，就是给定一个数据源，在里面检索数据，这里就可以用到了外挂知识库。

外挂知识库的核心思想是：

在这里插入图片描述

将数据源的内容通过某种格式保存在数据库中
每次提问题时，先去数据库检索相关内容
将内容和问题组成prompt提交给大模型
大模型返回对应的问题答案

名次解释：

分词（Tokenizer） ：将文本拆分成单个单词或词语，结构化为计算机可以处理的结构化形式，，比如我每天六点下班可以拆分为 “我”，“每天”，“六点下班”，常见的分词器有 markdown 分词MarkdownTextSplitter
向量化（Embedding） ：将文本数据转换为向量的过程。计算机无法直接处理文本，因此需要将文本转换为数学向量形式，以便算法能够理解和处理。文本和数学向量之间互相映射，但数学向量更便于计算机运算。对中文比较友好的向量模型库有 shibing624/text2vec-base-chinese
向量数据库（Vector Store）: 存储和管理向量化后的文本数据的数据库，能快速检索相似文本或进行文本相似性比较。比如 FAISS 这个库

方案选择

目前已经有许多开源的方案，也有许多商业化的方案，基本上可以分为：

ChatGPT + Fine-tune：微调出一个自己的模型，从一些大佬的反馈来看，这种方式成本高，需要花费很多精力去训练，效果不一定能够很好。可以看看如何使用OpenAI fine-tuning(微调)训练属于自己的专有模型？- 知乎和大模型外挂(向量)知识库 - 知乎
ChatGPT + 外挂知识库: 这个有两个方案，第一个就是官方提供的插件 chatgpt-retrieval-plugin 来处理文档向量，视频效果演示，缺点就是只能在 ChatGPT 源站点使用，并且要有插件开发者权限。另一个是利用 LangChain 处理生成向量库，然后调用 ChatGPT openapi ，带上检索出来的相关数据和问题去使用。
开源 LLM + 微调: 就是利用开源的 LLM 微调训练目标的知识库，比如 ChatGLM3，当然训练成本也是在的，但可以做到数据不泄露，前面 2 种始终需要通过 ChatGPT，难免出现一些数据泄露。
LangChain + 开源 LLM: 如果不想自己训练，又想保证数据安全，那么结合 2，3 点的方案则是安全可靠的，用 LangChain 对文档进行向量化，然后检索内容，在调用 LLM 对得到的内容进行总结输出。

上面几种方案，2，4 都是比较简单的方案，区别就是模型的问题和数据是否私有化。

LangChain + 开源 LLM

LangChain-chatchat

是一种利用LangChain思想实现基于本地知识库的问答应用，而 LangChain 则是一个 AI 开发框架，方便调用各类 AI 工具。

LangChain-chatchat 具体处理过程如下：

在这里插入图片描述

加载数据源文件 -》读取文本 -》文本分割 -〉文本向量化 -》问题向量化 -〉在向量库中匹配与出问题向量最相似的top k 个-》匹配出的数据内容和问题一起添加到prompt中 -〉提交给大模型生成回答。

安装过程

参考：https://mp.weixin.qq.com/s/tXs0g3j6sEo3xO03l5LlkQ

安装模型
安装向量模型
安装Langchain-Chatchat
修改配置文件
运行测试

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望