Create a Python package.
Project description
🔥ChatLLM 基于知识库🔥
Install
pip install -U chatllm
Docs
Usages
from chatllm.applications import ChatBase
qa = ChatBase()
qa.load_llm4chat(model_name_or_path="THUDM/chatglm-6b")
_ = list(qa(query='周杰伦是谁', knowledge_base='周杰伦是傻子'))
# 根据已知信息无法回答该问题,因为周杰伦是中国内地流行歌手、演员、音乐制作人、导演,
# 是具有一定的知名度和专业能力的人物,没有提供足够的信息无法判断他是傻子。
- 支持角色扮演
ChatPDF
Click to ChatPDF
一键启动UI chatllm-run webui --name chatpdf
from chatllm.applications.chatpdf import ChatPDF
qa = ChatPDF(encode_model='nghuyong/ernie-3.0-nano-zh')
qa.load_llm4chat(model_name_or_path="THUDM/chatglm-6b")
qa.create_index('财报.pdf') # 构建知识库
list(qa(query='东北证券主营业务'))
# 根据已知信息,东北证券的主营业务为证券业务。公司作为证券公司,主要从事证券经纪、证券投资咨询、与证券交易、
# 证券投资活动有关的财务顾问、证券承销与保荐、证券自营、融资融券、证券投资基金代销和代销金融产品待业务。
- 支持查看召回结果
开发部署
Click to 开发部署
-
ChatGLM-6B 模型硬件需求
量化等级 最低 GPU 显存(推理) 最低 GPU 显存(高效参数微调) FP16(无量化) 13 GB 14 GB INT8 8 GB 9 GB INT4 6 GB 7 GB -
Embedding 模型硬件需求
本项目中默认选用的 Embedding 模型 GanymedeNil/text2vec-large-chinese 约占用显存 3GB,也可修改为在 CPU 中运行。
软件需求
本项目已在 Python 3.8 - 3.10,CUDA 11.7 环境下完成测试。已在 Windows、ARM 架构的 macOS、Linux 系统中完成测试。
从本地加载模型
TODO
Click to TODO
-
增加ChatPDF
-
增加ChatWoosh
-
增加本地知识库组件
-
增加互联网搜索组件
-
增加知识图谱组件
-
ChatLLM 应用
- 接入非结构化文档(已支持 md、pdf、docx、txt 文件格式)
- 搜索引擎与本地网页接入
- 结构化数据接入(如 csv、Excel、SQL 等)
- 知识图谱/图数据库接入
- Agent 实现
-
增加更多 LLM 模型支持
-
增加更多 Embedding 模型支持
-
增加一键启动 webui
- 利用 streamlit 实现 ChatPDF,一键启动
chatllm-run webui --name chatpdf
- 利用 gradio 实现 Web UI DEMO
- 添加输出内容及错误提示
- 引用标注
- 增加知识库管理
- 选择知识库开始问答
- 上传文件/文件夹至知识库
- 删除知识库中文件
- 利用 streamlit 实现 ChatPDF,一键启动
-
增加 API 支持
- 利用 Fastapi/Flask/Grpc 实现流式接口
- 前后端分离,实现调用 API 的 Web UI Demo
交流群
======= History
0.0.0 (2023-04-11)
- First release on PyPI.
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
Close
Hashes for ChatLLM-2023.4.27.18.49.30.tar.gz
Algorithm | Hash digest | |
---|---|---|
SHA256 | ac565644dc8a7a7cbf6894d4c7fa19be83f8ac881254e33740d3867120a95dcc |
|
MD5 | 6c505a6578b37277b1513b6160149535 |
|
BLAKE2b-256 | d182c1488925fe944175c4cbf7a6294871409ba2c842cb7ac07095e2842de889 |
Close
Hashes for ChatLLM-2023.4.27.18.49.30-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | c5edf75688f9b53986e43169ec6daba1eb2bee3e5154308183c6260cb69f02c9 |
|
MD5 | 3d8dd4b8d2eb079d00ddf6765e7f86b5 |
|
BLAKE2b-256 | 95b494c2caf0d4118d1b13fde84d119acfeec193bc97ea902c97e66a8f179083 |