nonebot-plugin-chatglm

✨ NoneBot ChatGLM-6B 支持插件 ✨

介绍

使用 ChatGLM-6B 为后端，NoneBot2 为平台的极其简单的本地中文（汉语） AI chat 插件。

首次加载等待时间视 Hugging Face 下载速度而定。

更新说明

如有其他功能需求或疑问，欢迎提 issues，当然如果您实现了某些功能或修复了问题，也非常欢迎您提 PR。

待办

• 限制记忆轮数（在抄了，在抄了）
• 图片输出功能（nonebot-plugin-htmlrender）（在抄了，在抄了）
• 管理员在线配置
  • 增加写入读取本地配置文件（json）以实现配置的在线热更新
• @[Bot] 机器人 使用功能（调试阶段，我个人不太需要，不过后续加上吧）

办结/功能

• 完善的默认配置，开箱即用。
• 模型自动下载并存放到指定位置（HuggingFace Hub 提供）
• 保存对话记录以实现多轮对话
• 冷却时间（根据测试效果，默认 30 秒）
• 配置角色功能，基本实现

环境要求

现在默认使用 CPU 推理，方便开箱即用，但速度较慢。

硬件需求上：训练>微调>推理，但本插件仅考虑推理应用场景。

none-adapter-onebot 要求 Python 3.8+

安装与更新

软件环境

指除去 Python 和 nonebot 以外的软件环境

CUDA

• Windows：见 CUDA 官方文档 | 英文
• Linux：见 CUDA 官方文档 | 英文

PyTorch

见 PyTorch 官方导引

插件

nb plugin install nonebot-plugin-chatglm --upgrade

pip install nonebot-plugin-chatglm

pdm add nonebot-plugin-chatglm

poetry add nonebot-plugin-chatglm

conda install nonebot-plugin-chatglm

plugins = ["nonebot_plugin_chatglm"]

配置与依赖

ChatGLM 模型

模型简介：ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。

选择模型

• 如果是较小显存（< 10 G）且只用聊天对话模型（ChatGLM-6B-INT4-QE）¹ 则没用必要修改。
• 如果使用 6B 完整模型，则可以自行设置路径。

下载模型

默认使用HuggingFace Hub加载，即如果没有设置路径，则会自动下载到用户目录下的.cache/huggingface/modules/transformers_modules/THUDM/chatglm-6b-int4-qe，可以通过下面的代码转移模型。

自动下载：

• 无需设置，默认下载ChatGLM-6B-INT4-QE模型
• 在.env文件中增加chatglm_model = str，其中 str 为字符串格式的 Hugging Face Hub 路径（用户名/仓库）。

自动下载后转移模型到指定路径

from transformers import AutoTokenizer, AutoModel
model_name = input("HF HUB 路径，例如 THUDM/chatglm-6b-int4-qe: ")
model_path = input("本地存放路径，例如 ./path/modelname: ")
#用 AutoModel.from_pretrained() 下载模型
tokenizer = AutoTokenizer.from_pretrained(model_name,trust_remote_code=True,revision="main")
model = AutoModel.from_pretrained(model_name,trust_remote_code=True,revision="main")
#用 PreTrainedModel.save_pretrained() 保存模型到指定位置
tokenizer.save_pretrained(model_path,trust_remote_code=True,revision="main")
model.save_pretrained(model_path,trust_remote_code=True,revision="main")

手动下载：

• 清华云盘（仅模型文件，是 6B 完整模型，显存较小需要量化使用，暂未设置，需要自行在chat.py文件中修改）
• 🤗 Hugging Face（完整文件），约 4.2 GB。

模型更新与其他使用

模型的具体使用，还请关注 原仓库说明，提交检测 →

运行所需依赖

如果使用 pip 安装，实际已经自动安装了以下依赖，在此说明是为了方便检查

1、模型所需的依赖

ChatGLM 推理

pip install -U protobuf transformers>=4.23.1 cpm_kernels sentencepiece

ChatGLM 微调

pip install -U rouge_chinese nltk jieba datasets

2、NoneBot运行所需依赖

安装这个插件，那必然是已经有了NoneBot项目，或者移步去 NoneBot2 查看。由于还不会根据项目自动切换适配器，因此需要安装nonebot-adapter-onebot，以便调用Onebotv11进行通信。

配置

在 nonebot2 项目的.env或.env.prod或.env.dev（根据实际选择）文件中添加下表中的配置。默认情况下，无需添加配置即可启用。

如果要较好的使用，强烈建议将chat_mode设置为cuda。

正常聊天使用来说，30 秒冷却较为合适；复杂问题聊天，60 秒较为合适。建议根据实际测试进行调整。

附加文件

（在基本功能完善后放出，在此之前，可以自建尝试）

roles 格式

{
  "catgirl":"猫娘是一种拟人化的生物，其行为似猫但类人。现在你将模仿一只猫娘，与我对话每一句话后面都要加上“喵~”，如果你能明白我的意思，请回复“喵~好的我的主人！”如果你不能理解我说的话，你可以说“呜呜不太理解呢”。",
}

ChatGLM 可能发生记忆遗失，因此在进行角色扮演时，不要提问复杂内容。

simple 格式

示例如下

{
    r"你好 [吗]?|hello": "您好，很高兴与您在此相遇，但是您想问什么呢？",
    r"你是 [谁？]?": "我是 ChatGLM，一个参数 62 亿的人工智能语言模型，由清华大学和智谱 AI 训练开源，代号 ChatGLM-6B",
    r"你的（主人|master) 是 [谁？]?": f"[CQ:at,qq={superusers}]",
}

使用

指令表

参考与致谢

基础

• @A-kirami，项目使用了 README模板，有修改
• ChatGLM-6B，模型和使用方法来源，一切的核心
• nonebot2，一切的基础

功能

• nonebot-plugin-novelai，学习的对象，cd 使用来自于此
• nonebot-plugin-ChatGLM6B，与本项目相似，但本项目从中学习转图片、对话记忆。
• ChatGLM-6B API、ChatGLM-webui