Skip to content

iMagist486/ElasticSearch-Langchain-Chatglm2

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

13 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

🔥ElasticSearch-Langchain-Chatglm2

✨项目介绍

langchain-ChatGLM项目启发,由于Elasticsearch可实现文本和向量两种方式混合查询,且在业务场景中使用更广泛,因此本项目用Elasticsearch代替Faiss作为知识存储库,利用Langchain+Chatglm2实现基于自有知识库的智能问答。

本项目希望抛砖引玉,能够帮助大家快速地做技术验证和技术路线选取。

默认使用的embedding模型为moka-ai/m3e-large

目前仅支持上传 txt、docx、md等文本格式文件。

默认使用余弦距离计算文本相似性。

🚀使用方式

修改配置文件

修改配置文件config.ini,配置Elasticsearch链接

模型可修改为本地路径

增加对InternLM的支持:llm_model修改为internlm/internlm-chat-7b即可。

运行web demo

执行web.py

python web.py

📑Demo详解

demo_pic

文档交互模块:

ES插入时文档交互模块会显示插入是否成功,或抛出异常内容;问答时,文档交互模块会展示查询到的内容,包括文档来源,文档内容和相似度分数。

查询设置模块:

三种查询模式,具体区别见Elasticsearch官方文档

近似查询:Approximate kNN

混合查询:Combine approximate kNN with other features

精确查询:Exact, brute-force kNN

查询阈值

仅返回相似度分数大于阈值的查询结果,0为不设限制

top_k

返回最相关的k个文本

knn_boost

适用于混合查询,knn_score所占比例

🐳Docker 部署

打包docker镜像

docker build -f docker/Dockerfile -t es-chatglm:v1.0 .

启动docker容器

docker run --gpus "device=0" -p 8000:8000 -it es-chatglm:v1.0 bash

❤️引用及感谢

  1. THUDM/chatglm2-6b
  2. moka-ai/m3e-large
  3. LangChain
  4. langchain-ChatGLM

📧联系方式

[email protected]

欢迎沟通交流!

About

Q&A based on elasticsearch+langchain+chatglm2 | 基于elasticsearch,langchain,chatglm2的自有知识库问答

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published