gangyan/langchain-chat

📃 LangChain-Chat

基于大语言模型与 Langchain 等应用框架实现，开源、可离线部署的检索增强生成(RAG)大模型知识库项目。

本项目基本框架自 Langchain-Chatchat 修改，里面整体逻辑已大部分根据业务进行优化调整

---

目录

• 快速上手
  • 1. 环境配置
  • 2. 模型下载
  • 3. 初始化知识库和配置文件
  • 4. 一键启动
  • 5. 启动界面示例

• 依托于开源 LLM 与 Embedding 模型，可实现全部使用开源模型离线私有部署。与此同时，也支持 OpenAI GPT API 的调用，并将在持续扩充对各类模型及模型 API 的接入。

• 实现原理过程包括加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 -> 在文本向量中匹配出与问句向量最相似的 top k个 -> 匹配出的文本作为上下文和问题一起添加到 prompt中 -> 提交给 LLM生成回答。

快速上手

1. 环境配置

• 首先，确保你的机器安装了 Python 3.8 - 3.11 (推荐使用 Python3.11)。

$ python --version
Python 3.11.7

接着，创建一个虚拟环境，并在虚拟环境内安装项目的依赖

# 拉取仓库
$ git clone https://git.ckcest.cn/machine-learning/Langchain-Chat.git

# 进入目录
$ cd Langchain-Chat

# 安装全部依赖
$ pip install -r requirements.txt 
$ pip install -r requirements_api.txt
$ pip install -r requirements_webui.txt  

# 默认依赖包括基本运行环境（FAISS向量库）。如果要使用 milvus/pg_vector 等向量库，请将 requirements.txt 中相应依赖取消注释再安装。

2， 模型下载

如需在本地或离线环境下运行本项目，需要首先将项目所需的模型下载至本地，通常开源 LLM 与 Embedding 模型可以从 ModelScope 下载。

以Qwen3 LLM 模型 Qwen/Qwen3-8B 与 Embedding 模型 Qwen/Qwen3-Embedding-8B 为例：

下载模型需要先安装 Git LFS ，然后运行

$ git lfs install
$ git clone https://www.modelscope.cn/Qwen/Qwen3-8B.git
$ git clone https://www.modelscope.cn/AI-ModelScope/bge-large-zh.git

3. 初始化知识库和配置文件

按照下列方式初始化自己的知识库和简单的复制配置文件

$ python copy_config_example.py
$ python init_database.py --recreate-vs

4. 一键启动

按照以下命令启动项目

$ python startup.py -a

5. 启动界面示例

如果正常启动，将能看到以下界面

1. FastAPI Docs 界面

2. Web UI 启动界面示例：

• Web UI 对话界面

• Web UI 知识库管理页面