chatchat自0.3.0版本开始，使用poetry进行环境管理。我们也按照推荐的来部署。

前面已经激活了“chatchat”环境，可以通过命令行前面是否有“(chatchat)”标识，来判断当前conda环境。

pip下载前，也可以配置pip国内下载源，如果已经配置过可以忽略下面命令pip配置命令。

pip查看下载源：

pip config get global.index-url

pip配置清华源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装poetry：

pip install poetry

安装后，可以查看安装的poetry版本信息：

arduino

代码解读

pip list # 列出pip安装库版本信息，可以看到下面三个库即版本号

poetry 1.8.3

poetry-core 1.9.0

poetry-plugin-export 1.8.0

使poetry使用virtualenv python environment：

poetry config virtualenvs.prefer-active-python true

查看刚刚poetry设置的信息，输入下面命令打印“true”就说明设置成功：

poetry config virtualenvs.prefer-active-python

使用poetry安装与源码和依赖

进入之前下载源码目录。

bash

代码解读

cd Langchain-Chatchat/libs/chatchat-server/

poetry install --with lint,test -E xinference

# 安装完成后，可以查看下安装版本信息

pip list # 下面列出几个包信息以作参考

langchain 0.1.17

langchain-chatchat 0.3.1.3 /data/xxx/Langchain-Chatchat/libs/chatchat-server

poetry 1.8.3

xinference-client 0.13.3

设置chatchat环境变量

设置数据目录，实时生效：

export CHATCHAT_ROOT=/data/xxx/chatchat

永久生效，修改~/.bash_profile文件：

bash

代码解读

vi ~/.bash_profile

# 在文件最后，添加下面语句

export CHATCHAT_ROOT=/data/xxx/chatchat

如果开发所用的IDE需要指定项目源代码根目录，可将该目录设为源代码根目录（Langchain-Chatchat/libs/chatchat-server/）

三、初始化并启动

初始化

初始化项目配置文件和数据目录：

cd libs/chatchat-server

python chatchat/cli.py init

或使用chatchat初始化也可：

chatchat init

初始化成功，有以下日志打印：

kotlin

代码解读

2024-07-31 11:44:54.195 | SUCCESS | __main__:init:47 - 开始初始化项目数据目录：/data/xxx/chatchat

2024-07-31 11:44:54.195 | SUCCESS | __main__:init:49 - 创建所有数据目录：成功。

2024-07-31 11:44:54.197 | SUCCESS | __main__:init:52 - 复制 samples 知识库文件：成功。

2024-07-31 11:44:54.217 | SUCCESS | __main__:init:54 - 初始化知识库数据库：成功。

2024-07-31 11:44:54.472 | SUCCESS | __main__:init:66 - 生成默认配置文件：成功。

2024-07-31 11:44:54.472 | SUCCESS | __main__:init:67 - 请先检查确认 model_settings.yaml 里模型平台、LLM模型和Embed模型信息已经正确

2024-07-31 11:44:54.472 | SUCCESS | __main__:init:76 - 执行 chatchat kb -r 初始化知识库，然后 chatchat start -a 启动服务。

初始化后，在chatchat数据目录，会有以下文件(夹)生成：

bash

代码解读

ls /data/xxx/chatchat;

basic_settings.yaml data kb_settings.yaml model_settings.yaml prompt_settings.yaml tool_settings.yaml

ls /data/xxx/chatchat/data;

knowledge_base logs media nltk_data temp

/data/xxx/chatchat内的几个yaml文件，就是项目的配置文件，之后需要根据实际使用修改配置信息。

修改配置信息

咱们前面用xinference加载了“qwen2-instruct-7b”、“bge-large-zh-v1.5”，下面修改配置时，也按照这些信息填。

修改model_settings.yaml文件：

yaml

代码解读

vi model_settings.yaml # 修改下面参数

# 默认选用的 LLM 名称

DEFAULT_LLM_MODEL: qwen2-instruct-7b

# 默认选用的 Embedding 名称

DEFAULT_EMBEDDING_MODEL: bge-large-zh-v1.5

# 在`MODEL_PLATFORMS`中修改模型平台信息

platform_name: xinference

platform_type: xinference

api_base_url: http://127.0.0.1:9997/v1

初始化知识库

初始化知识库，会把"/data/xxx/chatchat/knowledge_base/samples/content/"目录下的文件加载，如果不需要这些数据，可以适当删除里面的文件。

chatchat kb -r

初始化时，可以看到日志”正在将 samples/xxx 添加到向量库“，所有文件添加完后，会有下面日志打印，表明知识库初始化完成：

sql

代码解读

2024-07-31 13:52:11.640 | INFO | chatchat.server.knowledge_base.kb_cache.faiss_cache:save:40 - 已将向量库 ('samples', 'bge-large-zh-v1.5') 保存到磁盘

----------------------------------------------------------------------------------------------------

知识库名称：samples

知识库类型：faiss

向量模型：：bge-large-zh-v1.5

知识库路径：/data/xxx/chatchat/data/knowledge_base/samples

文件总数量：12

入库文件数：12

知识条目数：755

用时：0:00:50.146988

----------------------------------------------------------------------------------------------------

总计用时：0:00:50.161681

启动项目

启动项目可以使用下面命令：

chatchat start -a

也可以后台启动，这样窗口断开不影响项目运行，推荐后台启动：

nohup chatchat start -a > chatchat_cli.log 2>&1 &

观察启动日志：

bash

代码解读

tail -n 100 -f chatchat_cli.log

# 可以看到下面url信息，说明启动成功

You can now view your Streamlit app in your browser.

URL: http://0.0.0.0:8501

启动成功后，在浏览器上打开日志最后的url，注意将0.0.0.0替换为服务器ip。

推理服务使用如下：

rag使用如下：

知识库管理中，可以看到我们刚刚初始化知识库时加载的数据：

如何系统的去学习AI大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。