【亲测免费】 ChatGLM-6B-Engineering 项目教程
1. 项目介绍
ChatGLM-6B-Engineering 是一个基于 ChatGLM-6B 模型的 Prompt Engineering 项目。该项目参考了多个开源项目,如 THUDM/ChatGLM-6B 和 THUDM/ChatGLM2-6B,并进行了多处修改以适配 ChatGLM-6B 的 UI。项目的主要功能包括上下文对话、网络搜索、Stable Diffusion(已弃用)和 Markmap 生成思维导图。
2. 项目快速启动
2.1 环境准备
本项目的推荐运行环境为 Python v3.9.16 和 Node.js v14.21.3。请确保您的系统中已安装这些环境。
2.2 部署依赖
首先,克隆项目到本地:
git clone https://github.com/LemonQu-GIT/ChatGLM-6B-Engineering.git
cd ChatGLM-6B-Engineering
安装项目依赖:
pip install -r requirements.txt
2.3 运行项目
运行 ChatGLM-6B API(chat api):
python api.py
运行 ChatGLM-6B API(back end):
python front_end.py
安装 markmap-cli:
yarn global add markmap-cli
运行 Gradio Demo(可选):
python gradio_demo.py
运行前端(可选):
npm install -g yarn
yarn install
yarn dev
3. 应用案例和最佳实践
3.1 上下文对话
ChatGLM-6B-Engineering 支持上下文对话功能,用户可以与模型进行连续的对话,模型会记住之前的对话内容,并根据上下文进行回答。
3.2 网络搜索
项目设想加入网络搜索功能,用户可以通过网络搜索获取信息,并将搜索结果存入本地知识库,供下次使用。
3.3 Markmap 生成思维导图
项目支持使用 Markmap 生成思维导图,用户可以通过输入文本生成相应的思维导图,便于理解和分析。
4. 典型生态项目
4.1 ChatGLM-6B
ChatGLM-6B 是本项目的主要参考项目之一,提供了强大的对话语言模型支持。
4.2 Stable Diffusion
虽然项目中已弃用 Stable Diffusion,但 Stable Diffusion 是一个强大的图像生成工具,可以与 ChatGLM-6B 结合使用。
4.3 Markmap
Markmap 是一个用于生成思维导图的工具,本项目中使用了 Markmap 来生成思维导图。
通过以上步骤,您可以快速启动并使用 ChatGLM-6B-Engineering 项目,并了解其主要功能和生态项目。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0113
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00