首页
/ Windows10 Langchain-Chatchat 本地部署指南

Windows10 Langchain-Chatchat 本地部署指南

2026-01-21 04:32:59作者:齐冠琰

本资源文件提供了在Windows 10系统上本地部署Langchain-Chatchat的详细步骤,包括常见问题解决和避坑指南。无论你是从零开始部署,还是遇到问题需要解决,本指南都能为你提供帮助。此外,本资源还附带了全部模型安装包,方便用户快速完成部署。

内容概述

  1. 环境要求

    • 安装 Anaconda
    • 安装 CUDA
    • Python 3.8 - 3.11
  2. 安装流程

    • 更新 Conda
    • 创建虚拟环境
    • 下载 Langchain-Chatchat 代码
    • 下载 LLM 模型和 Embedding 模型
    • 初始化数据库
    • 运行 Web 页面
  3. 常见问题汇总

    • 常见错误及解决方法

使用说明

  1. 更新 Conda

    • 打开 Anaconda Powershell Prompt
    • 执行 conda update conda
    • 测试是否安装成功:conda list
  2. 创建虚拟环境

    • 创建虚拟环境:conda create -n Chatchat python==3.10
    • 激活虚拟环境:conda activate Chatchat
  3. 下载 Langchain-Chatchat

    • 创建目录:md C:\Chatchat
    • 进入目录:cd C:\Chatchat
    • 下载代码:git clone https://github.com/chatchat-space/Langchain-Chatchat
  4. 下载模型

    • 下载 ChatGLM2-6B 和 m3e-base 模型
    • 修改配置文件
    • 下载依赖:pip install -r requirements.txt
  5. 初始化数据库

    • 执行 python init_database.py --recreate-vs
  6. 运行 Web 页面

    • 执行 python init_database.py -a

常见问题

  • ModuleNotFoundError: No module named 'pwd'

    • 解决方法:参考文章中的解决方法
  • OSError: Unable to load vocabulary from file

    • 解决方法:参考文章中的解决方法
  • AttributeError: 'ChatGLMTokenizer' object has no attribute 'tokenizer'

    • 解决方法:参考文章中的解决方法
  • AssertionError: Torch not compiled with CUDA enabled

    • 解决方法:确保 CUDA 和 PyTorch 版本对应

注意事项

  • 确保 CUDA 和 PyTorch 版本对应,否则可能会报错。
  • 在修改配置文件时,路径不要包含中文,否则可能会导致运行报错。

通过本指南,你可以顺利完成 Langchain-Chatchat 的本地部署,并解决可能遇到的各种问题。祝你部署顺利!

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler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。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284