首页
/ Langchain-Chatchat 2.10版本在线Embedding模型加载指南

Langchain-Chatchat 2.10版本在线Embedding模型加载指南

2025-05-03 21:13:59作者:庞队千Virginia

在Langchain-Chatchat 2.10版本中,实现在线Embedding模型的加载是一个关键功能,它能够显著提升知识库构建和问答系统的性能。本文将详细介绍如何通过Xinference框架配置和使用在线Embedding模型。

准备工作

在开始配置之前,需要确保已经完成以下准备工作:

  1. 已部署Xinference服务并确保其正常运行
  2. 已安装Langchain-Chatchat 2.10版本
  3. 已准备好目标Embedding模型(如bge-large-zh-v1.5)

模型注册与启动

首先需要通过Xinference API注册Embedding模型。以下是注册bce-embedding-base_v1模型的示例命令:

curl 'http://127.0.0.1:9997/v1/model_registrations/embedding' \
  -H 'Accept: */*' \
  -H 'Content-Type: application/json' \
  --data-raw '{"model":"{\"model_name\":\"bce-embedding-base_v1\",\"dimensions\":768,\"max_tokens\":512,\"model_uri\":\"/path/to/model\",\"language\":[\"en\",\"zh\"]}","persist":true}'

注册完成后,需要启动模型实例:

curl 'http://127.0.0.1:9997/v1/models' \
  -H 'Accept: */*' \
  -H 'Content-Type: application/json' \
  --data-raw '{"model_uid":"bce-embedding-base_v1","model_name":"bce-embedding-base_v1","model_type":"embedding","replica":1,"n_gpu":"auto"}'

配置Langchain-Chatchat

完成模型注册后,需要在Langchain-Chatchat中进行相应配置。通过以下命令设置Xinference平台参数:

chatchat-config model --set_model_platforms "[{
  \"platform_name\": \"xinference\",
  \"platform_type\": \"xinference\",
  \"api_base_url\": \"http://127.0.0.1:9997/v1\",
  \"api_key\": \"EMPT\",
  \"api_concurrencies\": 5,
  \"llm_models\": [],
  \"embed_models\": [
      \"bce-embedding-base_v1\"
  ],
  \"image_models\": [],
  \"reranking_models\": [],
  \"speech2text_models\": [],
  \"tts_models\": []
}]"

初始化知识库

配置完成后,需要初始化知识库以使用新配置的Embedding模型:

chatchat init --xinference-endpoint http://127.0.0.1:9997/v1 --embed-model bce-embedding-base_v1 --recreate-kb

此命令会重新创建知识库,并使用指定的Embedding模型处理文档内容。

启动服务

最后,启动Langchain-Chatchat服务:

chatchat start -a

验证配置

可以通过以下curl命令验证Embedding服务是否正常工作:

curl http://0.0.0.0:9997/v1/embeddings \
 -H "Content-Type: application/json" \
 -d '{
  "input": "测试embeddings",
  "model": "bge-large-zh-v1.5"
}'

常见问题处理

  1. 模型加载失败:检查Xinference服务是否正常运行,模型路径是否正确
  2. API连接问题:确认防火墙设置,确保端口9997可访问
  3. 维度不匹配:确保配置的dimensions参数与模型实际维度一致

通过以上步骤,可以成功在Langchain-Chatchat 2.10版本中配置和使用在线Embedding模型,为后续的知识库构建和问答系统提供强大的语义理解能力。

热门项目推荐
相关项目推荐

项目优选

收起
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
48
115
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
50
13
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
417
317
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
268
404
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
90
158
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TSX
311
28
carboncarbon
轻量级、语义化、对开发者友好的 golang 时间处理库
Go
7
2
ruoyi-airuoyi-ai
RuoYi AI 是一个全栈式 AI 开发平台,旨在帮助开发者快速构建和部署个性化的 AI 应用。
Java
90
25
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
87
239
CangjieMagicCangjieMagic
基于仓颉编程语言构建的 LLM Agent 开发框架,其主要特点包括:Agent DSL、支持 MCP 协议,支持模块化调用,支持任务智能规划。
Cangjie
554
39