Langchain-Chatchat项目中OpenAI API与本地Embedding模型冲突问题解析
在Langchain-Chatchat项目实际部署过程中,开发者经常会遇到一个典型问题:当修改model_settings.yaml文件中的api_base_url指向OpenAI的API后,系统会错误地将Embedding模型请求也发送到该地址,导致404错误。本文将深入分析这一问题的成因,并提供完整的解决方案。
问题现象分析
当用户将model_settings.yaml中的api_base_url修改为OpenAI的API地址后,系统会尝试将所有模型请求(包括Embedding模型)都发送到该地址。对于本地部署的bge-large-zh-v1.5等Embedding模型,OpenAI的API显然无法处理这类请求,因此返回404错误。
从错误日志中可以清晰看到,系统尝试向OpenAI API发送Embedding请求时失败:
HTTP Request: POST https://api.deepseek.com/embeddings "HTTP/1.1 404 Not Found"
failed to access embed model 'bge-large-zh-v1.5': Error code: 404
技术背景
Langchain-Chatchat项目支持多种模型部署方式,包括:
- 云端API(如OpenAI)
- 本地推理服务(如Xinference)
- 直接加载本地模型文件
项目通过model_settings.yaml配置文件统一管理这些模型的访问方式。当配置不当,特别是api_base_url设置不当时,会导致模型请求路由错误。
解决方案
要解决这一问题,需要正确配置Embedding模型的访问方式:
-
分离配置:在model_settings.yaml中,应该为Embedding模型单独配置访问地址,而不是使用全局的api_base_url。
-
本地模型配置:对于本地部署的bge-large-zh-v1.5模型,应该配置为本地推理服务的地址,例如Xinference服务的地址。
-
配置示例:
embed_model:
bge-large-zh-v1.5:
model_name: bge-large-zh-v1.5
model_path: /path/to/local/model
device: cuda
api_base_url: http://localhost:9997 # 本地推理服务地址
实施步骤
-
确认本地模型服务:首先确保本地模型服务(如Xinference)已正确启动并监听指定端口。
-
修改配置文件:编辑model_settings.yaml,为Embedding模型单独配置api_base_url,指向本地服务地址。
-
验证配置:通过简单的查询测试验证Embedding服务是否正常工作。
-
重启服务:修改配置后,需要重启Langchain-Chatchat服务使配置生效。
最佳实践建议
-
配置分离原则:不同类型的模型(LLM和Embedding)建议使用独立的配置块,避免相互影响。
-
本地模型优化:对于bge-large-zh-v1.5等大型Embedding模型,可以启用量化技术减少显存占用。
-
监控与日志:配置完成后,建议监控模型服务的资源使用情况和请求日志,确保服务稳定运行。
-
多环境支持:开发环境中可以使用小模型快速验证,生产环境再切换到大模型。
总结
通过正确配置model_settings.yaml文件,开发者可以灵活地在Langchain-Chatchat项目中同时使用云端API和本地模型服务。关键是要理解不同模型类型的请求路由机制,并为每种模型类型配置正确的访问方式。这样既能利用云端API的强大能力,又能充分发挥本地定制模型的优势。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









