一. 环境介绍
高性能应用服务 HAI 拥有丰富的预装应用，可以将开源社区的前沿模型快速转化为您专有的部署实践，一键拉起，即开即用。现已支持在HAI购买页的社区应用中，找到Llama 3.1等应用的入口，简单选型后，即可一键启动推理服务。
Chatchat项目介绍
该项目利用langchain思想，实现了基于本地知识库的问答应用。支持市面上主流的开源 LLM、 Embedding 模型与向量数据库，可实现全部使用开源模型离线私有部署。与此同时，该项目也支持 OpenAI GPT API 的调用。
项目的实现原理如下图所示，过程包括加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 -> 在文本向量中匹配出与问句向量最相似的 top k个 -> 匹配出的文本作为上下文和问题一起添加到 prompt中 -> 提交给 LLM生成回答。
部署完成的效果展示
二. 使用说明
1. 进入HAI购买页，选择“Langchain-Chatchat-llama3.1”社区应用并创建实例。实例创建完成后，点击算力连接方式，选择jupyterlab并进入terminal，将下方的代码复制粘贴到terminal中，按回车执行。当看到下图所示内容后，代表应用启动完成。
代码语言：javascript
复制
export CHATCHAT_ROOT=/root/chatchat_data
chatchat init
chatchat kb -r
chatchat start -a
2. 使用实例公网ip，代替URL中的0.0.0.0，粘贴到导航栏即可访问。可按需上传本地的文件进行问答交互。
附录：在HAI上用llama3.1的几种姿势
模型测试
可以基于HAI中基础的llama3.1环境，快速测试模型问答性能。
微调（Fine-tuning）
通过在特定任务或领域的数据上进一步训练llama3.1模型，使其更适合特定应用。例如，可以使用特定领域的文本数据来微调模型，使其在该领域的表现更好。
挂载RAG（Retrieval-Augmented Generation）
结合信息检索技术和生成技术，使模型在回答问题时可以检索到相关的信息并生成更准确的回答。这种方法通常用于需要实时或准确信息的任务。
集成外部知识库
将模型与外部知识库（如知识图谱）结合，使其能够利用结构化数据提供更准确和全面的回答。
如何学习AI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
标签：HAI,AI,Llama3.1,模型,知识库,学习,开源,应用,文本 From： https://blog.csdn.net/python1234_/article/details/141311769