ChatAgent_RAG

离线部署大模型，构建一个可以上传本地知识库进行RAG问答且可以自行调用工具的Agent。

目前基于langchain建立了一个简易的RAG应用，Agent正在构建中。（参考Langchai-chatglm）

RAG原理

从文档处理角度来看，实现流程如下：

使用方法

初始化数据库(首次使用) python init_database.py -r

一键启动WebUI服务 python startup.py -a

5. 界面展示

如果正常启动，你将能看到以下界面

Web UI 启动界面示例：

• Web UI LLM对话界面：

• Web UI 知识库管理页面：

• Web UI 知识库对话页面：

6.继续改进

目前只实现了普通的RAG流程。 后续工作：

• 对检索过程进行优化
  • 微调嵌入模型
  • 知识库分块优化
  • 提示模板上的优化
• 实现Agent Chat
  • 参考Toolformer让LLM具有调用工具的能力(论文链接：https://arxiv.org/pdf/2302.04761v1.pdf)
  • 参考DeLLMa让LLM具有自行决策的过程(论文链接：https://arxiv.org/pdf/2402.02392.pdf)