大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。
本文主要介绍了基于ChatGLM2和langchain的本地知识库问答的实战方案，希望对学习大语言模型的同学们有所帮助。
文章目录
- 1. 介绍
- 2. 配置环境
- 2.1 ChatGLM2环境搭建
- 2.2 进一步环境搭建
- 3. 修改配置文件
- 4. 运行代码
1. 介绍
由于训练语料的数量(1T->1.4T)和质量的提升、训练方法的优化、语料的context length(上下文长度)的大幅提升(chat模型的长度从2K->8K)，ChatGLM2相比于ChatGLM1有了长足的进步。所以在部分隐私中文数据的场景下使用ChatGLM2不失为一个不错的选择。但部分场景下由于语料的数量和丰富度都不太高，使用微调的方法对模型进行优化并不是一个很好的做法，所以使用langchain和Chat
