在人工智能 (AI) 和自然语言处理 (NLP) 领域，隐私通常是一个基本问题，尤其是在处理敏感数据时。PrivateGPT 是这一领域的突破性发展，正面解决了这个问题。它旨在在没有互联网连接的情况下在本地运行，通过防止数据离开您的执行环境来确保完全隐私。
什么是私有 GPT？
PrivateGPT 是一种创新工具，它将 GPT-4 强大的语言理解能力与严格的隐私措施相结合。利用 LangChain、GPT4All、LlamaCpp、Chroma 和 SentenceTransformers 的优势，PrivateGPT 允许用户完全在本地与 GPT-4 进行交互。让我们深入研究设置 PrivateGPT 的细节以及如何有效地使用它。
设置 PrivateGPT：分步
设置 PrivateGPT 主要包括两个步骤：安装要求和配置环境。首先，确保您的计算机上安装了 Python 3.10 或更高版本。
第一步：安装依赖
pip3 install -r requirements.txt第 2 步：下载语言学习模型 (LLM) 并将其放置在您选择的目录中。默认模型是ggml-gpt4all-j-v1.3-groovy.bin. 但是，可以使用任何 GPT4All-J 兼容模型。
第 3 步：重命名example.env并.env编辑环境变量：
MODEL_TYPE：指定 LlamaCpp 或 GPT4All。PERSIST_DIRECTORY：设置矢量存储的文件夹。MODEL_PATH: 提供你的 LLM 的路径。MODEL_N_CTX：确定 LLM 模型的最大令牌限制。EMBEDDINGS_MODEL_NAME：指定 SentenceTransformers 嵌入模型名称。TARGET_SOURCE_CHUNKS：确定将用于回答问题的块数。
随着环境的建立，我们现在可以继续摄取数据。
使用 PrivateGPT 摄取数据
PrivateGPT 支持各种文件类型，从 CSV、Word 文档到 HTML 文件等等。以下是您摄取自己的数据的方式：
第 1 步：将文件放入source_documents目录
第二步：运行ingest.py脚本处理所有数据
python ingest.py该脚本在文件夹中创建一个本地嵌入数据库db。每个文档大约需要 20-30 秒，具体取决于文档大小。
与 PrivateGPT 交互
现在，让我们深入探讨如何使用 PrivateGPT 在本地对文档提问：
第 1 步：运行privateGPT.py脚本：
python privateGPT.py第 2 步：出现提示时，输入您的查询。
在 20-30 秒内，根据您机器的速度，PrivateGPT 使用 GPT-4 模型生成一个答案，并提供它从您的文档中使用的来源来创建响应。
释放 PrivateGPT 的力量：底层机制
PrivateGPT 的隐私保护本地操作由强大工具的组合提供支持。ingest.py利用 LangChain 工具解析文档，使用 HuggingFaceEmbeddings（SentenceTransformers 的一部分）创建本地嵌入。生成的嵌入存储在具有色度矢量存储的本地矢量数据库中。
privateGPT.py使用本地 LLM——GPT4All-J 或 LlamaCpp——来理解用户查询并制作合适的响应。本地向量存储用于提取这些响应的上下文，利用相似性搜索从摄取的文档中找到相应的上下文。
系统要求和故障排除
PrivateGPT 的系统先决条件包括 Python 3.10 或更高版本。在 pip 安装过程中，如果出现 C++ 编译器错误，则会提供适用于 Windows 10/11 和运行 Intel 的 Mac 的安装说明。
您可以在此处访问 PrivateGPT GitHub（在新标签页中打开）.
结论
PrivateGPT 证明了强大的人工智能语言模型（如 GPT-4）与严格的数据隐私协议的融合。它为用户提供了一个安全的环境来与他们的文档进行交互，确保没有数据被外部共享。无论您是 AI 爱好者还是注重隐私的用户，PrivateGPT 都为保护隐私的 AI 应用程序开辟了新的可能性。
