知识库问答工具
知识库问答（Knowledge Base Question Answering, KBQA）工具是一种自然语言处理技术，它允许用户通过自然语言提问，并从结构化的知识库中找到答案。 这种工具通常包括一个预先构建的知识库，其中包含大量的实体、属性和它们之间的关系，以及一个能够理解用户提问并从知识库中检索答案的问答系统。
核心功能
- 理解自然语言查询：系统需要解析用户的查询，理解其意图和所涉及的关键词。
- 知识库检索：系统在知识库中搜索相关信息，通常使用结构化查询语言（如 SPARQL）在图数据库中检索。
- 答案生成：系统从检索到的信息中提取答案，并以自然语言的形式呈现给用户。
知识库问答工具广泛应用于客户服务、企业内部信息查询、在线教育等多个领域，它可以提供快速、准确的回答，提高信息检索效率，减轻人工客服的压力。
LangChain 概述
LangChain 是一个用于开发由语言模型驱动的应用程序的框架。 它使得应用程序能够具有上下文感知能力和推理能力。
主要组件
- LangChain 库：Python 和 JavaScript 库。包含了各种组件的接口和集成，一个基本的运行时，用于将这些组件组合成链和代理，以及现成的链和代理的实现。
- LangChain 模板：一系列易于部署的参考架构，用于各种任务。
- LangServe：一个用于将 LangChain 链部署为 REST API 的库。
- LangSmith：一个开发者平台，让你可以调试、测试、评估和监控基于任何 LLM 框架构建的链，并且与 LangChain 无缝集成。
特点
- 模型集成：支持多种语言模型，包括大型模型如 GPT-3，以及自定义模型。
- 工具连接：可以连接到各种工具和 API，使得模型能够利用外部资源来增强其回答的准确性和实用性。
- 记忆功能：允许应用程序存储和检索对话历史，从而在对话中保持上下文连续性。
- 模块化设计：设计是模块化的，使得开发者可以根据需要轻松地添加或替换组件。
- 多语言支持：支持多种编程语言，使得开发者可以使用他们熟悉的语言来构建应用程序。
实施步骤
1. 下载代码仓库准备基础环境
git clone https://github.com/chatchat-space/Langchain-Chatchat.git
cd Langchain-Chatchat
pip install -r requirements.txt
pip install -r requirements_api.txt
pip install -r requirements_webui.txt
默认依赖包括基本运行环境（FAISS 向量库）。如果要使用 milvus/pg_vector 等向量库，请将 requirements.txt 中相应依赖取消注释再安装。
2. 下载模型文件
git lfs install
git-lfs clone https://huggingface.co/THUDM/chatglm2-6b
git-lfs clone https://huggingface.co/shibing624/text2vec-base-chinese
3. 初始化参数配置
复制配置文件：
python copy_config_example.py
该脚本将会将所有 config 目录下的配置文件样例复制一份到 config 目录下，方便开发者进行配置。接着，开发者可以根据自己的需求，对配置文件进行修改。
