写点什么

# 使用 RAG-GPT 集成智谱 AI、DeepSeek 快速搭建 OpenAI Cookbook 智能客服

作者:Geek_1ef48b
  • 2024-05-27
    云南
  • 本文字数:3597 字

    阅读完需:约 12 分钟

引言

前面介绍了使用 RAG-GPT 和 OpenAI 快速搭建 LangChain 官网智能客服,目前国内也有一些比较不错的云端大模型 API 服务。本文将介绍通过 RAG-GPT 集成智谱 AI 和 DeepSeek,快速搭建 OpenAI Cookbook 智能客服。

RAG 技术原理介绍

在介绍 RAG-GPT 项目之前,我们首先要理解 RAG 的基本原理,RAG 在问答系统中的一个典型应用主要包括三个模块,分别是:

  • Indexing(索引):将文档分割成 chunk,编码成向量,并存储在向量数据库中。

  • Retrieval(检索):根据用户输入 query 和向量数据库中 chunks 语义相似度检索与问题最相关的前 k 个 chunk,形成本次问答的上下文。

  • Generation(生成):将原始问题和检索到的 chunks 整合形成合适的 prompt 一起输入到 LLM 中,让 LLM 输出与上下文有关的回答。


智能文档的在线检索流程可以用一张图说明,上图中展示了一个完整的问答流程:

  • 用户发起 query

  • 结合 Bot 实际应用场景,评估是否对 query 进行 rewrite

  • Retieval 模块根据 query 检索出 Indexing 中的相关的文档

  • 将召回的文档进行 Reranking

  • 并且根据 relevance score 进行过滤,过滤掉低质的文档

  • 形成合适的 Prompt 后输入到 LLM 大模型中,最后生成答案

以上是对 RAG 技术的基本介绍,如果想深入了解技术细节可以参考这篇文章:RAG 技术全解析:打造下一代智能问答系统。

如何快速实现 RAG 的智能问答系统?

从 RAG 的原理介绍中可以看到要实现 RAG 整套架构还是存在一定工作量,需要构建索引、检索、集成 LLM、Prompt 优化等一系列模块,具有一定的难度。

基于此,RAG-GPT 提供了一整套开源解决方案,旨在利用 LLM 和 RAG 技术快速搭建一个全功能的客服解决方案。该项目基于 Flask 框架,包括前端用户界面、后端服务和管理员控制台,为企业利用 LLM 搭建智能客服等对话场景提供了一个完整的自动化解决方案,可以帮助开发者快速搭建一个智能问答系统,且代码完全开源。项目地址:https://github.com/open-kf/rag-gpt

RAG-GPT 的基本架构

RAG-GPT 关键特性:

  • 内置 LLM 支持:支持云端 LLM 和本地 LLM。

  • 快速设置:只需五分钟即可部署生产级对话服务机器人。

  • 多样化知识库集成:支持多种类型的知识库,包括网站、独立 URL 和本地文件。

  • 灵活配置:提供用户友好的后台,配备可定制的设置以简化管理。

  • 美观的用户界面:具有可定制且视觉上吸引人的用户界面。

从特性可以知道,RAG 相比一些商业收费的基于知识库的问答系统优势在于:

  • 易用、快速搭建。

  • 能自主管理知识库,避免商业秘密和知识产权泄漏。

  • 可以自主选择 LLM 模型和甚至扩展部署本地模型。

RAG-GPT 快速搭建智能问答系统

RAG-GPT 的基本组成分为三部分:- 智能问答后端服务- 管理后台系统- 用户使用的 ChatBot UI。

下面,将介绍如何启动 RAG-GPT 项目和使用这三个模块,将 RAG-GPT 集成到你的网站只需要 5 个步骤:

1. 下载源代码,通过 Git 克隆 RAG-GPT 的 GitHub 仓库:

git clone https://github.com/open-kf/rag-gpt.git && cd rag-gpt
复制代码

2.配置环境变量

在启动 RAG-GPT 服务之前,需要修改相关配置,以便程序正确初始化。

如果使用智谱 AI 作为 LLM 底座

cp env_of_zhipuai .env
复制代码

.env 文件中的变量

LLM_NAME="ZhipuAI"ZHIPUAI_API_KEY="xxxx"GLM_MODEL_NAME="glm-3-turbo"MIN_RELEVANCE_SCORE=0.3BOT_TOPIC="xxxx"URL_PREFIX="http://127.0.0.1:7000/"USE_PREPROCESS_QUERY=0USE_RERANKING=1USE_DEBUG=0
复制代码

对 .env 中的变量做以下调整:

  • 不要修改 LLM_NAME

  • 将 ZHIPUAI_API_KEY 替换为你自己的密钥。请登录智谱 AI 网站查看你的 API 密钥。

  • 更新 GLM_MODEL_NAME 设置,将 glm-3-turbo 替换为 glm-4,如果你想使用 GLM-4。

  • 将 BOT_TOPIC 更改为你的机器人的名称。这非常重要,因为它将在构造 Prompt 中使用。我在这里要搭建 OpenAI Cookbook 网站的智能客服,所以改写为 OpenAI Cookbook。

  • 调整 URL_PREFIX 以匹配你的网站的域名。

  • 有关常量的含义和用法的更多信息,可以查看 server/constant 目录下的文件。

如果使用 DeepSeek 作为 LLM 底座

[!NOTE]

DeepSeek 没有提供 Embedding API,这里使用 ZhipuAI 的 Embedding API。

我们需要同时准备 ZHIPUAI_API_KEY 和 DEEPSEEK_API_KEY。

cp env_of_deepseek .env
复制代码

.env 文件中的变量

LLM_NAME="DeepSeek"ZHIPUAI_API_KEY="xxxx"DEEPSEEK_API_KEY="xxxx"DEEPSEEK_MODEL_NAME="deepseek-chat"MIN_RELEVANCE_SCORE=0.3BOT_TOPIC="xxxx"URL_PREFIX="http://127.0.0.1:7000/"USE_PREPROCESS_QUERY=0USE_RERANKING=1USE_DEBUG=0
复制代码

对 .env 中的变量做以下调整:

  • 不要修改 LLM_NAME

  • 将 ZHIPUAI_API_KEY 替换为你自己的密钥。请登录智谱 AI 网站查看你的 API 密钥。

  • 将 DEEPSEEK_API_KEY 替换为你自己的密钥。请登录 DeepSeek 网站查看你的 API 密钥。

  • 更新 DEEPSEEK_MODEL_NAME 设置,目前只有 deepseek-chat 这个合适的选项。

  • 将 BOT_TOPIC 更改为你的机器人的名称。这非常重要,因为它将在构造 Prompt 中使用。我在这里要搭建 OpenAI Cookbook 网站的智能客服,所以改写为 OpenAI Cookbook。

  • 调整 URL_PREFIX 以匹配你的网站的域名。

  • 有关常量的含义和用法的更多信息,可以查看 server/constant 目录下的文件。

3.执行启动命令

分别执行以下命令,即可启动。

[!NOTE]

请使用 Python 3.10.x 或以上版本。

先安装 python 依赖项

python3 -m venv myenv
复制代码


source myenv/bin/activate
复制代码


pip install -r requirements.txt
复制代码

启动项目即可:

python create_sqlite_db.pypython rag_gpt_app.py
复制代码

或者执行

sh start.sh
复制代码



4.快速体验聊天效果

  • 启动服务后先打开管理后台。

首先要登录到管理后台,浏览器输入:http://127.0.0.1:7000/open-kf-admin/登录账号为:admin 密码 :open_kf_AIGC@2024 .


  • 导入知识库,这里输入 OpenAI Cookbook 的网页 URL。

在管理后台切换到 Source tab,输入想要抓取的 OpenAI Cookbook 的网页地址列表:

https://cookbook.openai.com/https://cookbook.openai.com/examples/gpt4o/introduction_to_gpt4ohttps://cookbook.openai.com/examples/batch_processinghttps://cookbook.openai.com/examples/assistants_api_overview_pythonhttps://cookbook.openai.com/examples/gpt_with_vision_for_video_understandinghttps://cookbook.openai.com/examples/multimodal/using_gpt4_vision_with_function_callinghttps://cookbook.openai.com/examples/creating_slides_with_assistants_api_and_dall-e3https://cookbook.openai.com/examples/parse_pdf_docs_for_raghttps://cookbook.openai.com/examples/custom_image_embedding_searchhttps://cookbook.openai.com/examples/evaluation/evaluate_rag_with_llamaindex
复制代码

点击 Submit 即可一键爬取上面网页的内容作为知识库。


获取网站的所有网页 URL 后,此时网页 URL 展示的状态是 Recorded。 服务端会通过一个异步任务处理网页内容抓取,并且计算 Embedding,然后存入向量数据库。

服务端处理完后,可以看到爬取网页 URL 的日志。


在 admin 页面,在管理后台上所有网页 URL 展示的状态都是 Trained 。


浏览器打开http://127.0.0.1:7000/open-kf-chatbot/,就可以访问 Bot 了。


5.一键嵌入到网站

RAG-GPT 提供了将聊天机器人嵌入到网站的方法,使得用户可以直接在网站上使用智能问答服务。打开管理后台菜单切换到 embed,复制两个代码即可实现一键嵌入,这两个代码片效果分别如下:一个是 iframe 嵌入一个聊天窗口,一个是在页面右下角点击弹出聊天窗口。可以新建一个文本文件,将代码复制进去,用浏览器打开就可以看到嵌入效果了。


6.管理后台其他功能

  • 管理员可以通过仪表板查看用户的历史请求记录,以便进行分析和优化。

可以按照时间、用户查询聊天记录和修改问答对的答案以更符合自身需求。


  • 配置聊天对话的 UI

用户可以定制化聊天对话框的风格,使其更符合自身网站的风格特性。


结语

RAG-GPT 项目具备开源免费、易于部署集成、开箱即用和功能丰富的特点,为 LLM 大模型在特定领域的应用落地提供了一套企业级的解决方案。RAG-GPT 已经支持本地文件知识库,集成国内 LLM 大模型等特性,使得 RAG-GPT 满足更多样化的需求。

关于我们

OpenIM 是领先的开源即时通讯(IM)平台,目前在 GitHub 上的星标已超过 13k。随着数据和隐私安全的重视以及信息技术的快速发展,政府和企业对于私有部署的 IM 需求急剧增长。OpenIM 凭借“安全可控”的特点,在协同办公软件市场中占据了一席之地。在后 AIGC 时代,IM 作为人机交互的首要接口,其价值愈发重要,OpenIM 期待在此时代扮演更关键的角色。

基于这样的视角,我们最近开源了 RAG-GPT 项目,已被部分企业采用并持续完善中。如果您对 RAG-GPT 感兴趣,可以访问以下链接了解更多信息:

项目地址:https://github.com/open-kf/rag-gpt

在线 Demo: https://demo.rentsoft.cn/

我们的目标是改进文件管理功能,更有效地管理数据,并整合企业级知识库。欢迎大家在 GitHub 上 Star 并关注,支持我们的开源旅程。

开源说明:RAG-GPT 采用 Apache 2.0 许可,支持免费使用和二次开发。遇到问题时,请在 GitHub 提 Issue 或加入我们的 OpenKF 开源社区群讨论。如果您需要更智能的客服系统,请与我们联系。

用户头像

Geek_1ef48b

关注

还未添加个人签名 2021-08-25 加入

还未添加个人简介

评论

发布
暂无评论
# 使用RAG-GPT集成智谱AI、DeepSeek快速搭建OpenAI Cookbook智能客服_Geek_1ef48b_InfoQ写作社区