如何在火山引擎云上部署 Langchain-ChatGLM

Langchain 是一个基于大语言模型进行应用开发的框架，它提供了方便的组件库，方便开发者将 LLM 模型与各种外部数据源连接起来。本文介绍了在火山引擎上部署 Langchain-ChatGLM 的方法。

来源 | 火山引擎云原生团队

什么是 Langchain-ChatGLM

介绍一下 Langchain-ChatGLM？

Langchain-ChatGLM 是一个基于语言模型的人工智能助手，旨在为用户提供自然语言处理相关的服务。该项目基于清华大学 KEG 实验室和智谱 AI 公司于 2023 年共同训练的语言模型 CGLM-130B，并利用 Web 前端技术实现了用户与助手的对话界面。Langchain-ChatGLM 项目旨在为用户提供便捷的语言处理服务，包括但不限于文本翻译、文本摘要、问答、情感分析等。通过与用户的对话，Langchain-ChatGLM 能够自动理解用户的问题并给出相应的答案，同时通过不断学习用户的对话，提高自己的回答能力。

Langchain-ChatGLM 项目还支持知识库间答模式，用户可以通过上传本地文件或文件夹，将问题与相应的知识库关联，让助手进行回答。同时，它还支持语音输入，用户可以通过语音指令与助手进行交互。Langchain-ChatGLM 是一个功能强大的语言处理工具，为用户提供了便捷的语言处理服务，同时也为人工智能研究提供了新的思路和实验平台。

Langchain-ChatGLM 能做什么？

Langchain-ChatGLM 是一个基于语言模型的人工智能助手，它的主要作用是为用户提供自然语言处理相关的服务。以下是 Langchain-ChatGLM 的一些主要功能：

1. 文本翻译：可以将一种语言的文本翻译成另一种语言的文本。

2. 文本摘要：可以自动对文本进行摘要要，提取出文本中最重要的信息。

3. 问答：可以自动回答用户提出的问题，并提供详细的答案。

4. 情感分析：可以分析文本中的情感倾向，如正面、负面或中性。

5. 知识库问答：可以支持知识库问答模式，用户可以通过上传本地文件或文件夹，将问题与相应的知识库关联，让助手进行回答。

6. 语音输入：可以支持语音输入,用户可以通过语音指令与助手进行交互。

总的来说，Langchain-ChatGLM 是一个功能强大的语言处理工具，它可以帮助用户完成各种自然语言处理任务，如文本分类、实体识别、文本摘要、情感分析等。

步骤一：准备 VKE 集群环境

登录火山引擎控制台，创建 VKE 集群，集群版本选择 1.24，容器网络模型选择 VPC-CNI，开启公网访问。选择立刻创建节点，节点规格选择 GPU 计算型，ecs.gni2.3xlarge NVIDIA A10，组件勾选安装 nvidia-device-plugin 组件。

步骤二：下载代码、模型并构建镜像

相关代码和模型均已开源，可以在 GitHub 和 HuggingFace 下载：

• 代码： github.com/imClumsyPanda/langchain-ChatGLM
• 默认 ChatGLM-6B 模型： huggingface.co/THUDM/chatglm-6b
• 默认 Embedding 模型： huggingface.co/GanymedeNil/text2vec-large-chinese

为了方便大家体验，我们把代码和相关模型打包到了一个容器镜像中，使用 cr-demo-cn-beijing.cr.volces.com/vke-ai/langchain-chatglm:v0.0.1 镜像可以直接拉起一个 langchain-ChatGLM 服务。

含有模型的镜像约 24GB，为了加速在 VKE 中的启动速度，用户可以创建自己的火山引擎镜像仓库（Container Registry，CR）标准版实例，将该镜像转存到自己的仓库中。具体请见： www.volcengine.com/docs/6420/106367 。

同时，针对 AI 镜像都比较大的特点，火山引擎镜像仓库 CR 提供了多种镜像下载加速的能力，我们将在后续系列文章中详细介绍。

步骤三：创建 Langchain-GLM 服务

通过 VKE 控制台创建

登录容器服务 VKE 控制台，在“ 工作负载 ”-“ 无状态负载 ”页面创建 Deployment。需要填写 GPU 算力为 1 卡：

在“ 服务与路由 ”-“ 服务 ”页面创建负载均衡类型的服务，并关联 Langchain-ChatGLM deployment，容器服务端口为 7860：

等 Service 创建完毕，显示入口地址之后，我们直接访问 IP 就可以体验 Langchain-ChatGLM 服务了。

服务入口也可以选择 7 层 Ingress ALB 或 API 网关，具体操作可参考《 如何在火山引擎云上部署Stable Diffusion 》。

通过 YAML 文件创建

部署服务：

                  
apiVersion: apps/v1
                  
kind: Deployment
                  
metadata:
                  
  name: langchain-new
                  
spec:
                  
  replicas: 1
                  
  selector:
                  
    matchLabels:
                  
      app: langchain-new
                  
  template:
                  
    metadata:
                  
      labels:
                  
        app: langchain-new
                  
    spec:
                  
      containers:
                  
      - image: cr-demo-cn-beijing.cr.volces.com/vke-ai/langchain-chatglm:v0.0.1
                  
        name: langchain
                  
        resources:
                  
          limits:
                  
            nvidia.com/gpu: "1"
              

暴露服务：

              
 

 
 
  `apiVersion: v1`
  `kind: Service`
  `metadata:`
  `name: langchain-new`
  `spec:`
  `ports:`
  `- name: langchain`
  `port: 80`
  `protocol: TCP`
  `targetPort: 7860`
  `selector:`
  `app: langchain-new`
  `type: LoadBalancer`
 
 
 
            

步骤四：增加本地知识库

在部署好的服务中选择“ 知识库问答 ”模式，并新建知识库（注：知识库名称暂不支持中文）。

点击上传文件/上传文件夹并加载知识库，Langchain 模型会自动进行知识库分析。这里我们给 Langchain-ChatGLM 添加了火山引擎产品的相关知识。

最终演示

以上就是在火山引擎 VKE 中部署 Langchain-ChatGLM 服务的实践，欢迎大家登录火山引擎控制台尝试！

• END -

相关链接

[1] 火山引擎: www.volcengine.com

[2] 容器服务: www.volcengine.com/product/vke

[3] 镜像仓库：www.volcengine.com/product/cr

[4] 模型镜像：cr-demo-cn-beijing.cr.volces.com/vke-ai/langchain-chatglm:v0.0.1

点击 阅读原文 申请体验

火山引擎云原生团队

火山引擎云原生团队主要负责火山引擎公有云及私有化场景中 PaaS 类产品体系的构建，结合字节跳动多年的云原生技术栈经验和最佳实践沉淀，帮助企业加速数字化转型和创新。产品包括容器服务、镜像仓库、分布式云原生平台、函数服务、服务网格、持续交付、可观测服务等。