针对特定环境的内容生成是LLM使用中的一项重要应用，实现这一目的，主要有全量微调、lora微调、和本项目方法。但个人没有做全量微调的，lora微调只能牺牲基础能力换单任务效果（用6B模型lora调出来的单任务效果，专门设计一个0.5B模型也能实现，且推理成本更低）。
而本项目采用知识库+auto脚本的形式为LLM提高生成能力，充分考虑个人和中小企业的资源问题，以及国内大背景下知识安全和私密性问题,实现使小模型获得近似于大模型的生成能力。
- 目前支持模型：
chatGLM-6B、chatRWKV、chatYuan、llama系列以及openaiapi和chatglm130b api，初步支持moss。 - 使用知识库扩展模型所知信息，使用auto提高模型生成质量和复杂问题解决能力
- 支持
chatGLM-6B、chatRWKV、llama系列流式输出和输出过程中中断 - 自动保存对话历史至浏览器（多用户同时使用不会冲突，
chatRWKV历史消息实现方式需使用string） - 对话历史管理（删除单条、清空）
- 支持局域网、内网部署和多用户同时使用。
交流QQ群：LLM使用和综合讨论群162451840；知识库使用讨论群241773574；Auto开发交流群744842245；discussions
链接：https://pan.baidu.com/s/105nOsldGt5mEPoT2np1ZoA?pwd=lyqz
视频教程：https://www.bilibili.com/video/BV1aX4y1z7ar/?vd_source=629edb00375d46ad4097acdc7cbc0ca3
提取码：lyqz
默认参数在6G显存设备上运行良好。最新版懒人版已集成一键更新功能，建议使用前更新。
使用步骤（以glm6b模型为例）：
- 下载懒人版主体（最新版已集成模型，因此不需单独下载）。
- 如果没有安装
CUDA11.8，从网盘下载并安装。 - 双击运行
运行GLM6B.bat。 - 如果需要生成离线知识库，参考 知识库。
通用依赖：pip install -r requirements.txt
根据使用的 知识库进行相应配置
根据需要，下载对应模型。
建议使用chatRWKV的RWKV-4-Raven-7B-v11，或chatGLM-6B。
把example.config.yml重命名为config.yml，根据里面的参数说明，填写你的模型下载位置等信息
auto功能通过JavaScript脚本实现，使用油猴脚本或直接放到autos目录的方式注入至程序，为闻达附加各种自动化功能。
| 文件名 | 功能 |
|---|---|
| 0-write_article.js | 写论文：根据题目或提纲写论文 |
| 0-zsk.js | 知识库增强和管理 |
| face-recognition.js | 纯浏览器端人脸检测：通过识别嘴巴开合，控制语音输入。因浏览器限制，仅本地或TLS下可用 |
| QQ.js | QQ机器人:配置过程见文件开头注释 |
| block_programming.js | 猫猫也会的图块化编程:通过拖动图块实现简单Auto功能 |
| 1-draw_use_SD_api.js | 通过agents模块（见example.config.yml<Library>）调用Stable Diffusion接口绘图 |
以上功能主要用于展示auto用法，进一步能力有待广大用户进一步发掘。
知识库原理是生成一些提示信息，会插入到对话里面。
fess模式、bing模式均调用搜索引擎搜索获取答案。
搜索后在回答之前插入提示信息，知识库的数据就被模型知道了。
为防止爆显存，插入的数据不能太长，所以有字数限制。
有以下几种方案：
- rtst模式，sentence_transformers+faiss进行索引，支持预先构建索引和运行中构建。
- bing模式，cn.bing搜索，仅国内可用
- bingsite模式，cn.bing站内搜索，仅国内可用
- fess模式，本地部署的fess搜索，并进行关键词提取
- mix模式，融合
sentence_transformers+faiss进行索引、匹配，并连同上下文返回。目前支持txt和pdf格式。
支持预先构建索引和运行中构建，其中，预先构建索引强制使用cuda，运行中构建根据config.yml中rtst段的device(embedding运行设备)决定，对于显存小于12G的用户建议使用CPU。
Windows预先构建索引运行：plugins/buils_rtst_default_index.bat。
Linux直接使用wenda环境执行 python plugins/gen_data_st.py
需下载模型GanymedeNil/text2vec-large-chinese置于model文件夹，并将txt格式语料置于txt文件夹。
在本机使用默认端口安装fess后可直接运行。否则需修改config.yml中fess_host的127.0.0.1:8080为相应值。FESS安装教程
正常使用中，勾选右上角知识库
运行：run_GLM6B.bat。
模型位置等参数：修改config.yml。
默认参数在GTX1660Ti（6G显存）上运行良好。
运行：run_rwkv.bat。
模型位置等参数：修改config.yml。
默认参数在GTX1660Ti（6G显存）上正常运行，但速度较慢。
设置strategy诸如"Q8_0->8"即支持量化在cpu运行，速度较慢，没有显卡或者没有nvidia显卡的用户使用。 注意默认librwkv.so是在debian sid编译的，不支持windows,其他linux发行版本未知。可以查看：saharNooby/rwkv.cpp，下载windows版本，或者自行编译。 plugins/rwkvcpp里的三个模块来自saharNooby/rwkv.cpp
运行：run_llama.bat。
注意库最好使用我修改的：llama-cpp-python，才可以正常使用中文（截止4月15日）。
编译好的：https://github.com/l15y/llama-cpp-python/releases
模型位置等参数：修改config.yml。
项目调用闻达的 api 接口实现类似于 new bing 的功能。 技术栈：vue3 + element-plus + ts