序言

在前两天的基础上，将xinference调整为wsl环境，docker部署。
然后langchain chatchat 还是本地虚拟环境直接跑。
以及简单在这个chatchat框架里上传了一个文本文件，询问大模型文件内容。
还行，跑起来了，坑也是不少

docker 部署xinference

1WSL环境docker安装

参考这个链接内容配置下wsl的docker环境，以及配置下国内私人dockerhub镜像源。
【现在竟然没有公司或者学校配置的dockerhub镜像了，奇怪，真奇怪。不配置就要梯子】
参考链接1:https://blog.csdn.net/wylszwr/article/details/147671490

这里有个坑，C盘如果空间不够，wsl最好迁移到D盘，因为大模型挺占空间的。

2拉取镜像运行容器

参考下面这个链接操作一下就好了，然后配置的端口，回头更新在chatchat的yaml文件就行。
【1050ti的显卡，cuda和torch这些版本适配有些麻烦，所以我就拉去的cpu版本镜像。
docker pull xprobe/xinference:latest-cpu】
参考链接2：https://inference.readthedocs.io/zh-cn/latest/getting_started/using_docker_image.html

3使用的界面

加载模型界面
就运行这里lunch模型，要等一会儿

这个运行这里就能看到已经下载到本地的模型了。
语言模型： 就是正常对话的。
嵌入模型embedding模型： 就是把上传的文本材料，解析成向量，搞到知识库的。
重排序rerank模型： 目前简单理解为嵌入模型的升级版（250517）。
参考链接3：https://blog.csdn.net/2401_84033492/article/details/144546055
图像模型： 简单理解为画图的。
音频模型： 简单理解为听声音，转换为声音的。
视频模型： 生成视频的。

本地跑chatchat

和上一篇的调整没啥区别。
就是yaml文件要更新。
【我看有人不建议chatchat在docker跑。我不搞是因为wsl搞docker compose插件有点繁琐】

1rag踩坑

有个问题就是上传文件半天没反应，参考这个降httpx版本就好了。
参考链接：https://blog.csdn.net/ddyzqddwb/article/details/144347702

2使用的界面

2.1配置个前置条件然后对话

2.2rag对话

往上找了个诗经的txt传上去，然后用模型阅读。只是一部分，全是文言文，我自己看着是挺头大的。

上传的文言文材料。

结论

windows机器。
wsl环境。
docker跑xinference
本地python环境跑了chatchat
实现大模型的管理加载，以及简单的知识库构建与rag管理。
这就是这次的内容。