刚接触这个大模型项目的时候，在两台笔记本上搞来搞去，花费3、4天时间，最后由于配置太低，没能跑得起来，无奈直接到阿里云买的服务器，装了一下午大概6、7个小时，中间遇到很多环境包的问题，无非是些gcc、python、ssl等。后来在社区群里学到conda，使用conda创建和管理虚拟环境，比较方便建立隔离的python上下文空间，晚上就又买了台机器从零开始搭建，使用conda，结果异常顺利，一个多小时搞定，主要时间还花费在了上传chatglm2-6b模型（11GB左右）上，记录一下大概步骤；
1、安装miniconda,创建虚拟环境
conda create -n langchain-chatglm python=3.10
conda activate langchain-chatglm
2、安装torch，因为买的是GPU服务器，所以安装的torch一定是支持GPU版的，虽然CPU也能跑，只要内存足够大，但是真的是巨慢，所以建议有条件还是用GPU。在torch官网上可以选择环境和版本，拿到一个安装命令，直接执行即可。
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
3、安装其他依赖
pip install -r requirements.txt
4、上传chatglm2-6b和text2vec-large-chinese的模型到服务器，并配置config/model_config.py文件中的模型路径。
我是提前下好到本地了，怎么下载模型去看看github官方文档，写得很详细。主要改两处，一处是chatglm2-6b的本地路径，一个是要加载的模型名称，改为chatglm2-6b即可。
embedding_model_dict = {
"ernie-tiny": "nghuyong/ernie-3.0-nano-zh",
"ernie-base": "nghuyong/ernie-3.0-base-zh",
"text2vec-base": "shibing624/text2vec-base-chinese",
"text2vec": "/opt/llm/models/text2vec-large-chinese",
"m3e-small": "moka-ai/m3e-small",
"m3e-base": "moka-ai/m3e-base",
}
......
# Embedding model name
EMBEDDING_MODEL = "text2vec"
"chatglm2-6b": {
"name": "chatglm2-6b",
"pretrained_model_name": "THUDM/chatglm2-6b",
"local_model_path": "/opt/llm/models/chatglm2-6b",
"provides": "ChatGLM"
},
......
# LLM 名称
LLM_MODEL = "chatglm2-6b"
5、到langchain-ChatGLM下启动服务即可。
python webui.py