[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-1392":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":22,"archived":23,"fork":23,"defaultBranch":24,"hasWiki":25,"hasPages":23,"topics":26,"createdAt":10,"pushedAt":10,"updatedAt":47,"readmeContent":48,"aiSummary":49,"trendingCount":16,"starSnapshotCount":16,"syncStatus":50,"lastSyncTime":51,"discoverSource":52},1392,"Langchain-Chatchat","chatchat-space\u002FLangchain-Chatchat","chatchat-space","Langchain-Chatchat（原Langchain-ChatGLM）基于 Langchain 与 ChatGLM, Qwen 与 Llama 等语言模型的 RAG 与 Agent 应用 | Langchain-Chatchat (formerly langchain-ChatGLM), local knowledge based LLM (like ChatGLM, Qwen and Llama) RAG and Agent app with langchain ","",null,"Python",38157,6218,291,10,0,6,23,162,28,103.5,"Apache License 2.0",false,"master",true,[27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46],"chatbot","chatchat","chatglm","chatgpt","embedding","faiss","fastchat","gpt","knowledge-base","langchain","langchain-chatglm","llama","llm","milvus","ollama","qwen","rag","retrieval-augmented-generation","streamlit","xinference","2026-06-12 04:00:09","![](docs\u002Fimg\u002Flogo-long-chatchat-trans-v2.png)\n\u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F329\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Ftrendshift.io\u002Fapi\u002Fbadge\u002Frepositories\u002F329\" alt=\"chatchat-space%2FLangchain-Chatchat | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\u003C\u002Fa>\n\n[![pypi badge](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Flangchain-chatchat.svg)](https:\u002F\u002Fshields.io\u002F)\n[![Generic badge](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.8%7C3.9%7C3.10%7C3.11-blue.svg)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fpypiserver\u002F)\n[![zread](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FAsk_Zread-_.svg?style=flat&color=00b0aa&labelColor=000000&logo=data%3Aimage%2Fsvg%2Bxml%3Bbase64%2CPHN2ZyB3aWR0aD0iMTYiIGhlaWdodD0iMTYiIHZpZXdCb3g9IjAgMCAxNiAxNiIgZmlsbD0ibm9uZSIgeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzIwMDAvc3ZnIj4KPHBhdGggZD0iTTQuOTYxNTYgMS42MDAxSDIuMjQxNTZDMS44ODgxIDEuNjAwMSAxLjYwMTU2IDEuODg2NjQgMS42MDE1NiAyLjI0MDFWNC45NjAxQzEuNjAxNTYgNS4zMTM1NiAxLjg4ODEgNS42MDAxIDIuMjQxNTYgNS42MDAxSDQuOTYxNTZDNS4zMTUwMiA1LjYwMDEgNS42MDE1NiA1LjMxMzU2IDUuNjAxNTYgNC45NjAxVjIuMjQwMUM1LjYwMTU2IDEuODg2NjQgNS4zMTUwMiAxLjYwMDEgNC45NjE1NiAxLjYwMDFaIiBmaWxsPSIjZmZmIi8%2BCjxwYXRoIGQ9Ik00Ljk2MTU2IDEwLjM5OTlIMi4yNDE1NkMxLjg4ODEgMTAuMzk5OSAxLjYwMTU2IDEwLjY4NjQgMS42MDE1NiAxMS4wMzk5VjEzLjc1OTlDMS42MDE1NiAxNC4xMTM0IDEuODg4MSAxNC4zOTk5IDIuMjQxNTYgMTQuMzk5OUg0Ljk2MTU2QzUuMzE1MDIgMTQuMzk5OSA1LjYwMTU2IDE0LjExMzQgNS42MDE1NiAxMy43NTk5VjExLjAzOTlDNS42MDE1NiAxMC42ODY0IDUuMzE1MDIgMTAuMzk5OSA0Ljk2MTU2IDEwLjM5OTlaIiBmaWxsPSIjZmZmIi8%2BCjxwYXRoIGQ9Ik0xMy43NTg0IDEuNjAwMUgxMS4wMzg0QzEwLjY4NSAxLjYwMDEgMTAuMzk4NCAxLjg4NjY0IDEwLjM5ODQgMi4yNDAxVjQuOTYwMUMxMC4zOTg0IDUuMzEzNTYgMTAuNjg1IDUuNjAwMSAxMS4wMzg0IDUuNjAwMUgxMy43NTg0QzE0LjExMTkgNS42MDAxIDE0LjM5ODQgNS4zMTM1NiAxNC4zOTg0IDQuOTYwMVYyLjI0MDFDMTQuMzk4NCAxLjg4NjY0IDE0LjExMTkgMS42MDAxIDEzLjc1ODQgMS42MDAxWiIgZmlsbD0iI2ZmZiIvPgo8cGF0aCBkPSJNNCAxMkwxMiA0TDQgMTJaIiBmaWxsPSIjZmZmIi8%2BCjxwYXRoIGQ9Ik00IDEyTDEyIDQiIHN0cm9rZT0iI2ZmZiIgc3Ryb2tlLXdpZHRoPSIxLjUiIHN0cm9rZS1saW5lY2FwPSJyb3VuZCIvPgo8L3N2Zz4K&logoColor=ffffff)](https:\u002F\u002Fzread.ai\u002Fchatchat-space\u002FLangchain-Chatchat)\n\n🌍 [READ THIS IN ENGLISH](README_en.md)\n\n📃 **LangChain-Chatchat** (原 Langchain-ChatGLM)\n\n基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现，开源、可离线部署的 RAG 与 Agent 应用项目。\n\n---\n\n## 目录\n\n* [概述](README.md#概述)\n* [功能介绍](README.md#功能介绍)\n * [0.3.x 功能一览](README.md#03x-版本功能一览)\n * [已支持的模型推理框架与模型](README.md#已支持的模型部署框架与模型)\n* [快速上手](README.md#快速上手)\n * [pip 安装部署](README.md#pip-安装部署)\n * [源码安装部署\u002F开发部署](README.md#源码安装部署开发部署)\n * [Docker 部署](README.md#docker-部署)\n* [项目里程碑](README.md#项目里程碑)\n* [联系我们](README.md#联系我们)\n\n## 概述\n\n🤖️ 一种利用 [langchain](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Flangchain)\n思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。\n\n💡 受 [GanymedeNil](https:\u002F\u002Fgithub.com\u002FGanymedeNil) 的项目 [document.ai](https:\u002F\u002Fgithub.com\u002FGanymedeNil\u002Fdocument.ai)\n和 [AlexZhangji](https:\u002F\u002Fgithub.com\u002FAlexZhangji)\n创建的 [ChatGLM-6B Pull Request](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FChatGLM-6B\u002Fpull\u002F216)\n启发，建立了全流程可使用开源模型实现的本地知识库问答应用。本项目的最新版本中可使用 [Xinference](https:\u002F\u002Fgithub.com\u002Fxorbitsai\u002Finference)、[Ollama](https:\u002F\u002Fgithub.com\u002Follama\u002Follama)\n等框架接入 [GLM-4-Chat](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FGLM-4)、 [Qwen2-Instruct](https:\u002F\u002Fgithub.com\u002FQwenLM\u002FQwen2)、 [Llama3](https:\u002F\u002Fgithub.com\u002Fmeta-llama\u002Fllama3)\n等模型，依托于 [langchain](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Flangchain)\n框架支持通过基于 [FastAPI](https:\u002F\u002Fgithub.com\u002Ftiangolo\u002Ffastapi) 提供的 API\n调用服务，或使用基于 [Streamlit](https:\u002F\u002Fgithub.com\u002Fstreamlit\u002Fstreamlit) 的 WebUI 进行操作。\n\n![](docs\u002Fimg\u002Flangchain_chatchat_0.3.0.png)\n\n✅ 本项目支持市面上主流的开源 LLM、 Embedding 模型与向量数据库，可实现全部使用**开源**模型**离线私有部署**。与此同时，本项目也支持\nOpenAI GPT API 的调用，并将在后续持续扩充对各类模型及模型 API 的接入。\n\n⛓️ 本项目实现原理如下图所示，过程包括加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 ->\n在文本向量中匹配出与问句向量最相似的 `top k`个 -> 匹配出的文本作为上下文和问题一起添加到 `prompt`中 -> 提交给 `LLM`生成回答。\n\n📺 [原理介绍视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV13M4y1e7cN\u002F?share_source=copy_web&vd_source=e6c5aafe684f30fbe41925d61ca6d514)\n\n![实现原理图](docs\u002Fimg\u002Flangchain+chatglm.png)\n\n从文档处理角度来看，实现流程如下：\n\n![实现原理图2](docs\u002Fimg\u002Flangchain+chatglm2.png)\n\n🚩 本项目未涉及微调、训练过程，但可利用微调或训练对本项目效果进行优化。\n\n🌐 [AutoDL 镜像](https:\u002F\u002Fwww.codewithgpu.com\u002Fi\u002Fchatchat-space\u002FLangchain-Chatchat\u002FLangchain-Chatchat) 中 `0.3.0`\n版本所使用代码已更新至本项目 `v0.3.0` 版本。\n\n🐳 Docker 镜像将会在近期更新。\n\n🧑‍💻 如果你想对本项目做出贡献，欢迎移步[开发指南](docs\u002Fcontributing\u002FREADME_dev.md) 获取更多开发部署相关信息。\n\n## 功能介绍\n\n### 0.3.x 版本功能一览\n\n| 功能 | 0.2.x | 0.3.x |\n|-----------|----------------------------------|---------------------------------------------------------------------|\n| 模型接入 | 本地：fastchat\u003Cbr>在线：XXXModelWorker | 本地：model_provider,支持大部分主流模型加载框架\u003Cbr>在线：oneapi\u003Cbr>所有模型接入均兼容openai sdk |\n| Agent | ❌不稳定 | ✅针对ChatGLM3和Qwen进行优化,Agent能力显著提升 ||\n| LLM对话 | ✅ | ✅ ||\n| 知识库对话 | ✅ | ✅ ||\n| 搜索引擎对话 | ✅ | ✅ ||\n| 文件对话 | ✅仅向量检索 | ✅统一为File RAG功能,支持BM25+KNN等多种检索方式 ||\n| 数据库对话 | ❌ | ✅ ||\n| 多模态图片对话 | ❌ | ✅ 推荐使用 qwen-vl-chat ||\n| ARXIV文献对话 | ❌ | ✅ ||\n| Wolfram对话 | ❌ | ✅ ||\n| 文生图 | ❌ | ✅ ||\n| 本地知识库管理 | ✅ | ✅ ||\n| WEBUI | ✅ | ✅更好的多会话支持,自定义系统提示词... |\n\n0.3.x 版本的核心功能由 Agent 实现,但用户也可以手动实现工具调用:\n\n|操作方式|实现的功能|适用场景|\n|-------|---------|-------|\n|选中\"启用Agent\",选择多个工具|由LLM自动进行工具调用|使用ChatGLM3\u002FQwen或在线API等具备Agent能力的模型|\n|选中\"启用Agent\",选择单个工具|LLM仅解析工具参数|使用的模型Agent能力一般,不能很好的选择工具\u003Cbr>想手动选择功能|\n|不选中\"启用Agent\",选择单个工具|不使用Agent功能的情况下,手动填入参数进行工具调用|使用的模型不具备Agent能力|\n|不选中任何工具，上传一个图片|图片对话|使用 qwen-vl-chat 等多模态模型|\n\n更多功能和更新请实际部署体验.\n\n### 已支持的模型部署框架与模型\n\n本项目中已经支持市面上主流的如 [GLM-4-Chat](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FGLM-4)\n与 [Qwen2-Instruct](https:\u002F\u002Fgithub.com\u002FQwenLM\u002FQwen2) 等新近开源大语言模型和 Embedding\n模型，这些模型需要用户自行启动模型部署框架后，通过修改配置信息接入项目，本项目已支持的本地模型部署框架如下：\n\n| 模型部署框架 | Xinference | LocalAI | Ollama | FastChat |\n|--------------------|------------------------------------------------------------------------------------------|------------------------------------------------------------|--------------------------------------------------------------------------------|--------------------------------------------------------------------------------------|\n| OpenAI API 接口对齐 | ✅ | ✅ | ✅ | ✅ |\n| 加速推理引擎 | GPTQ, GGML, vLLM, TensorRT, mlx | GPTQ, GGML, vLLM, TensorRT | GGUF, GGML | vLLM |\n| 接入模型类型 | LLM, Embedding, Rerank, Text-to-Image, Vision, Audio | LLM, Embedding, Rerank, Text-to-Image, Vision, Audio | LLM, Text-to-Image, Vision | LLM, Vision |\n| Function Call | ✅ | ✅ | ✅ | \u002F |\n| 更多平台支持(CPU, Metal) | ✅ | ✅ | ✅ | ✅ |\n| 异构 | ✅ | ✅ | \u002F | \u002F |\n| 集群 | ✅ | ✅ | \u002F | \u002F |\n| 操作文档链接 | [Xinference 文档](https:\u002F\u002Finference.readthedocs.io\u002Fzh-cn\u002Flatest\u002Fmodels\u002Fbuiltin\u002Findex.html) | [LocalAI 文档](https:\u002F\u002Flocalai.io\u002Fmodel-compatibility\u002F) | [Ollama 文档](https:\u002F\u002Fgithub.com\u002Follama\u002Follama?tab=readme-ov-file#model-library) | [FastChat 文档](https:\u002F\u002Fgithub.com\u002Flm-sys\u002FFastChat#install) |\n| 可用模型 | [Xinference 已支持模型](https:\u002F\u002Finference.readthedocs.io\u002Fen\u002Flatest\u002Fmodels\u002Fbuiltin\u002Findex.html) | [LocalAI 已支持模型](https:\u002F\u002Flocalai.io\u002Fmodel-compatibility\u002F#\u002F) | [Ollama 已支持模型](https:\u002F\u002Follama.com\u002Flibrary#\u002F) | [FastChat 已支持模型](https:\u002F\u002Fgithub.com\u002Flm-sys\u002FFastChat\u002Fblob\u002Fmain\u002Fdocs\u002Fmodel_support.md) |\n\n除上述本地模型加载框架外，项目中也为可接入在线 API 的 [One API](https:\u002F\u002Fgithub.com\u002Fsongquanpeng\u002Fone-api)\n框架接入提供了支持，支持包括 [OpenAI ChatGPT](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fgpt\u002Fchat-completions-api)、[Azure OpenAI API](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-services\u002Fopenai\u002Freference)、[Anthropic Claude](https:\u002F\u002Fanthropic.com\u002F)、[智谱清言](https:\u002F\u002Fbigmodel.cn\u002F)、[百川](https:\u002F\u002Fplatform.baichuan-ai.com\u002F)\n等常用在线 API 的接入使用。\n\n> [!Note]\n> 关于 Xinference 加载本地模型:\n> Xinference 内置模型会自动下载,如果想让它加载本机下载好的模型,可以在启动 Xinference 服务后,到项目 tools\u002Fmodel_loaders\n> 目录下执行 `streamlit run xinference_manager.py`,按照页面提示为指定模型设置本地路径即可.\n\n## 快速上手\n\n### pip 安装部署\n\n#### 0. 软硬件要求\n\n💡 软件方面，本项目已支持在 Python 3.8-3.11 环境中进行使用，并已在 Windows、macOS、Linux 操作系统中进行测试。\n\n💻 硬件方面，因 0.3.0 版本已修改为支持不同模型部署框架接入，因此可在 CPU、GPU、NPU、MPS 等不同硬件条件下使用。\n\n#### 1. 安装 Langchain-Chatchat\n\n从 0.3.0 版本起，Langchain-Chatchat 提供以 Python 库形式的安装方式，具体安装请执行：\n\n```shell\npip install langchain-chatchat -U\n```\n\n> [!important]\n> 为确保所使用的 Python 库为最新版，建议使用官方 Pypi 源或清华源。\n\n> [!Note]\n> 因模型部署框架 Xinference 接入 Langchain-Chatchat 时需要额外安装对应的 Python 依赖库，因此如需搭配 Xinference\n> 框架使用时，建议使用如下安装方式：\n> ```shell\n> pip install \"langchain-chatchat[xinference]\" -U\n> ```\n\n#### 2. 模型推理框架并加载模型\n\n从 0.3.0 版本起，Langchain-Chatchat 不再根据用户输入的本地模型路径直接进行模型加载，涉及到的模型种类包括\nLLM、Embedding、Reranker\n及后续会提供支持的多模态模型等，均改为支持市面常见的各大模型推理框架接入，如 [Xinference](https:\u002F\u002Fgithub.com\u002Fxorbitsai\u002Finference)、[Ollama](https:\u002F\u002Fgithub.com\u002Follama\u002Follama)、[LocalAI](https:\u002F\u002Fgithub.com\u002Fmudler\u002FLocalAI)、[FastChat](https:\u002F\u002Fgithub.com\u002Flm-sys\u002FFastChat)、[One API](https:\u002F\u002Fgithub.com\u002Fsongquanpeng\u002Fone-api)\n等。\n\n因此，请确认在启动 Langchain-Chatchat 项目前，首先进行模型推理框架的运行，并加载所需使用的模型。\n\n这里以 Xinference 举例,\n请参考 [Xinference文档](https:\u002F\u002Finference.readthedocs.io\u002Fzh-cn\u002Flatest\u002Fgetting_started\u002Finstallation.html) 进行框架部署与模型加载。\n\n> [!WARNING] \n> 为避免依赖冲突，请将 Langchain-Chatchat 和模型部署框架如 Xinference 等放在不同的 Python 虚拟环境中, 比如 conda, venv,\n> virtualenv 等。\n\n#### 3. 初始化项目配置与数据目录\n\n从 0.3.1 版本起，Langchain-Chatchat 使用本地 `yaml` 文件的方式进行配置，用户可以直接查看并修改其中的内容，服务器会自动更新无需重启。\n\n1. 设置 Chatchat 存储配置文件和数据文件的根目录（可选）\n\n```shell\n# on linux or macos\nexport CHATCHAT_ROOT=\u002Fpath\u002Fto\u002Fchatchat_data\n\n# on windows\nset CHATCHAT_ROOT=\u002Fpath\u002Fto\u002Fchatchat_data\n```\n\n若不设置该环境变量，则自动使用当前目录。\n\n2. 执行初始化\n\n```shell\nchatchat init\n```\n\n该命令会执行以下操作：\n\n- 创建所有需要的数据目录\n- 复制 samples 知识库内容\n- 生成默认 `yaml` 配置文件\n\n3. 修改配置文件\n\n- 配置模型（model_settings.yaml） \n 需要根据步骤 **2. 模型推理框架并加载模型**\n 中选用的模型推理框架与加载的模型进行模型接入配置，具体参考 `model_settings.yaml` 中的注释。主要修改以下内容：\n ```yaml\n # 默认选用的 LLM 名称\n DEFAULT_LLM_MODEL: qwen1.5-chat\n\n # 默认选用的 Embedding 名称\n DEFAULT_EMBEDDING_MODEL: bge-large-zh-v1.5\n\n # 将 `LLM_MODEL_CONFIG` 中 `llm_model, action_model` 的键改成对应的 LLM 模型\n # 在 `MODEL_PLATFORMS` 中修改对应模型平台信息\n ```\n- 配置知识库路径（basic_settings.yaml）（可选） \n 默认知识库位于 `CHATCHAT_ROOT\u002Fdata\u002Fknowledge_base`，如果你想把知识库放在不同的位置，或者想连接现有的知识库，可以在这里修改对应目录即可。\n ```yaml\n # 知识库默认存储路径\n KB_ROOT_PATH: D:\\chatchat-test\\data\\knowledge_base\n\n # 数据库默认存储路径。如果使用sqlite，可以直接修改DB_ROOT_PATH；如果使用其它数据库，请直接修改SQLALCHEMY_DATABASE_URI。\n DB_ROOT_PATH: D:\\chatchat-test\\data\\knowledge_base\\info.db\n\n # 知识库信息数据库连接URI\n SQLALCHEMY_DATABASE_URI: sqlite:\u002F\u002F\u002FD:\\chatchat-test\\data\\knowledge_base\\info.db\n ```\n- 配置知识库（kb_settings.yaml）（可选）\n\n 默认使用 `FAISS` 知识库，如果想连接其它类型的知识库，可以修改 `DEFAULT_VS_TYPE` 和 `kbs_config`。\n\n#### 4. 初始化知识库\n\n> [!WARNING] \n> 进行知识库初始化前，请确保已经启动模型推理框架及对应 `embedding` 模型，且已按照上述**步骤3**完成模型接入配置。\n\n```shell\nchatchat kb -r\n```\n\n更多功能可以查看 `chatchat kb --help`\n\n出现以下日志即为成功:\n\n```text \n\n----------------------------------------------------------------------------------------------------\n知识库名称 ：samples\n知识库类型 ：faiss\n向量模型： ：bge-large-zh-v1.5\n知识库路径 ：\u002Froot\u002Fanaconda3\u002Fenvs\u002Fchatchat\u002Flib\u002Fpython3.11\u002Fsite-packages\u002Fchatchat\u002Fdata\u002Fknowledge_base\u002Fsamples\n文件总数量 ：47\n入库文件数 ：42\n知识条目数 ：740\n用时 ：0:02:29.701002\n----------------------------------------------------------------------------------------------------\n\n总计用时 ：0:02:33.414425\n\n```\n\n> [!Note]\n> 知识库初始化的常见问题\n>\n> \u003Cdetails>\n>\n> ##### 1. Windows 下重建知识库或添加知识文件时卡住不动\n> 此问题常出现于新建虚拟环境中，可以通过以下方式确认：\n>\n> `from unstructured.partition.auto import partition`\n>\n> 如果该语句卡住无法执行，可以执行以下命令：\n> ```shell\n> pip uninstall python-magic-bin\n> # check the version of the uninstalled package\n> pip install 'python-magic-bin=={version}'\n> ```\n> 然后按照本节指引重新创建知识库即可。\n>\n> \u003C\u002Fdetails>\n\n#### 5. 启动项目\n\n```shell\nchatchat start -a\n```\n\n出现以下界面即为启动成功:\n\n![WebUI界面](docs\u002Fimg\u002Flangchain_chatchat_webui.png)\n\n> [!WARNING] \n> 由于 chatchat 配置默认监听地址 `DEFAULT_BIND_HOST` 为 127.0.0.1, 所以无法通过其他 ip 进行访问。\n>\n> 如需通过机器ip 进行访问(如 Linux 系统), 需要到 `basic_settings.yaml` 中将监听地址修改为 0.0.0.0。\n> \u003C\u002Fdetails>\n\n### 其它配置\n\n1. 数据库对话配置请移步这里 [数据库对话配置说明](docs\u002Finstall\u002FREADME_text2sql.md)\n\n\n### 源码安装部署\u002F开发部署\n\n源码安装部署请参考 [开发指南](docs\u002Fcontributing\u002FREADME_dev.md)\n\n### Docker 部署\n\n```shell\ndocker pull chatimage\u002Fchatchat:0.3.1.3-93e2c87-20240829\n\ndocker pull ccr.ccs.tencentyun.com\u002Flangchain-chatchat\u002Fchatchat:0.3.1.3-93e2c87-20240829 # 国内镜像\n```\n\n> [!important]\n> 强烈建议: 使用 docker-compose 部署, 具体参考 [README_docker](docs\u002Finstall\u002FREADME_docker.md)\n\n### 旧版本迁移\n\n* 0.3.x 结构改变很大,强烈建议您按照文档重新部署. 以下指南不保证100%兼容和成功. 记得提前备份重要数据!\n\n- 首先按照 `安装部署` 中的步骤配置运行环境，修改配置文件\n- 将 0.2.x 项目的 knowledge_base 目录拷贝到配置的 `DATA` 目录下\n\n---\n\n## 项目里程碑\n\n+ `2023年4月`: `Langchain-ChatGLM 0.1.0` 发布，支持基于 ChatGLM-6B 模型的本地知识库问答。\n+ `2023年8月`: `Langchain-ChatGLM` 改名为 `Langchain-Chatchat`，发布 `0.2.0` 版本，使用 `fastchat` 作为模型加载方案，支持更多的模型和数据库。\n+ `2023年10月`: `Langchain-Chatchat 0.2.5` 发布，推出 Agent 内容，开源项目在`Founder Park & Zhipu AI & Zilliz`\n 举办的黑客马拉松获得三等奖。\n+ `2023年12月`: `Langchain-Chatchat` 开源项目获得超过 **20K** stars.\n+ `2024年6月`: `Langchain-Chatchat 0.3.0` 发布，带来全新项目架构。\n\n+ 🔥 让我们一起期待未来 Chatchat 的故事 ···\n\n---\n\n## 协议\n\n本项目代码遵循 [Apache-2.0](LICENSE) 协议。\n\n## 联系我们\n\n### Telegram\n\n[![Telegram](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FTelegram-2CA5E0?style=for-the-badge&logo=telegram&logoColor=white \"langchain-chatchat\")](https:\u002F\u002Ft.me\u002F+RjliQ3jnJ1YyN2E9)\n\n### 项目交流群\n\n\u003Cimg src=\"docs\u002Fimg\u002Fqr_code_117_2.jpg\" alt=\"二维码\" width=\"300\" \u002F>\n\n🎉 Langchain-Chatchat 项目微信交流群，如果你也对本项目感兴趣，欢迎加入群聊参与讨论交流。\n\n### 公众号\n\n\u003Cimg src=\"docs\u002Fimg\u002Fofficial_wechat_mp_account.png\" alt=\"二维码\" width=\"300\" \u002F>\n\n🎉 Langchain-Chatchat 项目官方公众号，欢迎扫码关注。\n\n## 引用\n\n如果本项目有帮助到您的研究，请引用我们：\n\n```\n@software{langchain_chatchat,\n title = {{langchain-chatchat}},\n author = {Liu, Qian and Song, Jinke, and Huang, Zhiguo, and Zhang, Yuxuan, and glide-the, and liunux4odoo},\n year = 2024,\n journal = {GitHub repository},\n publisher = {GitHub},\n howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Fchatchat-space\u002FLangchain-Chatchat}}\n}\n```\n","Langchain-Chatchat 是一个基于 Langchain 与 ChatGLM、Qwen 和 Llama 等语言模型的开源 RAG 与 Agent 应用。该项目通过结合大语言模型和应用框架，实现了本地知识库的问答功能，支持多种模型推理框架和模型。其核心功能包括基于本地知识库的问答、RAG（Retrieval-Augmented Generation）技术以及Agent应用。项目提供了多种部署方式，如pip安装、源码安装及Docker部署，适合需要离线运行的知识库问答场景，尤其适用于中文环境和开源模型的支持。",2,"2026-06-11 02:43:26","top_all"]