这是一个创建于 359 天前的主题，其中的信息可能已经有所发展或是发生改变。
需求
如题，准备一个企业内部问题的知识库，做一个聊天机器人，回答的问题都是知识库相关的。
实现思路
思路 1：借助一些开源的支持私有部署的 chatGPT
- llama-gpt https://github.com/getumbrel/llama-gpt
这个开源项目支持聊天功能，并且也支持 API 调用，这样就更容易实现第三方集成，但是缺点是：目前不支持导入自己的知识库。
- ChatGLM3 https://github.com/THUDM/ChatGLM3
这个开源项目是我刚发现的，而且是国产的。具体能否实现还没去研究。
思路 2：使用分词技术
找一些分析工具，将用户输入的问题进行分词匹配，但是这有可能会匹配到多条回答，如何找出最优的回答呢？
各位路过的大佬，有好的思路或好的开源工具欢迎一起讨论一下
 |
1
HanSonJ 359 天前
也可以用现成的服务，例如讯飞。
知识库就不是通过分词来匹配了，匹配多个也会有相关度，不是你想要的就是知识库不够庞大。 |
 |
2
infun 359 天前
给你一点提示： 向量数据库 + GPT
|
 |
3
c5QzzesMys8FudxI 359 天前
已经做完了，用的 fastgpt + ChatGLM3
https://github.com/labring/FastGPT |
 |
4
kevinmissu 359 天前
@4rat 牛
|
 |
5
daxin945 359 天前
我用的这个 CPU 模式 做知识库效果还可以
https://github.com/chatchat-space/Langchain-Chatchat/wiki/ |
 |
6
anubu 359 天前  1
前台项目主要有 FastGPT 和 langchain-chatchat ，基本都能开箱即用。FastGPT 完成度更高一些，但商业考量也多一些。进一步调优可能还是要看底层框架，langchain 、llama-index 等。有能力的话自己拿框架搓一个前台也可以。
模型还是看算力看规模，知识库类的一般要求不高。企业内部可能要自部署模型，chatglm3 、千问都可以，千问似乎更好一些。 关键词：RAG 真正落地能用还是要了解 RAG 应用的基本架构，各个流程节点也有很多优化措施值得摸索。 |
 |
7
Wyearn 359 天前
我这边也再想搞这个，我们写了很多 FAQ 文档，一直无法落地，大部分人都习惯直接当面去问，很少去看 FAQ 或者相关文档，但是我看了一下准备的硬件资源得需要一定费用，估计你这个得跟老板或者上级领导好好沟通了。
|
Select Language