FastGPT/docSite/content/docs/development/custom-models/chatglm2.md

title, description, icon, draft, toc, weight

title	description	icon	draft	toc	weight
接入 ChatGLM2-6B	将 FastGPT 接入私有化模型 ChatGLM2-6B	model_training	false	true	910

前言

FastGPT 允许你使用自己的 OpenAI API KEY 来快速调用 OpenAI 接口，目前集成了 GPT-3.5, GPT-4 和 embedding，可构建自己的知识库。但考虑到数据安全的问题，我们并不能将所有的数据都交付给云端大模型。

那么如何在 FastGPT 上接入私有化模型呢？本文就以清华的 ChatGLM2 为例，为各位讲解如何在 FastGPT 中接入私有化模型。

ChatGLM2-6B 简介

ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，具体介绍可参阅 ChatGLM2-6B 项目主页。

{{% alert context="warning" %}} 注意，ChatGLM2-6B 权重对学术研究完全开放，在获得官方的书面许可后，亦允许商业使用。本教程只是介绍了一种用法，无权给予任何授权！ {{% /alert %}}

推荐配置

依据官方数据，同样是生成 8192 长度，量化等级为 FP16 要占用 12.8GB 显存、int8 为 8.1GB 显存、int4 为 5.1GB 显存，量化后会稍微影响性能，但不多。

因此推荐配置如下：

{{< table "table-hover table-striped-columns" >}}

类型	内存	显存	硬盘空间	启动命令
fp16	>=16GB	>=16GB	>=25GB	python openai_api.py 16
int8	>=16GB	>=9GB	>=25GB	python openai_api.py 8
int4	>=16GB	>=6GB	>=25GB	python openai_api.py 4
{{< /table >}}

部署

环境要求

• Python 3.8.10
• CUDA 11.8
• 科学上网环境

源码部署

1. 根据上面的环境配置配置好环境，具体教程自行 GPT；
2. 下载 python 文件
3. 在命令行输入命令 pip install -r requirments.txt；
4. 打开你需要启动的 py 文件，在代码的 verify_token 方法中配置 token，这里的 token 只是加一层验证，防止接口被人盗用；
5. 执行命令 python openai_api.py --model_name 16。这里的数字根据上面的配置进行选择。

然后等待模型下载，直到模型加载完毕为止。如果出现报错先问 GPT。

启动成功后应该会显示如下地址：

这里的 http://0.0.0.0:6006 就是连接地址。

docker 部署

镜像和端口

• 镜像名: stawky/chatglm2:latest
• 国内镜像名: registry.cn-hangzhou.aliyuncs.com/fastgpt_docker/chatglm2:latest
• 端口号: 6006

# 设置安全凭证（即oneapi中的渠道密钥）
默认值：sk-aaabbbcccdddeeefffggghhhiiijjjkkk
也可以通过环境变量引入：sk-key。有关docker环境变量引入的方法请自寻教程，此处不再赘述。

接入 One API

为 chatglm2 添加一个渠道，参数如下：

这里我填入 chatglm2 作为语言模型

测试

curl 例子：

curl --location --request POST 'https://domain/v1/chat/completions' \
--header 'Authorization: Bearer sk-aaabbbcccdddeeefffggghhhiiijjjkkk' \
--header 'Content-Type: application/json' \
--data-raw '{
  "model": "chatglm2",
  "messages": [{"role": "user", "content": "Hello!"}]
}'

Authorization 为 sk-aaabbbcccdddeeefffggghhhiiijjjkkk。model 为刚刚在 One API 填写的自定义模型。

接入 FastGPT

修改 config.json 配置文件，在 llmModels 中加入 chatglm2 模型：

"llmModels": [
  //已有模型
  {
    "model": "chatglm2",
    "name": "chatglm2",
    "maxContext": 4000,
    "maxResponse": 4000,
    "quoteMaxToken": 2000,
    "maxTemperature": 1,
    "vision": false, 
    "defaultSystemChatPrompt": ""
  }
]

测试使用

chatglm2 模型的使用方法如下：

模型选择 chatglm2 即可