Dieses Projekt basiert auf Vue (Front-End) und Fastapi (Back-End). Es bettet den Vektor-Datenbanktext ein, indem es das BCE-Embedding-Modell aufgerufen hat, und kombiniert es mit dem ProPT, um das Qwen-Long-lange Dialogmodell des vorherigen Textes des Tongyi-Textes aufzurufen, um Q & A in bestimmten Feldern zu realisieren. Gleichzeitig führte Vue die Vuetify -Komponente ein, um die Analyseergebnisse der https://www.hackthebox.com -Website visuell anzuzeigen
Geeignet für Ubuntu Linux (auch geeignet für das lokale Laufen in Windows)
mkdir -p ~ /miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~ /miniconda3/miniconda.sh
bash ~ /miniconda3/miniconda.sh -b -u -p ~ /miniconda3
rm -rf ~ /miniconda3/miniconda.sh
~ /miniconda3/bin/conda init bash
~ /miniconda3/bin/conda init zshsudo apt-get update
sudo apt-get install nodejs Und konfigurieren Sie api_key in main.py , siehe: https://help.aliyun.com/zh/dashscope/developer-reference/acquisition-and-configuration-of-api-pe?spm=A2C4G.1118623.0.0.4212493737yljumpe
main.py model_name = r"/root/huggingface_cache/bce-embedding-base_v1"
model_kwargs = { 'device' : 'cpu' }
encode_kwargs = { 'normalize_embeddings' : False }
hfembedding = HuggingFaceEmbeddings (
model_name = model_name ,
model_kwargs = model_kwargs ,
encode_kwargs = encode_kwargs
)Ändern
SWS3023 Web Mining Group1
Willkommen Pull Anfrage