Este projeto é baseado em Vue (front-end) e FASTAPI (back-end). Ele incorpora o texto do banco de dados vetorial chamando o modelo de embutido BCE e combina-o com o Propt para chamar o modelo de diálogo longo de Qwen-Long do texto anterior do texto tongyi para realizar perguntas e respostas em campos específicos. Ao mesmo tempo, Vue apresentou o componente Vuetify para exibir visualmente os resultados da análise de https://www.hackthebox.com site
Adequado para o Ubuntu Linux (também adequado para executar localmente no 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 E configure api_key em main.py , consulte: https://help.aliyun.com/zh/dashscope/developer-reference/acquisition-and-configuration-of-api-Key?spm=A2C4G.11186623.0.0.42124937yjump
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
)Alterar modelo_name para o caminho que você baixou e colocou
SWS3023 Grupo de Mineração da Web1
Bem -vindo solicitação de puxão