在 PrivateGPT 中使用 Milvus

PrivateGPT是一个可投入生产的人工智能项目，它能让用户在没有互联网连接的情况下，使用大型语言模型对其文档提出问题，同时确保 100% 的隐私。PrivateGPT 提供的应用程序接口分为高级和低级区块。它还提供了一个 Gradio UI 客户端以及批量模型下载脚本和摄取脚本等实用工具。从概念上讲，PrivateGPT 封装了一个 RAG 管道并公开了其基元，可随时使用并提供 API 和 RAG 管道的完整实现。

在本教程中，我们将向您展示如何使用 Milvus 作为 PrivateGPT 的后端向量数据库。

运行 PrivateGPT 的基本要求

1.克隆 PrivateGPT 仓库

克隆版本库并导航到它：

$ git clone https://github.com/zylon-ai/private-gpt
$ cd private-gpt

2.安装诗歌

安装用于依赖关系管理的Poetry：按照 Poetry 官方网站上的说明进行安装。

3. （可选）安装 make

要运行各种脚本，需要安装 make。

macOS（使用 Homebrew）：

$ brew install make

Windows （使用 Chocolatey）：

$ choco install make

安装可用模块

PrivateGPT 允许自定义设置某些模块，例如 LLM、Embeddings、向量存储、用户界面。

在本教程中，我们将使用以下模块：

• LLM: Ollama
• Embeddings：Ollama
• 向量存储：Milvus
• 用户界面Gradio

运行以下命令，使用诗歌来安装所需的模块依赖项：

$ poetry install --extras "llms-ollama embeddings-ollama vector-stores-milvus ui"

启动 Ollama 服务

访问ollama.ai，按照说明在机器上安装 Ollama。

安装完成后，确保关闭 Ollama 桌面应用程序。

现在，启动 Ollama 服务（它将启动本地推理服务器，同时为 LLM 和 Embeddings 服务）：

$ ollama serve

安装要使用的模型，默认settings-ollama.yaml 配置为用户llama3.1 8b LLM (~4GB) 和nomic-embed-text Embeddings (~275MB)

默认情况下，PrivateGPT 会根据需要自动提取模型。可以通过修改ollama.autopull_models 属性来改变这种行为。

无论如何，如果您想手动提取模型，请运行以下命令：

$ ollama pull llama3.1
$ ollama pull nomic-embed-text

您可以选择在settings-ollama.yaml 文件中更改到您最喜欢的模型，然后手动拉取它们。

更改 Milvus 设置

在settings-ollama.yaml 文件中，将 vectorstore 设置为 milvus：

vectorstore:
  database: milvus

你也可以添加一些累积的 Milvus 配置来指定你的设置。 像这样：

milvus:
  uri: http://localhost:19530
  collection_name: my_collection

可用的配置选项有

字段 选项	说明
uri	默认设置为 "local_data/private_gpt/milvus/milvus_local.db"，作为本地文件；你也可以在 docker 或 k8s 上设置性能更高的 Milvus 服务器，例如 http://localhost:19530，作为你的 uri；要使用Zilliz Cloud，请将 uri 和 token 调整为 Zilliz Cloud 中的公共端点和 API 密钥。
令牌	与 docker 或 k8s 上的 Milvus 服务器配对，或与 Zilliz Cloud 的 API 密钥配对。
集合名称	Collections 的名称，默认设置为 "milvus_db"。
覆盖	覆盖 Collection 中已存在的数据，默认设置为 "true"。

启动 PrivateGPT

完成所有设置后，即可通过 Gradio UI 运行 PrivateGPT。

PGPT_PROFILES=ollama make run

用户界面的网址是http://0.0.0.0:8001 。

您可以玩转用户界面，并就您的文档提出问题。

更多详情，请参阅PrivateGPT官方文档。