Anything本地知识库问答系统:基于检索增强生成式应用(RAG)两阶段检索、支持海量数据、跨语种问答

发布时间:2024年01月22日

QAnything本地知识库问答系统:基于检索增强生成式应用(RAG)两阶段检索、支持海量数据、跨语种问答

QAnything (Question and Answer based on Anything) 是致力于支持任意格式文件或数据库的本地知识库问答系统,可断网安装使用。

您的任何格式的本地文件都可以往里扔,即可获得准确、快速、靠谱的问答体验。

目前已支持格式: PDFWord(doc/docx)PPTMarkdownEmlTXT图片(jpg,png等)网页链接,更多格式,敬请期待…

  • 特点

    • 数据安全,支持全程拔网线安装使用。
    • 支持跨语种问答,中英文问答随意切换,无所谓文件是什么语种。
    • 支持海量数据问答,两阶段向量排序,解决了大规模数据检索退化的问题,数据越多,效果越好。
    • 高性能生产级系统,可直接部署企业应用。
    • 易用性,无需繁琐的配置,一键安装部署,拿来就用。
    • 支持选择多知识库问答。
  • 架构

1.两阶段检索优势

知识库数据量大的场景下两阶段优势非常明显,如果只用一阶段embedding检索,随着数据量增大会出现检索退化的问题,如下图中绿线所示,二阶段rerank重排后能实现准确率稳定增长,即数据越多,效果越好

BCEmbedding是由网易有道开发的中英双语和跨语种语义表征算法模型库,其中包含 EmbeddingModel和 RerankerModel两类基础模型。EmbeddingModel专门用于生成语义向量,在语义搜索和问答中起着关键作用,而 RerankerModel擅长优化语义搜索结果和语义相关顺序精排。

BCEmbedding作为有道的检索增强生成式应用(RAG)的基石,特别是在QAnything [github]中发挥着重要作用。QAnything作为一个网易有道开源项目,在有道许多产品中有很好的应用实践,比如有道速读和有道翻译。

QAnything使用的检索组件BCEmbedding有非常强悍的双语和跨语种能力,能消除语义检索里面的中英语言之间的差异,
从而实现:

  • 双语和跨语种优势
    • 现有的单个语义表征模型在双语和跨语种场景中常常表现不佳,特别是在中文、英文及其跨语种任务中。BCEmbedding充分利用有道翻译引擎的优势,实现只需一个模型就可以在单语、双语和跨语种场景中表现出卓越的性能。

EmbeddingModel支持中文和英文(之后会支持更多语种);RerankerModel支持中文,英文,日文和韩文。

1.1 一阶段检索(embedding)

模型名称RetrievalSTSPairClassificationClassificationRerankingClustering平均
bge-base-en-v1.537.1455.0675.4559.7343.0537.7447.20
bge-base-zh-v1.547.6063.7277.4063.3854.8532.5653.60
bge-large-en-v1.537.1554.0975.0059.2442.6837.3246.82
bge-large-zh-v1.547.5464.7379.1464.1955.8833.2654.21
jina-embeddings-v2-base-en31.5854.2874.8458.4241.1634.6744.29
m3e-base46.2963.9371.8464.0852.3837.8453.54
m3e-large34.8559.7467.6960.0748.9931.6246.78
bce-embedding-base_v157.6065.7374.9669.0057.2938.9559.43

1.2二阶段检索(rerank)

模型名称Reranking平均
bge-reranker-base57.7857.78
bge-reranker-large59.6959.69
bce-reranker-base_v160.0660.06
  • Reranker Evaluation Results
    • Language: en

      • Task Type: Reranking

        ModelAskUbuntuDupQuestionsMindSmallRerankingSciDocsRRStackOverflowDupQuestionsAVG
        bge-reranker-base54.7028.4867.0937.5546.96
        bge-reranker-large58.7328.8471.3039.0449.48
        bce-reranker-base_v156.5430.7375.7942.8851.48
      • Summary on en

        ModelRerankingAVG
        bge-reranker-base46.9646.96
        bge-reranker-large49.4849.48
        bce-reranker-base_v151.4851.48
    • Language: zh

      • Task Type: Reranking

        ModelT2RerankingMMarcoRerankingCMedQAv1CMedQAv2AVG
        bge-reranker-base67.2835.4681.2784.1067.03
        bge-reranker-large67.6037.6482.1484.1867.89
        bce-reranker-base_v170.2534.1379.6481.3166.33
      • Summary on zh

        ModelRerankingAVG
        bge-reranker-base67.0367.03
        bge-reranker-large67.8967.89
        bce-reranker-base_v166.3366.33
    • Language: en-zh

      • Task Type: Reranking

        ModelT2RerankingEn2ZhMMarcoRerankingEn2ZhAVG
        bge-reranker-base60.4564.4162.43
        bge-reranker-large61.6467.1764.41
        bce-reranker-base_v163.6367.9265.78
      • Summary on en-zh

        ModelRerankingAVG
        bge-reranker-base62.4362.43
        bge-reranker-large64.4164.41
        bce-reranker-base_v165.7865.78
    • Language: zh-en

      • Task Type: Reranking

        ModelT2RerankingZh2EnMMarcoRerankingZh2EnAVG
        bge-reranker-base63.9463.7963.87
        bge-reranker-large64.1367.8966.01
        bce-reranker-base_v165.3867.2366.31
      • Summary on zh-en

        ModelRerankingAVG
        bge-reranker-base63.8763.87
        bge-reranker-large66.0166.01
        bce-reranker-base_v166.3166.31
      • Summary on all langs: ['en', 'zh', 'en-zh', 'zh-en']

        ModelReranking (12)AVG (12)
        bge-reranker-base59.0459.04
        bge-reranker-large60.8660.86
        bce-reranker-base_v161.2961.29

1.3 基于LlamaIndex的RAG评测(embedding and rerank)

NOTE:

  • 在WithoutReranker列中,我们的bce-embedding-base_v1模型优于所有其他embedding模型。
  • 在固定embedding模型的情况下,我们的bce-reranker-base_v1模型达到了最佳表现。
  • bce-embedding-base_v1和bce-reranker-base_v1的组合是SOTA。
  • 如果想单独使用embedding和rerank请参阅:BCEmbedding

2.LLM

开源版本QAnything的大模型基于通义千问,并在大量专业问答数据集上进行微调;在千问的基础上大大加强了问答的能力。
如果需要商用请遵循千问的license,具体请参阅:通义千问

2.1快速开始

必要条件

  • For Linux
    |System| Required item | Minimum Requirement | Note |
    |---------------------------|--------------------------|---------------------------|-------------------------------------------------------------------------|
    |Linux | Single NVIDIA GPU Memory
    or Double NVIDIA GPU Memory | >= 16GB
    >= 11GB + 5G | NVIDIA 3090 x 1 recommended
    NVIDIA 2080TI × 2 recommended |
    | | NVIDIA Driver Version | >= 525.105.17 | |
    | | CUDA Version | >= 12.0 | |
    | | Docker version | >= 20.10.5 | Docker install |
    | | docker compose version | >= 2.23.3 | docker compose install |
  • For Winodws 11 with WSL 2
    |System| Required item | Minimum Requirement | Note |
    |---------------------------|--------------------------|---------------------------|-----------------------------------------------------------------------------------------------|
    |Windows 11 with WSL 2| Single NVIDIA GPU Memory
    or Double NVIDIA GPU Memory | >= 16GB
    >= 11GB + 5G | NVIDIA 3090
    NVIDIA 2080TI × 2 | |
    | | GEFORCE EXPERIENCE | >= 546.33 |GEFORCE EXPERIENCE download | |
    | | Docker Desktop | >= 4.26.1(131620) | Docker Desktop for Windows |

下载安装

  • step1: 下载本项目
git clone https://github.com/netease-youdao/QAnything.git
  • step2: 进入项目根目录执行启动脚本
    如果在Windows系统下请先进入wsl环境
cd QAnything
bash run.sh  # 默认在0号GPU上启动
  • 指定单GPU启动
cd QAnything
bash run.sh 0  # 指定0号GPU启动 GPU编号从0开始 windows机器一般只有一张卡,所以只能指定0号GPU
  • 指定多GPU启动
cd QAnything
bash run.sh 0,1  # 指定0,1号GPU启动,请确认有多张GPU可用,最多支持两张卡启动

开始体验

  • 前端页面
    运行成功后,即可在浏览器输入以下地址进行体验。
  • 前端地址: http://your_host:5052/qanything/
  • API
    如果想要访问API接口,请参考下面的地址:
  • API address: http://your_host:8777/api/
  • For detailed API documentation, please refer to QAnything API 文档
  • 关闭服务
bash close.sh

3.demo展示

信息抽取

网页问答

文件大杂烩

4.常见问题

  • 在windows上执行docker-compose命令启动时报错:/bin/bash^M: bad interpreter: No such file or directory
    • 原因:在windows下创建编辑的shell脚本是dos格式的,而linux却是只能执行格式为unix格式的脚本,所以在windows上编辑过的文件在linux上(windows下执行wsl后的环境通常也是linux)执行时会报错。
    • 解决方案:将回车符替换为空字符串
#通过命令查看脚本文件是dos格式还是unix格式,dos格式的文件行尾为^M$ ,unix格式的文件行尾为$:
cat -A scripts/run_for_local.sh  # 验证文件格式
sed -i "s/\r//" scripts/run_for_local.sh
sed -i "s/^M//" scripts/run_for_local.sh
cat -A scripts/run_for_local.sh  # 验证文件格式
  • 在前端页面输入问题后,返回结果报错:Triton Inference Error (error_code: 4)

    • 原因:显存不够了,目前在问答过程中大模型和paddleocr占用的显存会逐渐上升且不释放,可能造成显存不够。
    • 解决方案:重启服务,优化显存的工作已在计划中
    • 原因2:如果发现显存够用,那是因为新版模型与部分显卡型号不兼容。
    • 解决方案:请更换为兼容模型和镜像,手动下载模型文件解压并替换models目录,然后重启服务即可。
      • 将docker-compose-xxx.yaml中的freeren/qanyxxx:v1.0.9改为freeren/qanyxxx:v1.0.8
      • git clone https://www.wisemodel.cn/Netease_Youdao/qanything.git
      • cd qanything
      • git reset --hard 79b3da3bbb35406f0b2da3acfcdb4c96c2837faf
      • unzip models.zip
      • 替换掉现有的models目录
      • echo “v2.1.0” > models/version.txt # 手动避过版本检查
  • 在前端页面输入问题后,返回结果是类似后面的乱码:omiteatures贶.scrollHeight㎜eaturesodo Curse.streaming pulumi窟IDI贶沤贶.scrollHeight贶贶贶eatures谜.scrollHeight她是

    • 原因:显卡型号不支持,例如V100,请使用3080,3090,4080,4090等显卡,显存需要大于16G
  • 服务启动报错,在api.log中显示:mysql.connector.errors.DatabaseError: 2003 (HY000): Can’t connect to MySQL server on ‘mysql-container-local:3306’ (111)

    • 原因:将之前的QAnything代码拉取下来后,复制了一份代码到其他的地址,其中有一个volumes是mivlus和mysql默认的本地数据卷,复制后可能导致了mysql的数据卷冲突,导致mysql无法启动。
    • 解决方案:删除冲突的数据卷volumes,重新启动服务
  • 服务启动报错:ERROR: for qanything-container-local Cannot start service qanything_local: could not select device driver “nvidia” with capabilities: [[gpu]]

    • 原因:查看nvidia显卡驱动版本是否满足要求,windows下建议直接更新到最新版;另外检查下是否安装了NVIDIA Container Toolkit, windows下需要进入wsl2环境,再参考linux下安装方法:https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#docker
  • 服务启动报错:nvidia-container-cli: mount error: file creation failed: /var/lib/docker/overlay2/xxxxxx/libnvidia-ml.s0.1: file exists: unknown

    • 原因:在windows系统上使用docker-compose-linux.yaml启动
    • 解决方案:使用docker-compose-windows.yaml启动

参考链接:

https://github.com/netease-youdao/QAnything/blob/master

更多内容请关注:

更多优质内容请关注公号:汀丶人工智能;会提供一些相关的资源和优质文章,免费获取阅读。

文章来源:https://blog.csdn.net/sinat_39620217/article/details/135743659
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。