GLM qq群服务器的本地化部署笔记
- 一. 概述
- 1.1 整体结构
- 1.2 目标
- 1.3 需求
- 1.4 流程说明
- 二. 部署流程
- 2.1 使用GPT转发程序帮助文档
- 2.1.1 使用git安装GLM
- 2.1.2 不使用git安装GLM
- 2.2 使用Anaconda Navigator 虚拟运行GLM
- 2.2.1 [https://www.anaconda.com/](https://www.anaconda.com/)上下载Anaconda
- 2.2.2 安装的时候最好不要安在c盘 同时注意
- 2.2.3 找到安装好的anaconda 运行anaconda Navigator
- 2.2.4 启动anconda的终端
- 2.2.5 anconda环境依赖安装
- 2.2.6 启动躺雷
- 2.2.7 处理同样的报错
- 2.2.8 虚拟环境中下载pytorch
- 2.2.9 成功运行GLM
- 三. GPT转发程序接入 GLM
- 3.1 下载接入程序
- 3.2 参考接入程序教程修改配置文件
- 3.2.1 修改接入
- 3.2.2 修改对接go-cqhttp
- 四. go-cqhttp对接和使用
- 4.1 下载 go-cqhttp
- 4.2 初始化 go-cqhttp
- 4.3 设置 go-cqhttp
- 4.4 启动 go-cqhttp,生成配置文件
- 4.5 打开 device.json,修改协议
- 4.6 启动 go-cqhttp,扫码并登录
- 五. 最后按顺序启动
- 5.1 anaconda状态下的GLM api.py → go-cqhttp →GPT转发程序
- 5.1.1 qq成功页面
- 5.1.2 GPT转发程序成功页面
- 5.1.3 go-cqhttp成功页面
- 5.1.4 GLM成功页面
一. 概述
1.1 整体结构
GLM-6B模型服务器↓ 8000端口chatgpt-mirai-qq-bot↓ 接收转发 添加头信息go-cqhttp qq群机器人
- 以下chatgpt-mirai-qq-bot简称GPT转发程序
1.2 目标
实现本地化部署的GLM q群机器人
1.3 需求
- 最好16GB的显存 显卡性能要求不高
- window环境
1.4 流程说明
该项目的是利用lss233大佬的项目一头对接GLM模型将其消息处理成go-cqhttp可以处理的形式最后发送到qq群内
lss233大佬的项目地址
https://github.com/lss233/chatgpt-mirai-qq-bot
二. 部署流程
看的出流程的核心是GPT转发程序
2.1 使用GPT转发程序帮助文档
2.1.1 使用git安装GLM
首先我们跟着GPT转发程序的文档一步一步来
文档地址
https://chatgpt-qq.lss233.com/pei-zhi-wen-jian-jiao-cheng/jie-ru-ai-ping-tai/jie-ru-chatglm
# 下载项目
git clone https://github.com/THUDM/ChatGLM-6B.git
cd ChatGLM-6B
# 安装依赖
pip install -r requirements.txt
pip install fastapi uvicorn
# 启动
python api.py
- 所以这里我们需要安装git和python没啥好说的
python最好使用3.10.10 git直接next next安装就完事了
2.1.2 不使用git安装GLM
这里安装Chat的时候你可以不使用git来进行安装
因为这里面的模型文件特别大 容易下不下来 不会科学的下的很慢
如果出现这种情况 删掉下载的项目
https://www.bilibili.com/video/BV1gX4y1C7Ak/?spm_id_from=333.337.search-card.all.click&vd_source=ac6f57cbd263a9d994cdb0bece060fc9
跟着这个视频前面做
这里如果我们跟着帮助文档的走python api.py它就会报错
E:\AI\GLM6b\ChatGLM-6B>Python api.py
Explicitly passing a `revision` is encouraged when loading a model with custom code to ensure no malicious code has been contributed in a newer revision.
Explicitly passing a `revision` is encouraged when loading a configuration with custom code to ensure no malicious code has been contributed in a newer revision.
Explicitly passing a `revision` is encouraged when loading a model with custom code to ensure no malicious code has been contributed in a newer revision.
Symbol cudaLaunchKernel not found in C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common\cudart64_65.dll
Loading checkpoint shards: 100%|█████████████████████████████████████████████████████████| 8/8 [00:07<00:00, 1.01it/s]
Traceback (most recent call last):File "E:\AI\GLM6b\ChatGLM-6B\api.py", line 54, in <module>model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()File "C:\Users\jsp\AppData\Local\Programs\Python\Python310\lib\site-packages\torch\nn\modules\module.py", line 905, in cudareturn self._apply(lambda t: t.cuda(device))File "C:\Users\jsp\AppData\Local\Programs\Python\Python310\lib\site-packages\torch\nn\modules\module.py", line 797, in _applymodule._apply(fn)File "C:\Users\jsp\AppData\Local\Programs\Python\Python310\lib\site-packages\torch\nn\modules\module.py", line 797, in _applymodule._apply(fn)File "C:\Users\jsp\AppData\Local\Programs\Python\Python310\lib\site-packages\torch\nn\modules\module.py", line 820, in _applyparam_applied = fn(param)File "C:\Users\jsp\AppData\Local\Programs\Python\Python310\lib\site-packages\torch\nn\modules\module.py", line 905, in <lambda>return self._apply(lambda t: t.cuda(device))File "C:\Users\jsp\AppData\Local\Programs\Python\Python310\lib\site-packages\torch\cuda\__init__.py", line 239, in _lazy_initraise AssertionError("Torch not compiled with CUDA enabled")
AssertionError: Torch not compiled with CUDA enabled
这一坨的报错一共两个意思
- 装cuda
- 装torch
所以这里我们因该是去装这两玩意 但是我装了半天没装好
步骤因该是 先装cuda 再装 torch 但是这个torch在windows上对cuda的版本要求严格 所以如果你要正常装 我建议你先看torch的版本然后找到对应的cuda版本进行安装
我这里跳到另外一个up的Anaconda Navigator视频
https://www.bilibili.com/video/BV1gX4y1C7Ak/?spm_id_from=333.337.search-card.all.click&vd_source=ac6f57cbd263a9d994cdb0bece060fc9
当时都没想着能用但是这个Anaconda Navigator模拟了一个python环境3.10.10的环境结果就能用了
2.2 使用Anaconda Navigator 虚拟运行GLM
感谢这个BillBum up做了排除问题的视频 不然我还不知道咋搞
实在不知道怎么弄的跟视频
2.2.1 https://www.anaconda.com/上下载Anaconda
2.2.2 安装的时候最好不要安在c盘 同时注意
修改环境文件路径
2.2.3 找到安装好的anaconda 运行anaconda Navigator
2.2.4 启动anconda的终端
2.2.5 anconda环境依赖安装
cd到我们刚才操作的代码的目录
依赖不放心就再安装一次
2.2.6 启动躺雷
- up主的视频是想使用web网站 但我们是要用api接口 但是可以用它的文件来下载相关的依赖 其实是当时想跟着做出来
2.2.7 处理同样的报错
- 输入启动命令 出现同样的报错
2.2.8 虚拟环境中下载pytorch
- 这里如果没有就重新启动anaconda一次再进来
- 再次启动调试
- 尝试启动发现差依赖 差什么装什么
- 差什么装什么
- 能启动他的web当然好 同时我们也要尝试我们的 python api.py
2.2.9 成功运行GLM
- 可以看到它端口开在8000
三. GPT转发程序接入 GLM
3.1 下载接入程序
git上下载lss233大佬的转接程序
https://github.com/lss233/chatgpt-mirai-qq-bot
3.2 参考接入程序教程修改配置文件
3.2.1 修改接入
3.2.2 修改对接go-cqhttp
四. go-cqhttp对接和使用
go-cq也是一个很有名的项目了
项目地址https://github.com/Mrs4s/go-cqhttp
找一个喜欢的版本安装 我用的这个
4.1 下载 go-cqhttp
你可以在这里下载最新的 go-cqhttp:https://github.com/Mrs4s/go-cqhttp/releases
4.2 初始化 go-cqhttp
解压并启动 go-cqhttp,选 3 后回车,退出程序。
4.3 设置 go-cqhttp
编辑 go-cqhttp 的 config.yaml,设置机器人的 QQ 号和反向 Universal 地址 (这个反向 Universal 地址和前面的 reverse_ws_host 、reverse_ws_port )有关
这里的 universal 地址的写法如下:
- 如果你的 go-cqhttp 和 chatgpt 在同一台机器上,那么就写: ws://localhost:8566/ws ,这里的 8566 和 reverse_ws_port的值是一样的。
- 如果你的 go-cqhttp 和 chatgpt 在不同的机器上,那么就在上面的基础上,把 localhost 改成你 chatgpt 服务器的 IP 地址。
4.4 启动 go-cqhttp,生成配置文件
首次启动时我们不要登录 QQ,我们只是需要它生成的 device.json文件。
4.5 打开 device.json,修改协议
找到 protocol,把后面的数字改成 2,然后保存并退出即可。
这会让 go-cqhttp 使用 Android Watch 协议进行登录。
4.6 启动 go-cqhttp,扫码并登录
- 注意事项
这个go-cqhttp 的扫码登录,是需要你自己的手机 QQ 和 go-cqhttp 在同一个网络环境下的才能成功的。