用最低成本，搭建属于自己的大模型数据库！ollama+graphrag

前言：

随着大模型的不断发展，人们对其要求也在不断提高，过往的通用大模型已经不能满足需求，更需要的是针对某个领域特定的大模型。但是从头开始训练一个模型又会很麻烦，不过，微软给了我们一个思路，那就是graphrag。本篇文件将利用graphrag和ollama搭建一个本地的大模型数据库

服务器的选择 HAI：

因为我们是要在本地运行大模型，首先要选一个带有gpu的服务器（如果选用纯cpu的服务器，速度会很慢）。

这里推荐的是购买腾讯云双十一的gpu服务器现金券，用它来开gpu服务器，效果很好

购买完成后，我们进入HAI的控制台

进入后点击新建

我们这里预设模板选择ollama，地区根据你自己的喜好购买（腾讯云这里提供了免费的学术加速，无需担心网络）

选好后我们点击立即购买即可

配置环境

购买完成后，我们点击算力链接，我们这里用的是cloud studio

服务器的选择 CVM：

想必hai服务器，更推荐cvm服务器，因为cvm在其他方面更灵活，有更多的配置进行选择，而且可以随时创建镜像，方便数据保存

这里，我们可以选择不同的服务器，同时最近腾讯云双十一也在举行拼团活动，可以活动更多的优惠时长，欢迎大家来看看

https://cloud.tencent.com/act/pro/double11-2024

以下操作和cvm服务器的Linux操作系统下操作一样

检查ollama

因为是预装了ollama。我们只需要检查一下ollama是否正常就行了

文本描述已自动生成

我们点击新建终端，开启一个新终端

我们输入ollama，看看是否能够正常输出内容

文本描述已自动生成

如果可以正常输出，就证明ollama配置没有问题

我们继续下载个新模型，直接输入

ollama run llama2-chinese

因为自带学术加速，速度还是不错的

这样 ollama本地大模型我们就不用管了，接下来安装配置graphrag

安装graphrag

1. 因为自带conda，我们使用虚拟环境就方便很多

conda create -n rag python=3.12

直接输入这条指令，我们就可以创建一个python3.12的环境，会方便很多

完成后，我们输入conda activate rag即可进入虚拟环境

随后我们输入

pip install graphrag

他会自动安装原版的graphrag

完成后，我们在目前的文件夹创建一个ragtest文件夹

或者使用指令

mkdir -p ./ragtest/input

创建后，我们初始化这个索引文件

graphrag init --root ./ragtest

完成后 将创建两个文件：.env和settings.yaml，其中，settings是设置文件，因为我们是本地对接ollama，所以要做一些修改

我们把替换文件替换过去（感谢哔哩哔哩up主@深圳大学城市空间信息提供的替换文件

网盘链接： https://pan.baidu.com/s/1li35HD80IulxJntWcI9DFw?pwd=s53j 提取码: s53j ）

文本描述已自动生成

我们打开graphrag的安装目录（部分可能有所差异）

文本描述已自动生成

我们依次按照目录替换文件

/root/miniforge3/envs/rag/lib/python3.12/site-packages/graphrag/query/llm/oai

. /root/miniforge3/envs/rag/lib/python3.12/site-packages/graphrag/llm/openai

图形用户界描述已自动生成

替换完成后，我们返回到原先的文件夹就可以了

我们往input文件夹放一个TXT文档，这个txt文档就是我们要构建数据库的文档

手机屏幕的截描述已自动生成

然后我们执行

graphrag index --root ./ragtest

然后我们稍等即可

文本描述已自动生成

具体的速度快慢和最后成功好坏，取决于你本地的算力多少

这里也可以使用在线的大模型，不过需要是openai的格式，并且执行一次索引耗费的token较多，需要谨慎考虑

当最后提示🚀 All workflows completed successfully.，就表示我们建立成功了

文本描述已自动生成

此时我们就可以进行检索了

输入

python -m graphrag.query --root ./ragtest --method global --query "你的问题"

即可进行查询

文本描述已自动生成

因为不同安装方式有部分差异，请根据自己的安装方式进行调整

常见问题

1.为什么我最后出来的结果是英文？

答：可能是因为你使用的提示词模板是英文提示词，本地llm模型在其影响下输出了英文数据

解决方法：更换中文提示词

下载后替换到prompts文件夹接口

2.为什么无法正常索引

答：这个问题涉及到比较多，可能是配置文件部分地方修改问题，最容易出现问题的是api接口这里，我们要根据实际情况修改api接口，我们可以查看本机上ollama的服务器端口，来进行修改

另一方面，可能是llm模型的问题，我们可以通过修改model修改，我们可以通过输入ollama list指令来看本机上有哪些大模型

3.输出的缺少文件

答：这个大概率是api接口超时了，或者是达到阈值了，这个多出现在使用在线模型的时候，本地大模型很少出现，可以尝试更换模型重新跑的方式来解决