1.登录华为云账号，没有账号请参考文章华为云账号注册和实名认证.

2.打开浏览器新窗口，点击案例链接《基于LangChain+ChatGLM3的本地知识库问答》进入AI Gallery 案例页面：

1）检查是否已经实名认证，如果没有请输入姓名和身份证号，人脸识别进行实名认证。

2）需要签署开发者协议。

3.以上确认没有问题，请点击Run in ModelArts,进入codelab jupyter 页面。

4.点击用户授权-立即授权

1）看到右上角出现时间倒计时表示进入到案例页面：

2）等倒计时为0,选择下面的GPU规格-切换规格。

3）等待时间倒计时为0，出现资源切换完成提示-点击确定。

4）点击下面的按钮，显示下面规格表示切换成功。

选择kernel-Pytorch-1.10.2环境

5）查看1-14当前页面按钮的意义：

1-保存此jupyter lab文件 

2-+ 表示增加代码行

3-剪切代码行 4-复制代码行

5-粘贴代码行

6-运行当前代码 

7 停止当前代码行

8-重启代码行

9-全局执行代码

10-jupyter 文件的三种格式，Code-表示写代码，Markdown-表示传图片，写注释

11-切换Laucher页面 ，包含终端Terminal和各种环境的Notebook 

12 -新建文件夹

13-上传文件

14 -刷新当前所在的文件目录

6）代码运行的五种状态：

鼠标指着三角行 表示运行，出现时间表示运行成功，出现红色表示报错，转圈表示正在运行，如果表示转圈不要再点其他代码运行。表示代码正在运行，千万不要再次点击。

5.运行案例代码

1）下载ChatGLM3模型

运行成功，刷新页面出现service文件夹和代码出现“INF:root”提示表示运行成功。

这里用了OBS对象存储服务，OBS相当于云盘存储数据，moxing是华为云深度学习框架，通过moxing代码拷贝OBS桶里面的代码到notebook目录本地。

2）进入chatglm3目录，解压模型压缩包

ps:os.chdir(work_dir) 是一个Python语句，用于改变当前工作目录到 work_dir 指定的目录。这里 os 是Python标准库中的一个模块，提供与操作系统交互的功能，而 chdir 是一个函数，用于改变当前的活动目录。

语法如下：

import os
work_dir = '/path/to/your/directory'
os.chdir(work_dir)

!pwd-表示当前所在的目录，此处是

/home/ma-user/work

在命令行界面（CLI）中，!tar -xvf chatglm3-6b.tar 是一个用于解压缩文件的命令。这个命令使用了 tar 程序，它是一个在Unix和类Unix系统中常用的归档工具，可以打包和解打包文件。

上述命令同样可以在终端执行：

3）下载nltk_data数据：

4）进入nltk_data目录，解压数据压缩包

/home/ma-user/work
nltk_data/
nltk_data/misc/
nltk_data/misc/mwa_ppdb.zip
nltk_data/misc/perluniprops.xml
nltk_data/misc/mwa_ppdb.xml
nltk_data/misc/perluniprops.zip
nltk_data/tokenizers/
nltk_data/tokenizers/punkt/
nltk_data/tokenizers/punkt/french.pickle
nltk_data/tokenizers/punkt/polish.pickle
nltk_data/tokenizers/punkt/.DS_Store
nltk_data/tokenizers/punkt/portuguese.pickle
nltk_data/tokenizers/punkt/german.pickle
nltk_data/tokenizers/punkt/swedish.pickle
nltk_data/tokenizers/punkt/malayalam.pickle
nltk_data/tokenizers/punkt/estonian.pickle
nltk_data/tokenizers/punkt/finnish.pickle
。。。。。

5）下载text2vec-large-chinese模型

点击文件目录查看

6）进入text2vec-large-chinese目录，解压模型压缩包

7）配置环境

8）创建完成后，稍等片刻，或刷新页面，点击右上角kernel选择切换到python-3.10.10-点击select

9)安装依赖库

10)前面都是环境准备，最关键一步：代码开发，也是直接运行

为了实现基于本地知识库的对话问答，当前使用了langchain的链来实现，即langchain.chains。

在langchain.chains中有很多已有的链，例如：ConversationChain（对话链）、RetrievalQA（检索型问答）、ConversationalRetrievalChain（对话式检索问答）。

本文使用的是RetrievalQA，它可以很方便的实现基于知识库的问答，具体实现代码如下：

①首先定义语言模型和本地知识库的加载；

②然后通过RetrievalQA.from_llm函数构造链的实例knowledge_chain，并配置一些参数

③最后通过调用knowledge_chain即可。

11）功能测试：直接运行代码，加载模型

本地知识库文档查看：

12）可以自己替换本地知识库文档，然后更换提示词回答测试。

13）运行完毕直接微信群里打卡分享，这里提示词需要输入：介绍华为云，并且截图打卡附上我们的华为云账号.

14）运行完关闭资源，避免多余扣费。

6.常见的FAQ

1. OutOfMemoryError: CUDA out of memory. Tried to allocate 108.00 MiB (GPU 0; 15.90 GiB total capacity; 15.17 GiB already allocated; 7.75 MiB free; 15.22 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF.

表示内存溢出，需要重启kernel运行

2.NameError: name 'LangChainApplication' is not defined

表示前面的包没有安装好。重新安装包，然后依次运行代码

问：NameError: name 'os' is not defined

答：前面没导入os包，直接重新运行上一步即可。