1. 基础作业：复现课程知识库助手搭建过程 (截图)

• 环境配置
• 搭建知识库

2. 进阶作业：选择一个垂直领域，收集该领域的专业资料构建专业知识库，并搭建专业问答助手，并在 OpenXLab 上成功部署（截图，并提供应用地址）

进阶作业垂直领域选择：图像处理知识库，构建图像处理专业问答助手

应用地址：https://openxlab.org.cn/apps/detail/邓大眼睛/image_processing_LM

1、环境配置（如上）

# 创建并激活虚拟环境
/root/share/install_conda_env_internlm_base.sh InternLM
conda activate InternLM
# 升级pip
python -m pip install --upgrade pip

pip install modelscope==1.9.5
pip install transformers==4.35.2
pip install streamlit==1.24.0
pip install sentencepiece==0.1.99
pip install accelerate==0.24.1
# 安装langchain依赖包
pip install langchain==0.0.292
pip install gradio==4.4.0
pip install chromadb==0.4.15
pip install sentence-transformers==2.2.2
pip install unstructured==0.10.30
pip install markdown==3.3.7

2、模型下载：

在 /root/data 目录下新建python文件 download.py 修改模型路径，并运行。

# 运行下面的python代码下载internlm2-chat-7b作为基座模型
import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm2-chat-7b', cache_dir='/root/data/model')

3、从huggingface下载模型参数：开源词向量模型 Sentence Transformer:

首先需要使用 huggingface 官方提供的 huggingface-cli 命令行工具。安装依赖:

pip install -U huggingface_hub

然后在和 /root/data 目录下新建python文件 download_hf.py，填入以下代码：

• resume-download：断点续下
• local-dir：本地存储路径。（linux环境下需要填写绝对路径）

import os
# 下载模型
os.system('huggingface-cli download --resume-download sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 --local-dir /root/data/model/sentence-transformer')

另外，构建开源词向量还需要下载nltk库