基于腾讯云HAI + DeepSeek 开发企业知识库

原创

七条猫

修改于 2025-03-10 14:08:55

8120

代码可运行

运行总次数：0

代码可运行

开发目的：

自从年后大家都开始关注deepseek，我们公司年后特别忙，上面的老板及其他部门都提出了需求。之前各个部门对AI模型都不了解，经过网上铺天盖地的新闻后，大家都知道AI比较厉害，所以都提出来部门的想法看如何把deepseek引入到部门中，原因大家想必都知道，就是提高大家的工作效率，节省人力。

正题开始，我们根据部门的需要结合deepseek开发了我们企业内部的知识库。我给大家分享一下，开发的流程及开发后的使用体验。

开发流程：

使用腾讯云高性能应用服务（HAI）上使用 Python 结合 DeepSeek-R1 模型对企业内部文件进行微调，并构建一个能够回答行业领域专业问题的 AI 应用，可以按照以下步骤操作：

1. 准备工作

a. 注册并配置腾讯云 HAI

确保你已经在腾讯云上注册并开通了高性能应用服务（HAI），并且已经选择了支持 DeepSeek-R1 模型的预装环境。

b. 选择DeepSeek-R1 模型

在 HAI 控制台中，选择 DeepSeek-R1 模型）。

c. 选择openwebui连接方式

在 HAI 控制台中，选择 openwebui连接方式。

根据要求创建open web ui名称，邮箱及密码

d. 进入deepseek

这样我们就成功部署deepseek模型

e. 建立知识库

在左上角选择知识库，我们就可以创建自己的知识库

f. 准备企业内部数据

将企业内部的知识库文件整理好，确保数据格式适合用于模型训练或微调。

将文件资料上传至模型中

g. 创建deepseek API

在右下角我们选择账号，获取我们API秘钥

2. 设置开发环境

在 HAI 控制台中，选择 jupyterLab连接方式。

b. 配置 Python 环境

要选择Notbebook使用python

3. 代码

使用python开始写代码

from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.hai.v20230816 import hai_client, models

#  API 凭证
secret_id = "*********"
secret_key = "*******"
region = "ap-nanjing"  

cred = credential.Credential(secret_id, secret_key)
http_profile = HttpProfile()
http_profile.endpoint = "hai.tencentcloudapi.com"

client_profile = ClientProfile()
client_profile.httpProfile = http_profile

client = hai_client.HaiClient(cred, region, client_profile)

req = models.DescribeInstancesRequest()
resp = client.DescribeInstances(req)
print(resp.to_json_string())

使用 Hugging Face 的 transformers库进行模型微调：

pythonfrom transformers import AutoTokenizer, AutoModelForCausalLM, TrainingArguments, Trainer

model_name = "deepseek-ai/deepseek"  
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

def tokenize_function(examples):
    return tokenizer(examples['text'], padding='max_length', truncation=True)

tokenized_datasets = dataset.map(tokenize_function, batched=True)
def preprocess_function(examples):
    inputs = [f"问：{q} 答：" for q in examples["question"]]
    targets = examples["answer"]
    model_inputs = tokenizer(inputs, max_length=512, truncation=True, padding="max_length")
    labels = tokenizer(targets, max_length=512, truncation=True, padding="max_length")
    model_inputs["labels"] = labels["input_ids"]
    return model_inputs
training_args = TrainingArguments(
    output_dir='./results',
    evaluation_strategy="epoch",
    learning_rate=2e-5,
    per_device_train_batch_size=4,
    num_train_epochs=3,
    weight_decay=0.01,
)

trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=tokenized_datasets['train'],
    eval_dataset=tokenized_datasets['test'],
)

trainer.train()from datasets import load_dataset from transformers import Trainer, TrainingArguments # 加载训练数据dataset = load_dataset("json", data_files="train_data.json")# 数据预处理defpreprocess_function(examples):    inputs =[f"问：{q} 答："for q in examples["question"]]    targets = examples["answer"]    model_inputs = tokenizer(inputs, max_length=512, truncation=True, padding="max_length")    labels = tokenizer(targets, max_length=512, truncation=True, padding="max_length")    model_inputs["labels"]= labels["input_ids"]return model_inputs tokenized_datasets = dataset.map(preprocess_function, batched=True)# 设置训练参数training_args = TrainingArguments(    output_dir="./results",    evaluation_strategy="epoch",    learning_rate=2e-5,    per_device_train_batch_size=4,    num_train_epochs=3,    weight_decay=0.01,    save_strategy="epoch",    logging_dir="./logs",    logging_steps=10,)# 初始化 Trainertrainer = Trainer(    model=model,    args=training_args,    train_dataset=tokenized_datasets["train"],    eval_dataset=tokenized_datasets.get("validation"),)# 开始训练trainer.train()

模型评估与优化

训练完成后，评估模型性能并根据需要进行优化：

python
results = trainer.evaluate()
print(results)

4. 部署模型

将微调后的模型部署为 API 服务，以便前端或其他应用调用：

训练好的模型部署为 RESTful API。

使用 FastAPI 自行部署，部署到 HAI 平台或自行搭建服务器，确保 API 的可用性和安全性。

pythonfrom fastapi import FastAPI, Request
from transformers import pipeline

app = FastAPI(****************)

model = AutoModelForCausalLM.from_pretrained('./fine-tuned-model')
tokenizer = AutoTokenizer.from_pretrained(model_name)
generation_pipeline = pipeline('text-generation', model=model, tokenizer=tokenizer)

@app.post("/ask")
async def ask(question: Request):
    data = await question.json()
    prompt = data.get("question")
    response = generation_pipeline(prompt, max_length=100)
    return {"answer": response[0]['generated_text']}