GPT4All

GitHub:nomic-ai/gpt4all 一个开源聊天机器人的生态系统，训练于包含代码、故事和对话的大量干净助手数据。

此示例介绍如何使用 LangChain 与GPT4All模型交互。

%pip install --upgrade --quiet langchain-community gpt4all

导入 GPT4All

from langchain_community.llms import GPT4All
from langchain_core.prompts import PromptTemplate

API 参考：GPT4All | PromptTemplate

设置传递给 LLM 的问题

template = """Question: {question}

Answer: Let's think step by step."""

prompt = PromptTemplate.from_template(template)

指定模型

要在本地运行，请下载兼容的 ggml 格式模型。

gpt4all 页面 有一个有用的Model Explorer部分

• 选择感兴趣的模型
• 使用 UI 下载并将.bin移动到local_path（如下所示）

有关更多信息，请访问https://github.com/nomic-ai/gpt4all。

---

此集成尚不支持通过.stream()方法分块流式传输。以下示例使用带有streaming=True的回调处理程序

local_path = (
    "./models/Meta-Llama-3-8B-Instruct.Q4_0.gguf"  # replace with your local file path
)

from langchain_core.callbacks import BaseCallbackHandler

count = 0


class MyCustomHandler(BaseCallbackHandler):
    def on_llm_new_token(self, token: str, **kwargs) -> None:
        global count
        if count < 10:
            print(f"Token: {token}")
            count += 1


# Verbose is required to pass to the callback manager
llm = GPT4All(model=local_path, callbacks=[MyCustomHandler()], streaming=True)

# If you want to use a custom model add the backend parameter
# Check https://docs.gpt4all.io/gpt4all_python.html for supported backends
# llm = GPT4All(model=local_path, backend="gptj", callbacks=callbacks, streaming=True)

chain = prompt | llm

question = "What NFL team won the Super Bowl in the year Justin Bieber was born?"

# Streamed tokens will be logged/aggregated via the passed callback
res = chain.invoke({"question": question})

API 参考：BaseCallbackHandler

Token:  Justin
Token:  Bieber
Token:  was
Token:  born
Token:  on
Token:  March
Token:  
Token: 1
Token: ,
Token:

相关

• LLM 概念指南
• LLM 操作指南