模型概述
您可以通过更新 .env.local
中的 MODELS
变量来自定义传递给模型的参数,甚至使用新模型。默认值可以在 .env
中找到,如下所示
MODELS=`[
{
"name": "mistralai/Mistral-7B-Instruct-v0.2",
"displayName": "mistralai/Mistral-7B-Instruct-v0.2",
"description": "Mistral 7B is a new Apache 2.0 model, released by Mistral AI that outperforms Llama2 13B in benchmarks.",
"websiteUrl": "https://mistral.ai/news/announcing-mistral-7b/",
"preprompt": "",
"chatPromptTemplate" : "<s>{{#each messages}}{{#ifUser}}[INST] {{#if @first}}{{#if @root.preprompt}}{{@root.preprompt}}\n{
{/if}
}{
{/if}
}{{content}} [/INST]{{/ifUser}}{{#ifAssistant}}{{content}}</s>{{/ifAssistant}}{{/each}}",
"parameters": {
"temperature": 0.3,
"top_p": 0.95,
"repetition_penalty": 1.2,
"top_k": 50,
"truncate": 3072,
"max_new_tokens": 1024,
"stop": ["</s>"]
},
"promptExamples": [
{
"title": "Write an email from bullet list",
"prompt": "As a restaurant owner, write a professional email to the supplier to get these products every week: \n\n- Wine (x10)\n- Eggs (x24)\n- Bread (x12)"
}, {
"title": "Code a snake game",
"prompt": "Code a basic snake game in python, give explanations for each step."
}, {
"title": "Assist in a task",
"prompt": "How do I make a delicious lemon cheesecake?"
}
]
}
]`
您可以更改参数或自定义预提示以更好地满足您的需求。例如,您还可以通过向数组添加更多对象来添加更多模型,并为不同的模型使用不同的预提示。
聊天提示模板
在查询模型以获取聊天回复时,将使用 chatPromptTemplate
模板。messages
是聊天消息的数组,格式为 [{ content: string }, ...]
。要识别消息是用户消息还是助手消息,可以使用 ifUser
和 ifAssistant
块辅助程序。
以下是默认的 chatPromptTemplate
,尽管已添加换行符和缩进以提高可读性。您可以在此处找到用于 HuggingChat 的提示 此处。使用的模板语言是 Handlebars。
{{preprompt}}
{{#each messages}}
{
{#ifUser}
}{{@root.userMessageToken}}{{content}}{{@root.userMessageEndToken}}{{/ifUser}}
{
{#ifAssistant
}
}{{@root.assistantMessageToken}}{{content}}{{@root.assistantMessageEndToken}}{{/ifAssistant}}
{{/each}}
{{assistantMessageToken}}
自定义端点授权
基本和 Bearer
自定义端点可能需要授权,具体取决于您如何配置它们。身份验证通常使用 Basic
或 Bearer
设置。
对于 Basic
,我们需要生成用户名和密码的 base64 编码。
echo -n "USER:PASS" | base64
VVNFUjpQQVNT
对于 Bearer
,您可以使用令牌,可以从 此处 获取。
然后,您可以将生成的信息和 authorization
参数添加到您的 .env.local
中。
"endpoints": [
{
"url": "https://HOST:PORT",
"authorization": "Basic VVNFUjpQQVNT",
}
]
请注意,如果 HF_TOKEN
也已设置或不为空,它将优先。
托管在多个自定义端点上的模型
如果要托管的模型将在多个服务器/实例上可用,请将weight
参数添加到您的.env.local
文件中。weight
将用于确定请求特定端点的概率。
"endpoints": [
{
"url": "https://HOST:PORT",
"weight": 1
},
{
"url": "https://HOST:PORT",
"weight": 2
}
...
]
客户端证书认证 (mTLS)
自定义端点可能需要客户端证书认证,具体取决于您的配置方式。要在 Chat UI 和您的自定义端点之间启用 mTLS,您需要将USE_CLIENT_CERTIFICATE
设置为true
,并将CERT_PATH
和KEY_PATH
参数添加到您的.env.local
文件中。这些参数应指向您本地计算机上证书和密钥文件的位置。证书和密钥文件应为 PEM 格式。密钥文件可以使用密码加密,在这种情况下,您还需要将CLIENT_KEY_PASSWORD
参数添加到您的.env.local
文件中。
如果您使用的是由私有 CA 签名的证书,则还需要将CA_PATH
参数添加到您的.env.local
文件中。此参数应指向您本地计算机上 CA 证书文件的位置。
如果您使用的是自签名证书(例如,用于测试或开发目的),则可以在您的.env.local
文件中将REJECT_UNAUTHORIZED
参数设置为false
。这将禁用证书验证,并允许 Chat UI 连接到您的自定义端点。
特定嵌入模型
模型可以使用TEXT_EMBEDDING_MODELS
下定义的任何嵌入模型(目前用于网络搜索)。默认情况下,它将使用第一个嵌入模型,但可以通过embeddingModel
字段进行更改。
TEXT_EMBEDDING_MODELS = `[
{
"name": "Xenova/gte-small",
"chunkCharLength": 512,
"endpoints": [
{"type": "transformersjs"}
]
},
{
"name": "intfloat/e5-base-v2",
"chunkCharLength": 768,
"endpoints": [
{"type": "tei", "url": "http://127.0.0.1:8080/", "authorization": "Basic VVNFUjpQQVNT"},
{"type": "tei", "url": "http://127.0.0.1:8081/"}
]
}
]`
MODELS=`[
{
"name": "Ollama Mistral",
"chatPromptTemplate": "...",
"embeddingModel": "intfloat/e5-base-v2"
"parameters": {
...
},
"endpoints": [
...
]
}
]`