Skip to content

Latest commit

 

History

History
78 lines (58 loc) · 2.78 KB

doc_full_dev.md

File metadata and controls

78 lines (58 loc) · 2.78 KB
Raw

高精度配置参考

标准版可能效果不佳，可开启以下特性来提升效果。配置模板请参照 config-advanced.ini

  1. 使用更高精度 local LLM

    把 config.ini 中的llm.local 模型调整为其他 LLM，参考 opencompass 评测榜单。 此选项效果显著。

  2. Hybrid LLM Service

    对于支持 openai 接口的 LLM 服务，茴香豆可以发挥它的 Long Context 能力。 以 kimi 为例，以下是 config.ini 配置示例：

    # config.ini
[llm]
enable_local = 1
enable_remote = 1
..
[llm.server]
..
# open https://platform.moonshot.cn/
remote_type = "kimi"
remote_api_key = "YOUR-KIMI-API-KEY"
remote_llm_max_text_length = 128000
remote_llm_model = "auto"

    注意此特性会增加响应耗时和运行成本。

  3. repo 搜索增强

    此特性适合处理疑难问题，需要基础开发能力调整 prompt。

    • 点击 sourcegraph-account-access 获取 token

      # open https://github.com/sourcegraph/src-cli#installation
sudo curl -L https://sourcegraph.com/.api/src-cli/src_linux_amd64 -o /usr/local/bin/src && chmod +x /usr/local/bin/src

# 开启 sg 搜索，并且把 token 填入 config.ini
[worker]
enable_sg_search = 1 # first enable sg search
..
[sg_search]
..
src_access_token = "${YOUR_ACCESS_TOKEN}"

    • 编辑 repo 的名字和简介，我们以 opencompass 为例

      # config.ini
# add your repo here, we just take opencompass and lmdeploy as example
[sg_search.opencompass]
github_repo_id = "open-compass/opencompass"
introduction = "用于评测大型语言模型（LLM）.."

    • 使用 python3 -m huixiangdou.service.sg_search 单测，返回内容应包含 opencompass 源码和文档

      python3 -m huixiangdou.service.sg_search
..
"filepath": "opencompass/datasets/longbench/longbench_trivia_qa.py",
"content": "from datasets import Dataset..

    运行 main.py，茴香豆将在合适的时机，启用搜索增强。

  4. 调参

    针对业务场景调参往往不可避免。