czas09 / llm-server

大型语言模型服务接口，支持 OpenAI API 风格和 ChatGLM 风格

LLM-Server

• [2024-02-19] 新增 LMDeploy 后端引擎，当前支持 InternLM2 对话模型
• [2024-01] 新增对 InternLM2 对话模型的支持
• [2023-12] 新增对 Qwen、Yi-34B 对话模型的支持
• [2023-11-14] 新增对 ChatGLM3-6B 对话模型的支持
• [2023-11-09] ChatGLM2-6B 对话模型服务支持以 vLLM 后端方式启动
• [2023-11-09] 新增 seed 参数，用于固化模型推理随机性（分支：deploy-xj-20231109）
• [2023-11-07] YC部署（分支：xj-deploy-20231030）
• [2023-10-30] XJ大模型部署（分支：xj-deploy-20231030）

功能点

模型名称	接口格式	后端引擎	流式调用	加载 PEFT
Baichuan-13B-Chat	OpenAI style	HF Transformers vLLM	√	√
Baichuan2-7B-Chat	OpenAI style	HF Transformers vLLM	√	√
Baichuan2-13B-Chat	OpenAI style	HF Transformers vLLM	√	√
ChatGLM-6B	ChatGLM style OpenAI style (WIP)	HF Transformers	√	√
ChatGLM2-6b	OpenAI style	HF Transformers vLLM	√	√
ChatGLM3-6b	OpenAI style	HF Transformers	√	√
ChatGLM3-6b-32K	OpenAI style	HF Transformers	√	√
InternLM-Chat-7B	OpenAI style	HF Transformers vLLM	√	√
InternLM-Chat-20B	OpenAI style	HF Transformers vLLM	√	√
Qwen-7B-Chat	OpenAI style	HF Transformers vLLM	√	√
Qwen-14B-Chat	OpenAI style	HF Transformers vLLM	√	√
XVERSE-13B-Chat	WIP
XVERSE-7B-Chat	WIP
AquilaChat2-7B	WIP
AquilaChat2-34B	WIP
Yi-6B	WIP
Yi-34B	WIP

• 支持加载PEFT模型
  • LoRA
  • P-Tuning V2
• 接口参数格式
  • OpenAI API 格式：/v1/chat/completions
  • 仿 ChatGLM 格式：/chat、/stream_chat、/batch_chat

后端引擎

• HF Transformers
• vLLM
• LMDeploy TODO

代码结构

• 启动入口：app.py
• 配置参数：config.py + configs/*.ini

llms/             不同大模型的对话提示词模板包装、模型加载与交互接口等实现
models/           不同类型模型（大模型、文本向量化模型）的加载逻辑
utils/            工具函数
app.py            主入口
config.py         配置项加载与预处理
configs.ini       配置项
protocol.py       参考 OpenAI API 的接口规范
routes.py         以transformers为后端的API路由实现
vllm_routes.py    以vLLM为后端的API路由实现

使用方法

TODO 待整理

• 服务启动方法：后端为 transformers 或 vllm
• 服务调用方法：非流式、流式；cURL命令行调用 or openai python sdk or requests 调用
  • LangChain TODO

参考 configs/ 目录下的配置文件，填写 configs.ini；或者将 config.py 文件中 config.read() 中的参数改成对应文件路径

后端引擎为 HF Transformers

启动配置项设置，详见 configs/ 目录下的示例

OpenAI API

调用方法，详见 test/ 目录下的示例

ChatGLM API

后端引擎为 vLLM

OpenAI API

ChatGLM API

待办事项

• 优化服务启动方式，方便调整配置项的具体设置
• 设置各项参数的缺省值和校验逻辑
• 整合之前开发的 embedding-model-server