在 ChatGPT 火爆全网之后，各行各业都在围绕它来进行构建自己场景的应用。这里以本地知识库为场景来聊聊怎么结合 Ray Core、Ray Serve、KubeRay、LangChain、Embeddings、向量数据库、LLM、Kubernetes 和 GPU 方案来构建属于自己的本地的知识库。
您可以从 Python 官方网站下载最新版本的源代码，然后使用以下命令下载并解压缩源代码:接下来，进入解压缩后的 Python 源代码目录，并使用以下命令编译和安装 Python 3.11:注意，使用 make altinstall 命令而不是 make install 命令，这将确保您的系统上同时存在 Python 2.7 和 Python 3.11。
前言前面我们介绍过几款构建本地知识库的开源项目，其原理还是基于本地文件构建向量数据库的方式，通过调用现有GPT语言模型的能力做向量相似计算，对于希望基于GPT语言模型的能力构建自己的APP应用或者集成到现有产品中去实际上会非常方便，具有一定的市场空间。
从 AlphaGo 横扫围棋界，以摧枯拉朽之势击败人类顶尖棋手，到 ChatGPT 大语言模型横空出世，颠覆了人们的认知，再到 Sora 的惊艳亮相，生成式 AI 大模型的无限潜力不断释放，AI 一次又一次地刷新着我们的认知，一次又一次地挑战着我们的想象力。
