# LangChain Ollama API

基于 Ollama 本地大模型和 LangChain 的 AI 服务 API。

## 功能特点

- 使用 Ollama 本地大模型进行推理
- 基于 LangChain 框架构建提示词链
- Flask API 服务端点
- 支持自定义提示词模板
- 完全本地化部署，无需外部 API
- 完整的 API 文档（Swagger UI）
- JSON 格式的日志记录

## 环境要求

- Python 3.8+
- Conda
- Ollama 服务（本地运行）
- Qwen2.5 模型（通过 Ollama 安装）

## 安装步骤

1. 克隆项目并进入项目目录：
```bash
git clone <repository-url>
cd <project-directory>
```

2. 创建并激活 Conda 环境：
```bash
# 创建环境
conda create -n langchain-ollama python=3.8
# 激活环境
conda activate langchain-ollama
```

3. 安装依赖：
```bash
pip install -r requirements.txt
```

4. 安装 Qwen2.5 模型（如果尚未安装）：
```bash
ollama pull qwen2.5:latest
```

5. 配置环境变量：
创建 `.env` 文件并设置以下变量（可选，有默认值）：
```env
OLLAMA_BASE_URL=http://localhost:11434
DEFAULT_MODEL=qwen2.5:latest
FLASK_HOST=0.0.0.0
FLASK_PORT=5000
FLASK_DEBUG=False
MAX_TOKENS=2048
TEMPERATURE=0.7
```

## 运行服务

### 开发环境

1. 确保已激活 Conda 环境：
```bash
conda activate langchain-ollama
```

2. 确保 Ollama 服务已启动并运行在本地

3. 启动开发服务器：
```bash
python app.py
```

4. 访问 API 文档：
- Swagger UI: http://localhost:5000/docs
- ReDoc: http://localhost:5000/redoc

### 生产环境

1. 安装生产服务器：
```bash
pip install gunicorn
```

2. 使用 Gunicorn 启动服务：
```bash
# 基本启动
gunicorn -w 4 -b 0.0.0.0:5000 app:app

# 使用配置文件启动（推荐）
gunicorn -c gunicorn.conf.py app:app
```

3. 创建 Gunicorn 配置文件 `gunicorn.conf.py`：
```python
# 工作进程数
workers = 4
# 工作模式
worker_class = 'sync'
# 绑定地址
bind = '0.0.0.0:5000'
# 超时时间
timeout = 120
# 最大请求数
max_requests = 1000
# 最大请求抖动
max_requests_jitter = 50
# 访问日志
accesslog = 'access.log'
# 错误日志
errorlog = 'error.log'
# 日志级别
loglevel = 'info'
```

4. 使用 systemd 管理服务（Linux）：
```ini
# /etc/systemd/system/langchain-ollama.service
[Unit]
Description=LangChain Ollama API Service
After=network.target

[Service]
User=your_user
Group=your_group
WorkingDirectory=/path/to/your/app
Environment="PATH=/path/to/your/conda/env/bin"
ExecStart=/path/to/your/conda/env/bin/gunicorn -c gunicorn.conf.py app:app
Restart=always

[Install]
WantedBy=multi-user.target
```

## API 端点

### 健康检查
- GET `/api/v1/health`
- 返回服务状态

### 聊天接口
- POST `/api/v1/chat`
- 请求体：
```json
{
    "question": "你的问题"
}
```
- 响应：
```json
{
    "question": "原始问题",
    "answer": "AI回答"
}
```

## 日志

服务使用 JSON 格式记录日志，包含以下信息：
- 时间戳
- 日志级别
- 文件名和行号
- 函数名
- 日志消息

## 注意事项

1. 确保 Ollama 服务已正确安装并运行
2. 默认使用 qwen2.5:latest 模型，可以通过环境变量更改
3. 建议在生产环境中设置适当的温度参数和最大 token 限制
4. 使用 Conda 环境时，确保每次运行前都已激活环境
5. 开发环境仅用于测试，生产环境请使用 Gunicorn 部署

## 自定义提示词链

可以通过继承 `BaseChain` 类来创建自定义的提示词链。示例：

```python
from chains.base_chain import BaseChain

class CustomChain(BaseChain):
    def __init__(self, model_name="qwen2.5:latest", temperature=0.7):
        super().__init__(model_name, temperature)
        self.chain = self.create_chain(
            template="你的提示词模板",
            input_variables=["你的输入变量"]
        )
```

## 许可证

MIT