本文正在参加 ✍🏻 技术视角深入 ChatGPT 征文活动 现在ChatGPT的API是无状态的，意味着你需要自己去维持会话状态，保存上下文，每次请求的时候将之前的历史消息全部发过去，但是这里面有两个

上一篇里，树先生教大家利用 ChatGLM-6B + langchain 实现个人专属知识库，实际运行下来，发现2个问题： 1、购买的 16G 显存的 GPU 云服务，在 FP16 精度下，多轮对话到

原来不过如此，但过程必须煎熬。从无知到懵懂，再到了解最后实操，我似乎经历了一年的四季轮回春暖花开，开始我并不清楚这能干什么，只知道是官网的api，那就跟着好奇心一块儿来学习一下吧。

Auto-GPT看起来很厉害，但在实际使用中，人们发现它很容易卡住或是循环浪费token，因此，我们可以自己打造一个类AutoGPT工具以切合我们真实的使用场景。

在使用llama_index过程中，往往会遇到一些灵活性上的问题，许多地方需要自己定制。这时候llama_index就有点力不从心了。 langchain+向量数据库也许会是这个时候的更好选择

流程 整个流程非常简单，也没有复杂的地方，相信关注GPT领域的都会看到过如上的流程。 主要就以下几个点： 将本地答案数据集，转为向量存储到向量数据 当用户输入查询的问题时，把问题转为向量然后从向量数据

项目地址： https://github.com/csunny/DB-GPT DB-GPT 是一个开源的以数据库为基础的GPT实验项目，使用本地化的GPT大模型与您的数据和环境进行交互，无数据泄露风险

这篇文章主要记录一下在使用GPT时，如何节约Token和突破Token限制。（如果审核不通过请直接把原因打出来！）

内附代码及视频教程。Weaviate 作为 DocArray 中的 Document Store，可以使得 Document 在云端的处理和检索更加迅速。