InternLM-Workout-Assistant

书生·浦语 身体倍儿棒健身顾问

( 身体倍儿棒健身顾问形象由 Microsoft Bing 图像创建器 生成 )

简介

在快节奏的现代生活中，保持健康的体魄和心态变得日益重要。我们尝试利用 InternLM/Xtuner/Langchain 等工具创建一位您的健身小助手，旨在通过高效、个性化的方法，为您的健康和健身之旅提供全方位支持。它不仅是一个工具，更是您的私人教练，营养顾问和健康管理伙伴。

• 大语言基座模型 - InternLM2-7b-chat
• 训练数据 - 健身相关中文书籍
• 词嵌入模型 - bge-large-zh-1.5

整体训练思路：首先调用 LLM API 根据健身书籍内容生成对话数据，利用 Xtuner 微调 InternLM2-7b-chat；再利用词嵌入模型，构建向量数据库，用 Langchain 构建检索问答链；最后尝试在 OpenXLab 上部署。

数据

原始数据

• 《力量训练基础》 PDF
  专注于力量训练的基本原理和方法，包括正确的锻炼技巧、如何设置训练计划，以及各种力量训练器械的使用方法，涵盖如何避免受伤、如何根据个人目标（如增肌、减脂、增强核心力量等）调整训练计划，以及如何平衡不同肌群的训练等。

• 《无器械健身-用自重锻炼身体》 PDF
  专注于解答如何使用自身体重进行锻炼的各种方法，适合于没有健身器材或偏好在家锻炼的人。介绍了多种无器械锻炼动作，涵盖了从初级到高级的练习，解答关于无器械锻炼的常见疑问，如如何增加难度、如何确保动作效率和安全性等。

• 《别让不懂营养学的医生害了你》 TXT
  聚焦于营养学的基本原理，强调正确的饮食对健康和健身的重要性，辅助识别常见的营养误区，以及如何平衡宏观营养素、如何选择适合健身的食物，通过饮食达到特定的健康和健身目标。

• 1 和 2 为图片 PDF 版本，因此利用 PaddleOCR 提取其中文字，保存成 TXT 文件。调用代码见 pdf2txt.py。

生成对话数据

利用智谱 GLM-4 API 根据健身书籍内容生成对话数据。调用代码见 create_conversation.py。直接生成的数据格式不对，无法被正确读取，手动清洗数据至标准 JSON 格式。由于书籍 2&3 生成的问答数据效果不行，故下一步微调只选择了书籍 1 生成的问答数据，共计3k余条。

微调

• 使用 xtuner0.1.13 训练，在 internlm2-chat-7b 上进行微调
• 训练数据 《力量训练基础》对话版
• 参考配置 internlm2_chat_7b_qlora_oasst1_e3.py，用生成的对话数据进行微调。

微调后模型配置 ： internlm2_chat_7b_qlora_workout_e1.py 微调后模型对话表现：

RAG

• 上一步微调后的模型 - internlm2_chat_7b_qlora_workout_e1.py
• 训练数据 - 健身相关中文书籍
• 词嵌入模型 - bge-large-zh-1.5

主要过程脚本：

• 利用 bge-large-zh-1.5 构建向量数据库 ： create_db.py
• 微调后模型 internlm2_chat_7b_qlora_workout_e1.py 接入 LangChain ：LLM.py
• 部署 Web Demo : run_gradio.py

接入 Langchain 后模型对话表现：

OpenXLab 部署

将 xtuner 微调后并接入 Langchain 的模型在 OpenXLab 上部署，启动失败却并未出现日志报错，推测可能是开发机显存不足出现 OOM 情况。

参考

requirements.txt 参考自 Law_InternLM