WebGLM

让大模型联网搜索，回答更准更及时

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 129 🐛 待处理 52 👀 关注 21
GitHub ↗
GitHub 星标 ★ 1598
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，Apache-2.0许可证，可自由使用和部署，无收费版本。

项目预览

WebGLM 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队THUDM
GitHubhttps://github.com/THUDM/WebGLM
定价模式🏷️完全免费
价格说明开源项目，Apache-2.0许可证，可自由使用和部署，无收费版本。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型chatgpt,llm,rlhf,webglm
GitHub 星标★ 1598
上线时间2023-05-28 00:00:00
代码更新2025-03-25
仓库体积6.3 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数2

项目介绍

WebGLM 是一个基于 GLM 的检索增强问答系统，旨在提升大语言模型在开放域问答中的事实准确性和知识时效性。它通过引入网络搜索能力，让模型能够实时获取互联网信息，从而解决传统模型知识截止和幻觉问题。核心能力包括：高效检索器（利用 BM25 与嵌入混合检索）、上下文感知的生成器（结合检索结果生成答案）、以及引用生成功能，确保回答可溯源。系统设计轻量，可在消费级 GPU 上运行，适合快速部署。WebGLM 在 KDD 2023 发表，展示了在保持效率的同时增强问答可靠性的可行方案。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1598

技术标签

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶 约 30 分钟 部署方式：命令行工具 7 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

  • Python 环境（README 未指定具体版本）
  • 可访问 Hugging Face 下载 WebGLM-2B / WebGLM-10B 模型权重
  • 可用的网络检索服务：SerpAPI 或 Bing 搜索
  • 建议具备消费级 GPU 以获得可用推理速度

安装与启动步骤

  1. 1克隆项目仓库

    把 WebGLM 官方仓库下载到本地，后续所有命令都在该目录内执行。

    git clone https://github.com/THUDM/WebGLM.git

  2. 2进入项目目录

    切换到刚克隆下来的目录，README 中的脚本均位于仓库根目录。

    cd WebGLM

  3. 3准备运行环境

    README 节选未给出依赖安装命令，请按仓库说明自行补齐 Python 依赖后再运行后续脚本。

  4. 4运行 2B 命令行版

    用 -w 指定轻量的 WebGLM-2B 权重，启动交互式命令行问答。

    python cli_demo.py -w THUDM/WebGLM-2B

  5. 5运行 10B 命令行版

    不加 -w 参数时默认使用 WebGLM-10B 模型，资源占用更高。

    python cli_demo.py

  6. 6改用 Bing 检索

    在命令后追加 --searcher bing，即可用 Bing 替换默认的 SerpAPI 检索。

    python cli_demo.py -w THUDM/WebGLM-2B --searcher bing

  7. 7启动 Web 服务

    web_demo.py 参数与命令行版一致，用相同参数即可拉起网页版服务。

    python web_demo.py -w THUDM/WebGLM-2B --searcher bing

关键配置

配置项必填说明示例
-w否指定使用的模型权重，省略则为 WebGLM-10B。THUDM/WebGLM-2B
--searcher否选择网络检索后端，默认 SerpAPI，可切换为 Bing。bing

如何确认成功

运行 cli_demo.py 后出现可交互的问答输入提示即启动成功；Web 版按终端输出提示访问。

常见问题

Q：想用更小的模型怎么做？

A：执行 python cli_demo.py -w THUDM/WebGLM-2B，即可使用 WebGLM-2B 权重，显存占用更低。

Q：默认使用哪个模型？

A：不加 -w 参数时直接执行 python cli_demo.py，使用 WebGLM-10B 模型。

Q：如何把搜索引擎换成 Bing？

A：在 cli_demo.py 或 web_demo.py 命令后追加 --searcher bing，默认使用 SerpAPI。

Q：Web 服务和命令行版参数一样吗？

A：一样，README 说明 web_demo.py 接受与 cli_demo.py 相同的参数，直接替换脚本名即可。

Q：依赖装不上怎么办？

A：README 节选未提供依赖安装说明，请以仓库中的实际说明为准或提 Issue 咨询。

注意事项

  • README 节选未包含 pip 安装命令，请不要照搬其他项目的依赖清单。
  • WebGLM-10B 权重体积大、下载与推理更耗时，显存有限时优先用 WebGLM-2B。
  • Web 检索能力依赖 SerpAPI 或 Bing 的可用凭证，需自行准备网络与接口条件。

核心亮点

  • 检索增强设计，显著减少幻觉，答案可引用来源
  • 轻量级实现，消费级 GPU 可运行，部署门槛低
  • 基于 GLM 系列，中文支持好，适合中文场景

不足之处

  • 依赖外部搜索 API，离线场景无法使用
  • 文档和社区活跃度一般，教程偏少

适用场景

  • 开放域知识问答，需实时信息补充
  • 企业客服系统，需引用来源的解答
  • 研究辅助，快速获取多源资料并生成综述

替代项目

Perplexity AI、Self-RAG、Atlas

上一篇：NLP-Knowledge-Graph

下一篇：Lumos

同类项目推荐

PandaWiki 开源

用 AI 搭建智能知识库，创作、问答、搜索一步到位

PandaWiki 是一款 AI 大模型驱动的开源知识库搭建系统，帮助你快速构建智能化的 产品文档、···

★ 10486 2026-08-09
vanna 开源

用大白话问数据库，自动生成SQL并出结果，告别手写查询。

Chat with your SQL database . Accurate Text-to-SQL Generation via LLMs using Agentic···

★ 23803 2026-08-09
SAG 开源

用全新检索架构，让大模型回答更准、更靠谱

A new SOTA for RAG — an original retrieval architecture and an open-source knowledg···

★ 2827 2026-08-09
xyne 开源

把散落各处的资料，问一句就给你答案

AI-first Search & Answer Engine for work. Open-source alternative to Glean.

★ 696 2026-08-09
Smart-Connections-Visualizer 开源

用AI自动发现笔记间的语义关联，让知识图谱更聪明

Visualize your notes and see links to related content with AI embeddings. Use local ···

★ 126 2026-08-09
kensaku 开源

本地搜文档、代码和截图，还能给 AI 代理调用

Search inside documents, code, and even screenshots - instantly and locally. A free,···

★ 1503 2026-10-30
scholar-rag-agent 开源

本地跑文献 RAG，证据冻结可溯源，引用一键成表

Local-first scientific literature RAG with frozen evidence, exact human annotations,···

★ 150 2026-10-02
CAG 开源

扔掉检索器，用缓存让大模型回答更快更简单

Cache-Augmented Generation: A Simple, Efficient Alternative to RAG

★ 1614 2026-08-09
llm-chatbot-rag 开源

本地跑通PDF智能问答，让文档自己开口说话

A local LLM chatbot with RAG for PDF input files

★ 97 2026-08-09