WebGLM

让大模型联网搜索，回答更准更及时

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。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1603
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队THUDM
所属国家
官网地址
GitHubhttps://github.com/THUDM/WebGLM
定价模式free
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
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★ 1603
30天Star增速
HF 下载量
上线时间2023-05-28 00:00:00
最近更新2026-09-15 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数0

使用教程

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

项目介绍

WebGLM 是搜索知识领域的开源项目，由 THUDM 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,603）位列前 30%，在搜索知识分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-15。Apache-2.0许可证，可自由使用和部署，无收费版本。

它主要面向的使用场景是：开放域知识问答，需实时信息补充。同类可对比的替代方案包括 Perplexity AI、Self-RAG、Atlas。

上一篇：NLP-Knowledge-Graph

下一篇：Lumos

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单，开发者省下整周加班

The web data API to search, scrape, and interact at scale.

★ 183325 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用，从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图，找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 120493 2026-08-09
ragflow 开源

让大模型用上你的私有知识，搭建可靠的企业级RAG应用

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···

★ 91170 2026-08-09