docs(paper): 添加系统架构图并更新实现章节
在实现章节中移除了冗余的子章节,并引入系统架构图以更清晰地展示三层架构设计。同时,在main.tex中添加了tikz库以支持架构图的绘制。
This commit is contained in:
@@ -3,7 +3,6 @@
|
||||
\section{关键技术实现}
|
||||
|
||||
\subsection{系统架构设计}
|
||||
\subsubsection{整体架构设计}
|
||||
本系统采用经典的三层架构设计,分为表现层、业务逻辑层和数据访问层。
|
||||
|
||||
在表现层中,基于Gradio框架构建了一个用户友好的Web界面,包含7个功能模块:模型管理、模型推理、模型微调、数据集生成、数据集管理、提示词模板管理和系统设置。该界面采用响应式设计,支持流式输出和灵活的参数配置,以满足不同用户的交互需求。
|
||||
@@ -12,16 +11,9 @@
|
||||
|
||||
数据访问层主要负责数据的存储与管理。系统使用SQLite存储系统配置,同时采用TinyDB内存数据库管理数据集,支持JSON格式的数据导入和导出。通过这种分层设计,各层之间明确分工,不仅提升了系统的可扩展性和可维护性,还为后续的功能扩展奠定了基础。
|
||||
|
||||
\subsubsection{模块划分与交互流程}
|
||||
系统根据功能需求划分为多个模块,各模块之间通过清晰的交互流程协同工作,确保系统的高效运行。
|
||||
\input{figures/system_architecture.tex}
|
||||
|
||||
模型管理模块 是系统的核心之一,负责加载、卸载和配置大语言模型。用户可以通过该模块选择并管理不同的模型,而模型推理模块则负责处理用户输入并生成模型响应。此外,模型训练模块支持执行LoRA微调训练流程,帮助用户优化模型性能。
|
||||
|
||||
数据集生成模块 的设计重点在于灵活性和效率。它支持多种文档格式输入(优先支持Markdown),提供可视化模板编辑和变量配置功能,同时支持多轮次并发生成。为了保证生成结果的可靠性,模块还内置了自动验证和转换机制。在技术实现上,使用LangChain PromptTemplate处理模板,采用异步调用提高生成效率,并通过原子操作保证数据一致性。此外,模块还提供了进度反馈和错误处理机制,进一步提升用户体验。
|
||||
|
||||
数据管理模块 涵盖了数据集生成、存储以及提示词模板管理等功能。数据集生成功能用于创建和预处理训练数据,数据集存储则通过TinyDB实现内存数据库管理,确保数据的高效存取。提示词模板管理模块负责维护对话模板和系统提示,为模型推理提供必要的上下文支持。
|
||||
|
||||
系统交互流程 从用户发起请求开始,用户通过Gradio界面与系统交互。前端模块接收用户请求后,调用对应的业务逻辑模块进行处理。业务逻辑模块根据需要访问数据存储层获取或保存数据,并将处理结果返回给前端展示。整个流程清晰且高效,确保用户能够快速获得所需的结果。
|
||||
|
||||
\subsection{数据库设计与实现}
|
||||
|
||||
|
||||
Reference in New Issue
Block a user