零基础入门AI：四步快速搭建本地的编程助手

由于种种原因，小伙伴们在写代码时，不一定能用上Github Copilot；或者由于代码安全的原因，不能使用外网的编程助手。今天我就介绍一种利用开源大语言模型在本地搭建编程助手的方案：

• IDE插件：Continue
• 本地开源大语言模型框架：Ollama
• 本地开源大语言模型（推荐 Code Llama）

该方案适用于 VS Code 和 PyCharm，搭建的步骤类似，如下步骤中以VS Code为例说明。

Step 1: 安装 Continue 插件

在VS Code 和 PyCharm的插件市场中搜索并安装 Continue 插件，以VS Code为例，安装步骤截图如下： 安装完成后，默认会有一些在线的大语言模型供试用（需要联网）。

更多关于Continue插件的细节，可以参考Continue插件的官网：[Continue官网]
Continue插件支持GPT-4 / Claude-2 等收费大语言模型，只需要将自己的 api key 更新到配置文件中的 apiKey 即可，以下步骤将介绍如何使用 Continue 插件调用本地开源大语言模型。

Step 2: 安装本地开源大语言模型框架 Ollama

Ollama 是一个可以在本地部署和管理开源大语言模型的框架，由于它极大的简化了开源大语言模型的安装和配置细节，一经推出就广受好评，目前已在github上获得了46k star。

关于Ollama的更多介绍和安装方法请参见 [零基础入门AI：一键本地运行各种开源大语言模型 - Ollama]
Step 3: 下载代码大语言模型 Code Llama

安装Ollama后，即可一键安装开源大语言模型。Ollama支持大部分主流的开源大语言模型，但是在编程助手的使用场景下，我更推荐Meta发布的 CodeLlama，包含 7b / 13b / 34b / 70b 四种参数规模，小伙伴们可以根据本地GPU的性能，下载合适的Code Llama版本

参数版本	链接	命令
7 billion	View	ollama run codellama:7b
13 billion	View	ollama run codellama:13b
34 billion	View	ollama run codellama:34b
70 billion	View	ollama run codellama:70b

PS: Code Llama除了有不同的参数版本，根据微调语料的不同类型，还有基础、Python、instruct三种类型的微调版本，其中instruct是经过自然语言指令微调的，更适合本文的使用场景，所以推荐使用 instruct 版本，以上表格中的命令默认下载的就是instruct版本。

Step 4: 配置 Continue + Ollama

Ollama服务运行后，默认的API接口地址是localhost:11434，能够为本机提供服务。

也可以在Ollama中配置环境变量 OLLAMA_HOST=0.0.0.0:11434 来对局域网提供服务，API接口地址就是<ollama server IP>:11434。

将大语言模型的信息和API接口地址添加到 Continue 的配置文件中，举例如下：

"models": [
    {
      "title": "codellama:7b",
      "provider": "ollama",
      "model": "codellama:7b",
      "api_base": "localhost:11434"
    }

修改完配置文件后，在 IDE 的 Continue 插件界面选择本地大模型，就可以愉快的使用本地大模型玩耍了：

至此，Continue插件就可以和本地大语言模型联动，调用本地的大语言模型来辅助编程，实现本地的编程助手。

Bingo! 运行 Continue + Ollama

如下图中的例子，我让大模型帮忙写一下python的函数，用于判断输入的数字是不是质数：

添加常用的快捷指令 (可选)

阅读 Continue 插件的配置文件，会发现其中已经内置了一些快捷指令，其实就是将一段提示词简化为一个命令，比如:

• comment: 为选中的代码添加注释，对应的提示词是 Write comments for the highlighted code
• edit: 编辑选中的代码，对应的提示词是 Edit highlighted code

参照这些示例，我们也可以添加自己常用的快捷指令，比如我添加了一个代码评审的快捷指令 review，具体配置如下：

"custom_commands": [
    {
      "name": "review",
      "prompt": "Act as a comprehensive code review assistant to help me analyze and improve the selected code",
      "description": "Code review for highlighted code"
    }
  ]

PS:

• 实际使用时，可以用大语言模型来辅助生成代码、改BUG、添加注释、解释代码等等。
• 以上例子中，我仅以最小规模的7B版本为例，本地GPU性能更强的话，可以尝试更大参数规模的版本，使用效果会更好一些。
• 本文推荐的代码大语言模型 Code Llama 的训练语料中，中文语料所占的比例较少，所以使用英文提问的效果会更好一些。
• Ollama同样也支持一些中文的开源模型，比如qwen 、Yi等等，这些大模型对中文的支持就会更好一些，可以参照文中的方法安装使用。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓