本地大模型运行工具、开源CRM等5个火爆项目

AI劳模

于 2024-07-09 15:08:27 发布

阅读量650

点赞数 10

文章标签：开源神经网络人工智能深度学习产品经理 llama

本文链接：https://blog.csdn.net/2401_85373396/article/details/140296583

版权

GitHub 一周热点汇总第20期(2024/04/21-04/27) ，本周期内其实最热的还是Llama3，但是上周刚刚入选，就换成Ollama了。来看看这一周内火爆的5个项目吧。

#1 ollama

项目名称：ollama - 本地运行LLM
GitHub 链接：github.com/ollama/olla…
上周 Star 数：4300+

Ollama可以说是目前最好的本地运行大模型工具，所以每当有一个现象级的大模型发布后，它也都会跟随着产生一波热度。

Ollama 是一个强大的框架，设计用于在 Docker 容器中部署 LLM。Ollama 的主要功能是在 Docker 容器内部署和管理 LLM 的促进者，它使该过程变得非常简单。它帮助用户快速在本地运行大模型，通过简单的安装指令，可以让用户执行一条命令就在本地运行开源大型语言模型，例如 Llama 3，Mistral, Gemma。

之前我在开源推荐专栏中介绍过Ollama，Ollama是几个本地运行大模型工具中比较不错的一个，现在关于Ollama的介绍越来越多，而且它本身也非常简单，基本不需要过多说明。它支持比较全面，下面是主要支持的模型。

通过Ollama启动一个Llama3非常简单，下载安装包完成安装后，执行以下，就可以在本地运行Llama3了：

bash代码解读复制代码#拉取llama3
ollama pull llama3
#启动
ollama run llama3

Ollama一个非常方便的地方是提供了本地的HTTP服务，这让和大模型的交互方便了许多。参考如下：

vbnet代码解读复制代码#Generate a response
curl <http://localhost:11434/api/generate> -d '{
  "model": "llama3",
  "prompt":"Why is the sky blue?"
}'
#Chat with a model
curl <http://localhost:11434/api/chat> -d '{
  "model": "llama3",
  "messages": [
    { "role": "user", "content": "why is the sky blue?" }
  ]
}'

另外还出了2个官方的库，Ollama-python和Ollama-js，更加方便了开发者进行集成。现在网上也有超级多的和Ollama集成的教程和工具。

#2 LLaMA-Factory

项目名称：LLaMA-Factory - 微调工具
GitHub 链接：github.com/hiyouga/LLa…
上周 Star 数：3000+

LLaMA-Factory是一个统一的框架，集成了一套先进的高效训练方法。它允许用户通过内置的Web UI灵活定制100多个LLMs的微调，而无需编写代码。

高效的 fine-tuning 对于将大型语言模型落地式至关重要的，很多时候微调所带来的效果可以让大语言模型提升几个档次。LLaMA-Factory可以帮我们节省在多个模型上进行训练的大量工作。

与 ChatGLM 官方的 P-Tuning 微调相比，LLaMA Factory 的 LoRA 微调提供了 3.7 倍的加速比，同时在广告文案生成任务上取得了更高的 Rouge 分数。结合 4 比特量化技术，LLaMA Factory 的 QLoRA 微调进一步降低了 GPU 显存消耗。

项目特色：

多种模型：LLaMA、LLaVA、Mistral、Mixtral-MoE、Qwen、Yi、Gemma、Baichuan、ChatGLM、Phi 等等。
集成方法：（增量）预训练、（多模态）指令监督微调、奖励模型训练、PPO 训练、DPO 训练和 ORPO 训练。
多种精度：32 比特全参数微调、16 比特冻结微调、16 比特 LoRA 微调和基于 AQLM/AWQ/GPTQ/LLM.int8 的 2/4/8 比特 QLoRA 微调。
先进算法：GaLore、BAdam、DoRA、LongLoRA、LLaMA Pro、Mixture-of-Depths、LoRA+、LoftQ 和 Agent 微调。
实用技巧：FlashAttention-2、Unsloth、RoPE scaling、NEFTune 和 rsLoRA。
实验监控：LlamaBoard、TensorBoard、Wandb、MLflow 等等。
极速推理：基于 vLLM 的 OpenAI 风格 API、浏览器界面和命令行接口。

支持的训练方法：

LLaMA-Factory由三个主要模块组成：模型加载器（Model Loader）、数据处理器（Data Worker）和训练器（Trainer）。

#3 twenty

项目名称：twenty - Salesforce 替代
GitHub 链接：github.com/twentyhq/tw…
上周 Star 数：2700 +

twenty 是一个开源的CRM平台，它自称 NO.1 的开源CRM。它也提出要成为Salesforce的开源替代。

项目团队花费了数千个小时来研究 Pipedrive 和 Salesforce 等传统 CRM，以使它们与业务需求保持一致，但最终却感到沮丧——定制非常复杂，而且这些平台的封闭生态系统可能会让人感到受到限制。他们认为企业需要一个能够增强而非限制的 CRM 平台，这应该来自开源社区。

Twenty 提供了强大的功能，让您能够完全控制并帮助您高效地运营业务。以下是一部分功能

添加、过滤、排序、编辑和跟踪客户
为每家公司创造一个或多个机会
查看时间线中显示的丰富笔记任务
在记录上创建任务
使用键盘快捷键和搜索快速浏览应用程序

Twenty的特点包括：

开源可控：不在受供应商的控制。

重新定义数据：使用现有数据源，不在需要导入和转移数据。

轻松直观：户友好的和可定制界面。

因为是海外的开源项目，所以涉及的一些关联产品也都是偏海外，所以如果在国内使用可能需要一些适应，另外如果需要也可以参与开源来扩展能力。

#4 open-webui

项目名称：open-webui - LLM的Web UI
GitHub 链接：github.com/open-webui/…
上周 Star 数：2600+

Open WebUI 是一个可扩展、功能丰富且用户友好的自托管 WebUI，旨在完全离线操作。它支持各种 LLM 运行程序，包括 Ollama 和 OpenAI 兼容的 API。

这个项目和刚刚第一个介绍的Ollama组合起来就很方便，由Ollama来提供本地的大模型能力，然后用Open WebUI来提供一个可视化的使用界面，一个完整的本地大模型运行方案的建立起来了。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

而且本身项目的能力也非常强，项目的特点包括：

️直观的界面：我们的聊天界面从 ChatGPT 中汲取灵感，确保用户友好的体验。
响应式设计：在桌面和移动设备上享受无缝体验。
⚡快速响应：享受快速响应的性能。
轻松设置：使用 Docker 或 Kubernetes无缝安装，以获得无忧体验。
主题定制：从各种主题中进行选择，个性化您的 Open WebUI 体验。
代码语法突出显示：通过我们的语法突出显示功能增强代码的可读性。
本地 RAG 集成：通过突破性的检索增强生成 (RAG) 支持深入了解聊天交互的未来。
多个模型对话：轻松地同时与多个模特互动

本地启动open-webui也非常方便，利用docker可以方便的将它启动，如果Ollama已经在本地运行，执行以下命令即可：

kotlin

代码解读
复制代码docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

同时在项目组的roadmap中也还有非常多的功能等待实现：

本地文本转语音集成
精细的权限和用户组
函数调用
微调模型（LoRA）
长期记忆

#5 Awesome-Chinese-LLM

项目名称： Awesome-Chinese-LLM - 中文LLM资料
GitHub 链接：github.com/HqWu-HITCS/…
上周 Star 数：1500+

自ChatGPT为代表的大语言模型（Large Language Model, LLM）出现以后，由于其惊人的类通用人工智能（AGI）的能力，掀起了新一轮自然语言处理领域的研究和应用的浪潮。尤其是以ChatGLM、LLaMA等平民玩家都能跑起来的较小规模的LLM开源之后，业界涌现了非常多基于LLM的二次微调或应用的案例。本项目旨在收集和梳理中文LLM相关的开源模型、应用、数据集及教程等资料，目前收录的资源已达100+个！