【AI大模型】本地大模型运行工具、开源CRM等5个火爆项目

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：

#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：

#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。

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：

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！

在通用的模块基础上，这个项目的资料还会深入到各个具体的领域，分别整理了国内在这个方面的相关资料和教程等信息，每一个部分开头作者都会先提供一个思维导图，我觉得这个还是蛮直观的。

总之在中文大模型这个领域，有这样一个整理知识库还是挺好的，可以帮助很多有需要的人快速查找信息，也希望中文大模型可以发展的越来越好吧。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​