使用ollama + AnythingLLM快速且简单的在本地部署llama3-CSDN博客

本文链接：https://blog.csdn.net/huang9604/article/details/141895287

不多说，直接开始

一、安装ollama

ollama官网：https://ollama.com/
下载地址：https://ollama.com/download

打开以后注册并下载即可

在这里插入图片描述

安装没有什么好说的，找到自己的系统安装即可，因为我的电脑没有搞虚拟机，所以就直接安装Windows的版本了

二、下载模型并运行ollama

安装ollama以后，通过管理员打开powershell

输入ollama，只要出现下面这些，说明安装成功了

在这里插入图片描述

打开ollama的模型的网页：https://ollama.com/library

在这里插入图片描述

我们以llm3为例，双击进入

在这里插入图片描述

常用的命令有

  serve       Start ollama
  create      Create a model from a Modelfile
  show        Show information for a model
  run         Run a model
  pull        Pull a model from a registry
  push        Push a model to a registry
  list        List models
  cp          Copy a model
  rm          Remove a model
  help        Help about any command

可以看到页面中让执行ollama run llama3即可

一般来说run是用来跑模型的，但是如果本地没有这个模型的话，ollama会自动下载

PS:国内的网络问题不知道有没有解决，下载模型的时候偶尔速度很快，但是很多时候速度很慢以至于提示TLS handshake timeout，这种情况建议重启电脑或者把ollama重启一下(不知道为啥，我同步打开GitHub的时候速度会明显快一些，可能也是错觉)

下载完成以后我们输入ollama list可以查下载了哪些模型

在这里插入图片描述

这里我们直接输入ollama run llama3，就可以开始对话了

在这里插入图片描述

三、下载并配置AngthingLLM

AngthingLLM官网：https://useanything.com
下载链接：https://useanything.com/download

同样的选择对应的系统版本即可

在这里插入图片描述

在使用前，需要启动Ollama服务

执行ollama serve，ollama默认地址为：http://127.0.0.1:11434

然后双击打开AngthingLLM

因为我已经配置过，所以不好截图最开始的配置界面了，不过都能在设置里面找到

首先是LLM Preference，LLM provider选择ollama，URL填写默认地址，后面的模型选择llama3，token填4096

在这里插入图片描述

Embedding Preferenc同样选择ollama，其余基本一致，max我看默认8192，我也填了8192

在这里插入图片描述

Vector Database就直接默认的LanceDB即可

在这里插入图片描述

此时我们新建工作区，名字就随便取，在右边就会有对话界面出现了

在这里插入图片描述

此时你就有了自己本地的语言模型了

是不是很简单，费时间的地方其实就在下载模型的时候，本来想用Open WebUI，但是电脑没有搞docker，就用AngthingLLM了，后续有空搞个docker用open webui

如果模型实在下不下来，也可以搞离线模型

Windows系统下ollama存储模型的默认路径是C:\Users\wbigo.ollama\models，一个模型库网址：https://modelscope.cn/models

挺全的，但是说实话，llama3-8B我感觉挺拉胯的，可能英文好一些，中文的话使用不如qwen

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。

在这里插入图片描述

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)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

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

在这里插入图片描述

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