保姆级实战教程：安装部署私有化大模型，并投喂数据

想要部署属于自己的大模型，会不会很困难？其实不是的，现在是越来越简单。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

今天就做一个简单的示范，让大家都能轻松搞定在自己的电脑哦上，本地化部署并运行私有化大模型，并且为我们自己的大模型投喂数据。

这样，就可以建立自己的数据仓库，没错，就可以定制垂直行业或细分领域的私有化大模型了。

酷~~~

首先，我们会用到Ollama，功能是运行大模型。

Ollama是一款LLM也就是大型语言模型服务工具，可以极大简化在本地运行大语言模型，极大降低了使用大语言模型的门槛，而且是开源的哦。

目前Ollama支持的大语言模型有：Llama 3、Phi 3、Mistral、Gemma、Neural Chat、Starling、LLaVA、Solar等，当然也包括我们今天演示的Qwen2.5开源大模型。

其次，是Qwen2.5（通义千问）开源大模型。

Qwen（通义千问）是阿里巴巴旗下的大语言模型，具有70亿参数规模，基于Transformer研发。

最后，是AnythingLLM，大模型增强应用，用来做界面化的交互，同时也可以处理文本标记，以及向量数据存储，这样我们就可以给自己部署的大模型投喂数据了。

OK，正式开始！

首先，我们来下载Ollama，官网是：https://ollama.com/

按照页面现实，点击“Download”按钮，进入下载页面。

Ollama支持macOS、Linux和我们常用的Windows操作系统，按照自己电脑安装的操作系统进行选择就可以了。

我用的是Windows 11。

文件并不大，只有700多M，安装软件下载到本地后，直接双击进行安装！

安装软件不复杂，相信各位都能顺利完成。

安装成功后，系统会自动进入命令提示符界面。

现在我们下载AnythingLLM，官网地址是：https://anythingllm.com/

同样的，我们根据自己电脑操作系统，选择对应的安装程序进行下载。

不到300M的安装程序，很快就可以下载下来了。

安装过程和常规软件安装差不多，按照提示进行安装即可。

接下来，咱需要安装一个大模型，今天演示安装通义千问（Qwen）大模型。

在Ollama官网，搜索“Qwen”，如下图所示。

我们选择“qwen2.5”。

在出现的页面中，我们选择复制这段命令，或者直接在命令提示那里输入也可以。

回车后，命令开始执行。

系统会自动开始下载Qwen2.5大模型，文件有点大，4.7G，所以，需要耐心等待一下。

安装成功了，如下图：

这时，我们就可以向大模型提问了，比如：

好了，现在我们还差一个友好的交互界面。

我们打开AnythingLLM，来设置界面化的操作模式。

首先我们先对它进行相关配置的设置。点击左下角的设置按钮。

LLM首选项要选“Ollama”，模型选：Qwen2.5:latest，其它选项可以设置为默认值就可以了。

向量数据库设置，根据实际情况选择即可，这里我们选择了默认的LanceDB。

接下来，嵌入首选项设置，嵌入引擎提供商我们选择Ollama，Ollama Embedding Model我选择的是：nomic-embed-text。

nomic-embed-text是需要提前安装的，安装方法也很简单，在Ollama官网搜索nomic-embed-text，然后复制执行代码，在命令提示符状态下进行执行即可。

复制代码，并执行，系统会进行自动下载并安装。

如果我们要给大模型投喂数据，那么投喂的数据都需要先进行向量化处理，而nomic就是对文本进行向量化处理的工具。

返回上一步的操作界面，我们来创建一个工作区，任意命名这个工作区即可。

我们对这个工作区做一个简单的设置，选择“聊天设置”，同理，要设置成Ollama和Qwen2.5。

接下来设置“代理设置”，一样的配方，一样的味道。

都设置完成后，也象征着我们顺利完成了本地大模型部署，现在可以和它进行对话了哦。

激动的心，颤抖的手，可以在对话框里开始提问了哦~~~

OK，搞定，手工~

且慢，如果我们想投喂数据该怎么操作？

我们只需点击“设置”按钮旁边的这个按钮，即可进入投喂数据操作界面。

投喂操作界面如下：

点击上传文件就可以了。

上传文件后，系统会进行向量化处理，处理后保存，那么下次提问，就可以检索出我们投喂的数据了。

比如，我随便编排了一段文字，然后投喂进去。

这个“锻炼项目”是我瞎编的。

接下来我们再向它提问，它的回答就已经有了我们投喂的数据。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝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】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

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。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉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。

👉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】🆓