很多人想在本地电脑上搭建一个大模型聊天机器人。总是觉得离自己有点远,尤其是对ai没有了解的童鞋。那么今天我要和你推荐ollama,无论你是否懂开发,哪怕是零基础,只需十分钟,Ollama工具就可以帮助我们在本地电脑上搭建一个大模型聊天机器人。下面,我会逐步介绍来确保大家顺利完成安装并启动使用。
后续会出专题期详细介绍Ollama的用法。今天主要介绍三点:
- Ollama简介
- Ollama环境配置要求
- Ollama下载安装
- Ollama本地运行大模型
- 在跑本地大模型的同时,使用像ChatGPT那样的Web UI。
1.Ollama简介:
-
开源免费:Ollama是一个不收费的开源工具。
-
即插即用:它提供了预装好的大模型,免除了复杂的安装和下载流程。
-
用户友好:即便没有任何技术背景,Ollama也易于上手和使用。
-
跨平台兼容性:
-
-
Ollama支持各种设备,包括PC、Mac甚至是树莓派。
-
运行各种规模的模型,保证了出色的扩展性。
-
2.Ollama环境配置要求
以下7B、13B、14B等等都是指模型的参数量,1b= 1billion = 10亿,7B = 70亿表示参数量有70亿。参数量越多,对电脑环境要求越高。
环境要求举例:
- 7B :至少8GB内存能流畅运行
- 14B :至少16GB内存能流畅运行
- 72B :至少64GB内存能流畅运行
我测试电脑16GB,最多只能选择16GB内存的14B的模型,这里演示用7B模型。
3.Ollama下载安装
ollama极大的简化了安装的过程,并提供了多种选择。
支持的平台包括:Windowa、Mac和Linux,并提供了docker 镜像。
下载地址:https://ollama.com/download/
①下载 按照自己电脑系统,进行选择下载即可(本文以windows为例)
②安装 双击下载好的安装包即可(mac同理,linux直接用命令,访问上方网址即可)
**
③启动窗口 安装之后会有窗口提示你ollama已经安装完成,可以点击即可打开窗口。
④一行命令即可启动
命令:ollama run qwen:7b
这行命令是指启动qwen模型,7b参数的这个。首次启动会自动下载,下载完成之后即可对话使用了!!!
下载成功
测试一下(大家可以直接在cmd窗口执行):
prompt:一行命令搭建了一个大模型,有点开心,给我讲个故事吧
如果大家还想了解其他可用的模型,直接访问:https://ollama.com/library,搜索你要使用的模型,主流的模型,比如 qwen1.5、llama2、mixtral 等,Ollama都是支持。
⑤在跑本地大模型的同时,使用像ChatGPT那样的Web UI。
界面话,非必要的。只是为了方便使用,界面好看而已。如何将这个大模型接入一个网页呢?这里可以直接采用另一个开源项目chatbot-ollama:
chatbot-ollama: https://github.com/ivanfioravanti/chatbot-ollama
目前,像这种实现有很多,原理和结果都相似,其中选择一个来用即可。这部分本次不着重介绍,后续会有专题,有需要的童鞋可以持续关注。
最后:
有了Ollama,可以满足大家对大型语言模型的好奇心,将先进的技术应用到日常项目中,无论技术水平如何。大家可以自己玩起来吧!如果对ollama感兴趣的话,欢迎持续关注!
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
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(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。