大模型爱好者的福音，有了它个人电脑也可以运行大模型了

“ GPT4ALL，一个基于llama.cpp开源项目的本地大模型。”

GPT4ALL是一款可以运行在个人电脑上的大模型系统，不需要GPU即可运行，目前支持mac，linux和windows系统。

github地址：https://github.com/nomic-ai/gpt4all

01

—

什么是GPT4ALL？

不论学习任何东西，首先要明白它是个什么东西。

Open-source large language models that run locally on your CPU and nearly any GPU。

这是GPT4ALL github上的介绍，翻译过来就是可以运行在CPU和GPU上的开源大模型系统。

GPT4ALL不单是一个chatbot软件，而是一个生态系统。用于训练和部署强大且可定制的大型语言模型，可以在消费级CPU上本地运行。它的目标是成为最好的指令微调型的语言助手模型，任何个人或企业都可以自由使用、分发和构建。

我们知道，自从openAI发布chatGPT之后，大模型如雨后春笋般出现，各个公司都开始开发自己的大模型。国内以openAI领头，谷歌，meta，苹果等公司紧随其后。

国内的阿里，百度，腾讯等也先后发布了自己的大模型；可以说大模型进入了群魔乱舞的时代。

但是，对个人和小企业来说，研发一款大模型不论是技术成本，还是资金成本都是不可接受的。但由于个人的学习需要和企业的数据安全性需要，各个公司都希望能够训练一个可以在自己企业内部使用的大模型系统。

而openAI的GPT模型是一个完全闭源的系统，而meta公司开源的Llama大模型，由于其效果不错，所以走进了大家的视线。

GPT4ALL官方提供的数据对比

而GPT4ALL就是一款建立在Llama模型上的开源系统，当然由于其系统要求低，在本地部署的也属于阉割版的Llama，不过对于个人学习和小企业使用也够了；

而且，GPT4ALL可以自己收集数据进行训练和微调，这样就大大节约了成本；并且更加定制化。

GPT4ALL最大的优点就是开源且能商用，不管是个人还是企业，在不想数据泄露给他人的情况下，能够私有部署和快速训练自己的GPT。而且GPT4All 13B（130亿参数）模型性能直追1750亿参数的GPT-3。

02

—

GPT4ALL的本地部署以及使用

在个人计算机上部署GPT4ALL有两种方式：

第一种就是从GPT4ALL官网下载客户端，如上图所示，用户可以从搜索框中搜索大模型，并下载到本地即可使用。

或者去官网下载大模型到本地，如下图所示：

官网地址：https://gpt4all.io/index.html

第一种方式可以作为不懂技术的个人爱好者下载使用，第二种方式就是提供给个人开发者和企业使用的一种方式。

如下图所示，用户可以根据其官方文档，使用不同的编程语言调用大模型的功能接口。以此来实现自己的学习或者企业的应用场景。

GPT4ALL的编程接口

GPT4ALL的python文档

文档地址： https://docs.gpt4all.io/

如下图所示，用户只需要安装python环境，并且使用pip包管理工具，安装gpt4all的包，即可在开发环境中调用大模型的功能。

官方提供了大量已经训练好的模型以供直接使用。

作者在本地使用python调用大模型功能

而如果，你觉得官方提供的大模型功能不合适，那么你还可以根据官方文档进行大模型的训练和微调，定制化一款真正属于自己的大模型。

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。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】