超简单，手把手教你在本地运行Llama 3大模型

目前，本地部署大型语言模型（LLMs）正流行起来，主要是因为LLMs能更好地保障数据安全、保护隐私，并让用户灵活控制模型输出。

Llama 3系列是Meta AI打造的新一代大型语言模型。这款模型不仅开源，融入了前沿的AI技术，而且在响应生成的效率和精准度上，相较于前代的Gemma、Gemini以及Claud 3模型，都取得了突破性的进步。

本文是个简单的小教程，介绍如何下载并运用Llama 3模型。

1 什么是Ollama

Ollama是一款开源工具，专为在本地计算机上运行像Llama 3这样的大型语言模型而设计。随着AI技术的进步，现代的大型语言模型已经摆脱了对庞大虚拟内存、计算资源和存储空间的依赖，转而优化以适应笔记本电脑等更轻便的设备。

在众多支持本地部署大型语言模型的工具和框架中，Ollama的设置流程和使用最为简单。用户可以直接通过终端或Powershell快速启用LLMs，无需复杂配置即可立即投入应用。

Ollama的最大优势在于其强大的兼容性和集成能力。例如，开发者可以在Visual Studio Code（VScode）中安装CodeGPT插件，并将Ollama与之相连，从而把Llama 3模型作为AI编程助手，直接嵌入到日常的代码编写工作中。

2 安装Ollama

访问GitHub仓库Ollama/ollama（https://github.com/ollama/ollama），滚动页面选择与操作系统相匹配的下载链接来安装Ollama。

安装完成后，Ollama的图标将出现在系统任务栏的图标区中，方便随时调用和管理。

3 下载和使用Llama 3

下载并启用Llama 3模型，需要在终端或命令行中输入以下命令：

ollama run llama3

除了Llama 3模型，还可以通过输入以下命令安装其他LLMs。

使用 Ollama 运行其他 LLM

下载完成后，就可以在本地使用Llama 3了，体验与在线使用一样的便捷。

提示（Prompt）：“Describe a day in the life of a Data Scientist.”

为了展示Llama 3响应生成的速度有多快，这里附上了GIF动图，演示了Ollama如何迅速生成并解释Python代码。

小贴士：如果笔记本电脑配备了Nvidia GPU并且已经安装了CUDA，Ollama会自动利用GPU加速，相比CPU，响应速度可提升至10倍。

提示（Prompt）：“Write a Python code for building the digital clock.”

可以通过输入/bye退出当前会话。若要再次启动Llama 3，可重新输入命令ollama run llama3即可。

4 结语

开源框架和模型的推出，让AI和大型语言模型（LLMs）变得触手可及。借助像Ollama这样的本地运行工具，AI技术不再是少数公司的专利，拥有笔记本电脑的每个用户都能够轻松使用。

本地部署LLMs不仅能够提供更好的隐私保护和安全性，还支持用户对响应生成进行更精细的控制。用户还可以创建个性化的AI编码助手，在Visual Studio Code（VSCode）这样的集成开发环境中使用，提升编程效率。

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】