利用周末的时间，在自己的笔记本电脑上部署一个本地大模型，过程也记录下来分享给对此有兴趣的朋友们。
【步骤】
模型相关的基础概念这里不多赘述了，直接进入实战。
整个部署过程分为三个步骤：
步骤一：下载ollama大模型工具
步骤二：在ollama工具中，下载通义千问大模型
步骤三：下载AnythingLLM并配置选择ollama的通义千问模型，直接在窗口对话
※文末打包了本次部署的所有安装文件
【逐步骤讲解】
官网下载ollama
https://ollama.com/download
安装后启动ollama
命令行窗口，敲入命令ollama list，此时显示没有任何大模型，开始去下载
下载大模型，阿里千问0.5b（5亿参数）
ollama run qwen:0.5b
特意一早爬起来
，网速快得飞起。小400M不到一分钟下载完成。
下载完成后，简单问一个小问题，看看反应如何？
0.5b是通义千问最小的一个模型，安装在普通笔记本上，反应速度还可以。返回的内容也还行，自己做练习搞点小研究足够了。
命令扩展：命令行窗口可以查看模型相关的信息
lollama list：显示模型列表。
lollama show：显示模型的信息
lollama pull：拉取模型
lollama push：推送模型
lollama cp：拷贝一个模型
lollama rm：删除一个模型
lollama run：运行一个模型
有条件的话，机器配置也能跟得上，可以下载更大的模型，如下表：
模型 | 参数 | 大小 | 下载 |
Llama 2 | 7B | 3.8GB | ollama run llama2 |
Mistral | 7B | 4.1GB | ollama run mistral |
Dolphin Phi | 2.7B | 1.6GB | ollama run dolphin-phi |
Phi-2 | 2.7B | 1.7GB | ollama run phi |
Neural Chat | 7B | 4.1GB | ollama run neural-chat |
Starling | 7B | 4.1GB | ollama run starling-lm |
Code Llama | 7B | 3.8GB | ollama run codellama |
Llama 2 Uncensored | 7B | 3.8GB | ollama run llama2-uncensored |
Llama 2 13B | 13B | 7.3GB | ollama run llama2:13b |
Llama 2 70B | 70B | 39GB | ollama run llama2:70b |
Orca Mini | 3B | 1.9GB | ollama run orca-mini |
Vicuna | 7B | 3.8GB | ollama run vicuna |
LLaVA | 7B | 4.5GB | ollama run llava |
Gemma | 2B | 1.4GB | ollama run gemma:2b |
Gemma | 7B | 4.8GB | ollama run gemma:7b |
Ollama服务默认地址和端口是http://127.0.0.1:11434/
服务开启时，访问该地址会返回Ollama is running
不过只能在命令行中玩耍还是不太方便，想个办法弄个网页版的，像chatgpt页面一样。
下载Anythingllm结合ollama使用。（这个文件有点大，干掉6个多G）
Anything下载地址https://anythingllm.com/desktop
安装后直接打开，创建新工作区
下面小扳手是设置，打开之后，
LLM提供商选择上面步骤安装的ollama，模型选择上面安装的qwen0.5b大模型。其他的默认不需修改
保存后，返回到我的工作区，聊天窗口可以愉快地体验自己部署的本地大模型啦。
到此为止，一个AnythingLLM+Ollama+qwen0.5b的本地大模型就部署好了。
| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |