本地部署嵌入模型与重排模型指南

本地部署AI应用的一个重要原因就是要用RAG技术对知识库进行管理。

简单来说就是大语言模型的上下文通常只有16K-128K，也就是3万字到12万字，这对于知识库管理显然是不够，且过长的文本对于大模型来说存在注意力衰退问题。当然也有例外，比如谷歌的Gemini和海螺的Minimax，这两者的上下文分别达到了一百万和四百万。

RAG技术就是通过embedding模型对大文本进行向量化匹配问题进行初步筛选，再由reranke模型进行排序，再交由大语言模型进行处理。有兴趣的可以看：

[[RAG系列（一）：一文让你由浅到深搞懂RAG实现]]

[[为什么RAG一定需要Rerank？]]

本文以在MAC上部署Xinference+bge-m3/bge-reranker-v2-m3为例：

---

一、部署Conda

1. 下载Miniconda安装脚本

下载Mac系统的安装脚本：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh

注1：如果出现zsh: command not found: wget时，执行brew install wget来安装 wget ，也可以拿报错日志问豆包注2：Intel芯片Mac或PC需访问Miniconda官网查询对应版本替换脚本文件名

安装wget，如果连homebrew也没有，问大模型如何安装homebrew

2. 运行安装脚本

bash Miniconda3-latest-MacOSX-arm64.sh

3. 刷新Shell环境

source~/.bashrc
#刷新环境
~/miniconda3/bin/conda init zsh
#激活conda ~换成实际路径

4. 验证安装

conda --version

---

二、使用Conda安装Xinference

1. 创建并激活虚拟环境

conda create --name xinference_env310 python=3.10
#创建虚拟环境
conda activate xinference_env310
#激活虚拟环境

2. 安装必要依赖

pip install torch
pip install"transformers>=4.36.0"
pip install"sentence-transformers>=3.2.0"

3. 硬件加速（可选）

# Apple M系列
CMAKE_ARGS="-DLLAMA_METAL=on"pip install llama-cpp-python
# 英伟达显卡
CMAKE_ARGS="-DLLAMA_CUBLAS=on"pip install llama-cpp-python
# AMD显卡
CMAKE_ARGS="-DLLAMA_HIPBLAS=on"pip install llama-cpp-python

4. 安装Xinference

pip install xinference

---

三、启动Xinference服务

# 前台运行
xinference-local --host 0.0.0.0 --port 9997
# 后台运行
nohup bash -c'xinference-local --host 0.0.0.0 --port 9997'> xinference.log 2>&1 &

验证地址：http://localhost:9997

四、模型安装

通过WebUI下载：

• 推荐模型：bge-m3、bge-reranker-v2-m3
  
  
  
  
• 保持终端运行状态并下载（后台运行方式见下一章）
  
  
  

---

五、创建后台守护服务（macOS）

1. 打开Automator → 新建"应用程序"

2. 添加「运行Shell脚本」组件：

source/opt/anaconda3/etc/profile.d/conda.sh
conda activate xinference_env
nohup xinference-local -H 0.0.0.0 --port 9997 > /tmp/xinference.log 2>&1 &

1. 保存为XinferenceDaemon.ap``p至/Applications

2. 系统偏好设置 → 用户与群组 → 登录项中添加该应用

查看日志：

tail -f /tmp/xinference.log

---

六、dify调用配置

1. 安装OpenAI-API-Compatible插件

2. 设置 → 模型供应商：

3. Rerank/Embedding模块配置

4. 填入对应的Xinference接口信息（如host.docker.internal:9997）