前言

在本地使用大模型搭建知识库，可以充分保障数据的隐私和安全，同时由于不需要依赖网络连接方便企业内部使用此外，最重要的是能够对模型和知识库进行定制化，根据具体需求进行调整，从而更好地满足特定业务场景的要求，既能供企业内部使用，也能做成Server供客户使用。

哪里可以获取大模型？

大模型的种类很多，而且版本更新比较频繁，不过当前所有流行的开源大模型都可以在HuggingFace上下载。HuggingFace可以说是AI模型领域的Github，这里有70多万种模型，涵盖多模态、计算机视觉、NLP、强化学习等领域。

通过HuggingFace的分类Libraries下的Transformers就能获取到大模型的Trending流行趋势信息，其中Meta的羊驼Llama3系列、法国Mistral AI的Mistral系列、阿里的Qwen系列是目前业内最广泛使用的开源大模型。

HuggingFace上有当前最热门的大模型

同时我们也可以关注和了解一下开源大模型的横向评分测评，以下是这三个大模型的评测对比，阿里的通义千问Qwen2-72B是当前这个规模最强的开源模型。不过我之所以更推荐国内用户选择Qwen2，主要是开源大模型对中文的支持程度不同，Qwen2更适合国内用户。

三大模型的能力PK

Ollama、WebUI工具链

为了方便在本地部署大模型，就需要使用大模型的运行框架，可供选择的方案有vLLM、LM Studio等，这里更推荐Ollama。Ollama支持Windows、MacOS、Linux平台，能够智能地利用可用的的硬件资源（GPU和CPU）加速推理并优化性能，能够非常方便地安装和管理各种大模型，包括Qwen2。

Ollama支持快速安装各种大模型

Ollama的安装，以及使用Ollama部署模型都非常简单，在官网下载安装好之后通过以下命令就能部署安装qwen2 7b的模型，而如果你的本地硬件配置足够，可以选择72b的模型。

ollama run qwen2

Ollama支持千问qwen2系列的下载

大模型部署完成后通常只有一个命令行的界面，而有了Ollama丰富的生态，我们可以借助于一些WebUI工具能与大模型进行聊天的交互，也可以基于API，将大模型与应用程序和工作流集成。

通过ollama可以快速启动本地大模型

至于WebUI，可供选择的方案也有很多，比如Open WebUI，NextChat，我个人比较喜欢使用LobeChat，因为它支持很多闭源模型的API，也支持云端部署的大模型，还支持离线部署的大模型。

LobeChat支持各种闭源、本地大模型

我们可以使用Docker在本地安装LobeChat，至于如何在LobeChat中使用Ollama可以看官方的文档：https://lobehub.com/zh/docs/usage/providers/ollama

LobeChat选择本地大模型

RAG应用的构建

如果只是想要拥有一个离线的大模型聊天平台，以上内容就可以解决你大部分问题，但既然你要选择在本地部署大模型，显然就不该止步于此，你可以结合本地大模型+Ollma+个人或企业内部的资料（知识库）来定制化开发专属而私密的RAG应用。

RAG的框架有很多，比如RAGFlow、AnythingLLM、Verba、Flowise、Langflow、Quivr等等，这里只以AnythingLLM为例。
AnythingLLM和Ollama一样也支持MacOS、Windows。Linux，安装完成打开软件，可以看到如下操作界面，在大模型服务商里选中Ollama后，输入Ollama的服务端模式的地址（可以通过在终端输入ollama serve开启）http://127.0.0.1:11434之后，就能看到我们之前安装的Qwen2 7b的模型了。

AnythingLLM支持Ollama+本地大模型

确定设置并进行下一步之后，就可以看到构建RAG的三要素，大模型、嵌入模型以及向量数据库，AnythingLLM就都给我们安排好了。

AnythingLLM内置嵌入模型和向量数据库

然后我们就可以在工作区添加一些txt文本文件、代码文件、csv以及表格、音频文件、外部网页等等，还支持搜索、连接数据库等等，通过AnythingLLM来管理本地的知识库就会方便很多。

AnythingLLM支持多种格式和多种形式的本地知识库

这种本地搭建大模型和基于本地知识库搭建RAG应用的方式比较推荐企业内部需要离线以及对知识库安全要求较严格的场景，如果是中小企业，推荐使用阿里云的百炼，部署更加简单，成本也更低（主要是硬件成本相对更低，目前token的费用也是白菜价）。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​