使用ollama + AnythingLLM快速且简单的在本地部署llm3

使用ollama + AnythingLLM快速且简单的在本地部署llm3

不多说,直接开始

一、安装ollama

ollama官网:https://ollama.com/

下载地址:https://ollama.com/download

打开以后注册并下载即可

安装没有什么好说的,找到自己的系统安装即可,因为我的电脑没有搞虚拟机,所以就直接安装Windows的版本了

二、下载模型并运行ollama

安装ollama以后,通过管理员打开powershell

输入ollama,只要出现下面这些,说明安装成功了

打开ollama的模型的网页:https://ollama.com/library

我们以llm3为例,双击进入

常用的命令有

复制代码
  serve       Start ollama
  create      Create a model from a Modelfile
  show        Show information for a model
  run         Run a model
  pull        Pull a model from a registry
  push        Push a model to a registry
  list        List models
  cp          Copy a model
  rm          Remove a model
  help        Help about any command

可以看到页面中让执行ollama run llama3即可

一般来说run是用来跑模型的,但是如果本地没有这个模型的话,ollama会自动下载

PS:国内的网络问题不知道有没有解决,下载模型的时候偶尔速度很快,但是很多时候速度很慢以至于提示TLS handshake timeout,这种情况建议重启电脑或者把ollama重启一下(不知道为啥,我同步打开GitHub的时候速度会明显快一些,可能也是错觉)

下载完成以后我们输入ollama list可以查下载了哪些模型

这里我们直接输入ollama run llama3,就可以开始对话了

三、下载AngthingLLM

AngthingLLM官网:https://useanything.com

下载链接:https://useanything.com/download

同样的选择对应的系统版本即可

在使用前,需要启动Ollama服务

执行ollama serve,ollama默认地址为:http://127.0.0.1:11434

然后双击打开AngthingLLM

因为我已经配置过,所以不好截图最开始的配置界面了,不过都能在设置里面找到

首先是LLM Preference,LLM provider选择ollama,URL填写默认地址,后面的模型选择llama3,token填4096

Embedding Preferenc同样选择ollama,其余基本一致,max我看默认8192,我也填了8192

Vector Database就直接默认的LanceDB即可

此时我们新建工作区,名字就随便取,在右边就会有对话界面出现了

此时你就有了自己本地的语言模型了

是不是很简单,费时间的地方其实就在下载模型的时候,想用Open WebUI,但是电脑没有搞docker,就用AngthingLLM了,如果实在下不下来,也可以搞离线模型,Windows系统模型默认路径是C:\Users\wbigo.ollama\models,模型库网址:https://modelscope.cn/models

挺全的

相关推荐
2401_8414956418 小时前
【自然语言处理】轻量版生成式语言模型GPT
人工智能·python·gpt·深度学习·语言模型·自然语言处理·transformer
leafff12320 小时前
【大模型】多模态大语言模型(MLLMs):架构演进、能力评估与应用拓展的全面解析
人工智能·语言模型·自然语言处理
开放知识图谱20 小时前
论文浅尝 | 图约束推理:在知识图谱上实现大语言模型的忠实推理(ICML2025)
人工智能·语言模型·自然语言处理·知识图谱
oe10191 天前
好文与笔记分享 A Survey of Context Engineering for Large Language Models(下)
人工智能·笔记·语言模型·agent
oe10191 天前
好文与笔记分享 A Survey of Context Engineering for Large Language Models(中)
人工智能·笔记·语言模型·agent开发
林九生1 天前
【人工智能】使用 vLLM 高效部署大语言模型:以 secGpt14b 为例
人工智能·语言模型·自然语言处理
十三画者1 天前
【文献分享】DARKIN:基于蛋白质语言模型的零样本磷酸化位点与暗激酶关联基准测试
人工智能·语言模型·自然语言处理
五条凪1 天前
Verilog-Eval-v1基准测试集搭建指南
开发语言·人工智能·算法·语言模型
喜欢吃豆1 天前
掌握本地化大语言模型部署:llama.cpp 工作流与 GGUF 转换内核全面技术指南
人工智能·语言模型·架构·大模型·llama·llama.cpp·gguf
少林码僧1 天前
1.1 大语言模型调用方式与函数调用(Function Calling):从基础到实战
人工智能·ai·语言模型·自然语言处理·llm·1024程序员节