文章目录
- 大模型工具Ollama
- ollama的web&Desktop
-
- [搭建部署Open WebUI有两种方式](#搭建部署Open WebUI有两种方式)
-
- [Docker Desktop](#Docker Desktop)
- [Docker部署Open WebUI](#Docker部署Open WebUI)
- [Docker部署Lobe Chat](#Docker部署Lobe Chat)
- 大模型的选择
本篇基于windows环境下配置
大模型工具Ollama
下载
windows环境下就安装windows版本
安装
点击下载的exe文件进行傻瓜式安装
运行
去ollama官网(models模块下)找大模型的名字,然后复制ollama的运行名字
https://ollama.com/library
java
ollama run qwen:4b
Spring Ai 代码测试
默认ollama会监听11434端口,可以使用下面命令查看
java
netstat -ano | findstr 11434
可以使用ollama list指令查看本地已经下好的大模型
java
ollama list
加依赖
java
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>
或者使用23版以上的idea,创建spring项目的时候选最新版本,直接勾选上AI模块下的ollama模块
配置
java
spring:
application:
name: open-ai-05-ollama
ai:
ollama:
base-url: http://localhost:11434
chat:
options:
model: qwen:4b
写代码
java
@RestController
public class OllamaController {
@Autowired
private OllamaChatClient ollamaChatClient;
@RequestMapping(value = "/ai/ollama")
public Object ollama(@RequestParam(value = "msg") String msg){
String call = ollamaChatClient.call(msg);
System.out.println(call);
return call;
}
@RequestMapping(value = "/ai/ollama2")
public Object ollama2(@RequestParam(value = "msg") String msg){
ChatResponse response = ollamaChatClient.call(new Prompt(
msg,
OllamaOptions.create()
.withModel("qwen:4b")
.withTemperature(0.4f)));
String content = response.getResult().getOutput().getContent();
System.out.println(content);
return content;
}
}
ollama的web&Desktop
看ollama的github主页下面有很多的web&Desktop,比较流行的是Open WenUI
Open WenUI Github https://github.com/open-webui/open-webui
Open WenUI 官网:https://github.com/open-webui/open-webui
搭建部署Open WebUI有两种方式
- Docker方式(官网推荐)
- 源代码部署安装方式:(文档https://docs.openwebui.com/getting-started/)
Docker Desktop
windows环境下推荐使用Docker Desktop
轻量化,界面化操作Docker容器
官网下载安装包
https://www.docker.com/products/docker-desktop/
下载后傻瓜式安装即可,安装后需要重启,然后打开Docker Desktop后的界面如下:
Docker部署Open WebUI
在docker中运行Open WebUI
在命令行运行docker指令
java
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v D:\dev\open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
这是一个 docker run 命令,用于启动一个新的 Docker 容器,下面是这个命令各个部分的解释:
- docker run:这是 Docker 的命令,用于从指定的镜像启动一个新的容器;
- -d:表示在"分离"模式下运行容器,即后台运行;
- -p 3000:8080:端口映射,表示将宿主机的3000端口映射到容器的8080端口,当你访问宿主机的3000端口时,实际上会访问容器内的8080端口;
- --add-host=host.docker.internal:host-gateway:这个选项向容器的 /etc/hosts 文件中添加一条记录,这通常用于让容器能够解析到宿主机的名称,并且将其 IP 地址设置为宿主机的网关地址,这在某些网络配置中很有用,尤其是当容器需要知道宿主机的地址时;
- -v D:\dev\open-webui:/app/backend/data:卷挂载,这表示将宿主机的 D:\dev\open-webui 目录挂载到容器内的 /app/backend/data 目录,这样,容器和宿主机之间可以共享这个目录中的数据;
- --name open-webui:为容器指定一个名称,这里是 open-webui;
- --restart always:这个选项告诉 Docker 在容器退出时总是自动重启它,无论容器是因为何种原因退出,它都会自动重启;
- ghcr.io/open-webui/open-webui:main:这是你要运行的 Docker 镜像的完整名称,ghcr.io 是 GitHub Container Registry 的地址,open-webui/open-webui 是镜像的仓库和名称,main是标签,通常表示该镜像的最新或主分支版本;
第一次运行需要拉取镜像比较慢,等待执行完成
这时候打开docker desktop就可以在images模块下看到拉取到的镜像
我们在拉取镜像的时候指定了Web UI的端口为3000,所以访问3000端口即可
java
http://localhost:3000/
第一次会要求登录
注册并登录
上来后和Chatgpt的页面很像的。
select model的地方选择上我们通过ollama部署的模型。然后就可以开心聊天了
Docker部署Lobe Chat
Github:https://github.com/lobehub/lobe-chat
- Built for you the Super Individual (专为你打造的超级个人)
- 现代化设计的开源 ChatGPT/LLMs
- 聊天应用与开发的UI框架; 支持语音合成、多模态、可扩展的(function call)插件系统;
- 一键免费拥有你自己的ChatGPT/Gemini/Claude/Ollama 应用;
Lobe Chat 部署
- 使用 Vercel、Zeabur 或 Sealos 部署;
- 使用 Docker 部署;
java
docker run -d -p 3210:3210 -e OPENAI_API_KEY=sk-xxxx -e ACCESS_CODE=lobe66 --name lobe-chat lobehub/lobe-chat
完整的部署文档:https://lobehub.com/zh/docs/self-hosting/start
同样的,在拉取完成后,docker desktop中也会有镜像,
同样的方式,访问我们指定的3210端口
这个需要点击设置去配置模型
可以配置OpenAI的key
注意 代理的地址要在后面加上/v1
配置好后就可以访问openai
也可以配置ollama
本机默认代理地址可以不用配,模型列表中选上你的模型就可以使用了。
还可以加插件使用
也可以在本地部署更强大的模型,使用图片,文件,音频等模态
大模型的选择
- 大语言模型主要分为国外大模型 和 国内大模型;
- 国外大模型,可能受到一些限制,或者不稳定;
- 国内也有非常优秀的大模型,国内大模型排行榜:
- https://www.superclueai.com/
- 基于中文语言理解测评基准,包括代表性的数据集、基准(预训练)模型、语料库、排行榜;
- 选择一系列有一定代表性的任务对应的数据集,做为测试基准的数据集,这些数据集会覆盖不同的任务、数据量、任务难度;