基本思路

消耗显存主要是
- LLM，大语言模型，如果使用 Qwen2:1.5b，大约消耗 2GB，如果是 Qwen2:0.5b，则更小
- embedding，嵌入模型，bge-large-zh-v1.5@f16, 大约消耗 1.2GB
基础开发环境用于测试程序是否能跑通，因此可以先用本地小模型
如果需要更大的模型，可以再使用云端模型
切换本地模型和云端模型很容易，因为使用 one-api 统一了本地和云端模型的调用接口
调用模型调试代码，采用 JupyterLab 笔记
- 这样调试很方便，也便于分享
- 如果使用客户端方案，比如 Streamlit 或者 Gradio
  - 过程复杂了，没有专注在模型相关，可能涉及很多客户端细节
  - 团队可能有专门的前端，会有他们的基于 Vue 或者 React 解决方案
- 将来很容易将笔记代码移植到比如 FastAPI 的服务器端模块

实现技术

使用 docker 容器方式运行，通过 compose 管理 docker 容器
使用 Ollama 加载本地模型
使用 one-api 统一管理本地和云端模型，并提供统一的 OpenAI API 访问方式
使用 JupyterLab 提供 Web 界面的开发编辑工具

使用效果展示

操作步骤

基础环境

Linux 环境，已经正确安装了 nvidia driver，并安装了 docker 和 compose
Windws 环境，WSL2 的 Linux 虚拟机，安装了 docker 和 compose

下载源代码

bash 复制代码

git clone https://github.com/MarshalW/llm-proto.git

docker 设置代理

如果能直接访问 docker 官方 registry，则不需要这一步。

下面脚本为 docker 设置代理服务器。

bash 复制代码

# 代理配置
HTTP_PROXY="http://proxy.example.com:8080"
NO_PROXY="localhost,127.0.0.1,docker-registry.example.com,.corp"

# 配置文件路径
CONFIG_FILE="/etc/systemd/system/docker.service.d/http-proxy.conf"

# 创建目录（如果不存在）
mkdir -p "$(dirname "$CONFIG_FILE")"

# 写入配置文件
cat <<EOF | sudo tee "$CONFIG_FILE" > /dev/null
[Service]
Environment="HTTP_PROXY=$HTTP_PROXY"
Environment="HTTPS_PROXY=$HTTP_PROXY"
Environment="NO_PROXY=$NO_PROXY"
EOF

# 重新加载 systemd 配置
sudo systemctl daemon-reload

# 重启 Docker 服务
sudo systemctl restart docker

构建 JupyterLab docker 镜像

bash 复制代码

cd llm-proto/jupyterlab
./build.sh

启动服务

bash 复制代码

cd llm-proto
docker compose up -d

配置服务

Ollama 加载模型

bash 复制代码

# 进入 ollama 容器
docker exec -it llms bash

# 拉取模型
ollama pull qwen2:1.5b

# 验证拉取成功
ollama ls
NAME            ID              SIZE    MODIFIED
qwen2:1.5b      f6daf2b25194    934 MB  5 hours ago