LLMs之Llama Coder:llama-coder的简介、安装和使用方法、案例应用之详细攻略
目录
llama-coder的简介
Llama Coder 是一个更好的自托管的 VS Code 插件,用来替代 Github Copilot。Llama Coder 使用 Ollama 和 codellama 提供在你硬件上运行的自动补全功能。最适合搭配 Mac M1/M2/M3 或 RTX 4090 使用。
GitHub地址 :GitHub - ex3ndr/llama-coder: Replace Copilot local AI
VS Code 插件 :Llama Coder - Visual Studio Marketplace
1、特点
>> 与 Copilot 一样出色
>> 快速。在消费级 GPU 上运行良好。建议使用 Apple Silicon 或 RTX 4090 以获得最佳性能。
>> 无遥测或跟踪
>> 适用于任何编程语言或自然语言。
llama-coder的安装和使用方法
1、安装
推荐硬件
>> 最低要求 RAM: 16GB 是最低要求,越多越好,因为即使是最小的模型也占用 5GB 的 RAM。
>> 最佳方式:配备 RTX 4090 的专用机器。在该机器上安装 Ollama,并在扩展设置中配置端点以卸载到该机器。
>> 次佳方式:运行在拥有足够 RAM 的 MacBook M1/M2/M3(RAM 越多越好,但额外 10GB 即可满足要求)。对于 Windows 笔记本:如果配备合适的 GPU,运行良好,但建议使用配备良好 GPU 的专用机器。如果你有一台专用的游戏 PC,效果非常好。
本地安装
在本地机器上安装 Ollama,然后在 VSCode 中启动扩展,一切应该正常工作。
远程安装
在专用机器上安装 Ollama,并在扩展设置中配置端点。Ollama 通常使用端口 11434 并绑定到 127.0.0.1,如需更改,你需要将 OLLAMA_HOST 设置为 0.0.0.0。
模型
目前 Llama Coder 仅支持 Codellama。模型通过不同方式量化,但我们的测试显示 q4 是运行网络的最佳方式。当选择模型时,模型越大,表现越好。始终选择你机器上能够支持的最大尺寸和最大量化的模型。默认模型为 stable-code:3b-code-q4_0,应该在任何地方都能运行,并优于大多数其他模型。
Name | RAM/VRAM | Notes |
---|---|---|
stable-code:3b-code-q4_0 | 3GB | |
codellama:7b-code-q4_K_M | 5GB | |
codellama:7b-code-q6_K | 6GB | m |
codellama:7b-code-fp16 | 14GB | g |
codellama:13b-code-q4_K_M | 10GB | |
codellama:13b-code-q6_K | 14GB | m |
codellama:34b-code-q4_K_M | 24GB | |
codellama:34b-code-q6_K | 32GB | m |
m - 在 MacOS 上运行缓慢
g - 在较旧的 NVidia 显卡(30 系列之前)上运行缓慢
llama-coder的案例应用
持续更新中......