大模型对话风格微调项目实战——部署上线篇

大模型对话风格微调项目实战------部署上线篇

目录

1. 背景介绍
2. 本文的任务
3. 部署模型到本地服务器
   • 部署框架选择
   • 安装vLLM
   • 启动vLLM服务器
4. 开发Web应用
   • 开发框架选择
   • 安装Streamlit
   • 开发Web应用
   • 运行Web应用
   • 效果演示
5. 总结

背景介绍

本文是《大模型对话风格微调项目实战》的最后一篇文章，主要介绍如何将微调后的模型部署上线，为用户提供服务。

本文的任务

• 部署模型到本地服务器
• 开发一个简单的Web应用，用户可以通过Web界面与模型进行对话

部署模型到本地服务器

部署框架选择

在部署模型到本地服务器之前，我们需要选择一个合适的部署框架。目前比较流行的部署框架有：

• vLLM
• Ollama
• LMDeploy

框架的选择需要根据实际情况进行选择，本文选择vLLM作为部署框架。

安装vLLM

conda create -n vllm python=3.10 -y
conda activate vllm
pip install vllm

启动vLLM服务器

vllm serve \
    /mnt/model/Qwen/Qwen2___5-1___5B-Instruct_Merge

开发Web应用

开发框架选择

前端开发是一个复杂的系统工程，考虑到本文的目的，我们不展开讨论，而是选择一个简单的前端框架进行效果演示：Streamlit。

安装Streamlit

conda create -n streamlit python=3.10 -y
conda activate streamlit
pip install streamlit

开发Web应用

下面是一个简单的Web应用，用户可以通过Web界面与模型进行对话。

import streamlit as st
from openai import OpenAI

# 初始化客户端
client = OpenAI(base_url="http://localhost:8000/v1/", api_key="_")

# 设置页面标题
st.title("效果演示")

# 初始化session状态（仅用于显示历史）
if "messages" not in st.session_state:
    st.session_state.messages = []

# 显示历史消息
for message in st.session_state.messages:
    with st.chat_message(message["role"]):
        st.markdown(message["content"])

# 获取用户输入
if prompt := st.chat_input("请输入您的问题，或输入exit退出"):
    # 处理退出命令
    if prompt.lower() == "exit":
        st.info("退出对话。")
        st.stop()
    
    # 添加用户消息到显示历史
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)

    try:
        # 发起API请求（每次只发送当前消息）
        response = client.chat.completions.create(
            messages=[{"role": "user", "content": prompt}],  # 每次只发送当前问题
            model="/mnt/model/Qwen/Qwen2___5-1___5B-Instruct_Merge"
        )
        
        # 获取模型回复
        model_response = response.choices[0].message.content
        
        # 添加AI回复到显示历史
        st.session_state.messages.append({"role": "assistant", "content": model_response})
        with st.chat_message("assistant"):
            st.markdown(model_response)

    except Exception as e:
        st.error(f"发生错误：{e}")

运行Web应用

将上面的代码保存为chat_app.py，然后在终端中运行：

streamlit run .\chat_app.py

效果演示

总结

本项目完整实现了从数据收集、模型微调到部署上线的全流程。通过LCCC数据集和GLM-4生成多样化风格数据，使用XTuner框架对Qwen2.5-1.5B模型进行QLoRA微调，最终采用vLLM高效部署并集成Streamlit构建Web应用。实践表明：

1. 微调后的模型能稳定输出指定风格（温柔/毒舌）
2. 本地部署方案显著降低API调用成本
3. 轻量级Web界面提供良好的用户体验 未来可扩展支持更多对话风格，并优化推理性能。本项目为对话风格定制提供了完整的技术方案参考。