离线运行Llama3：本地部署终极指南

4月18日，Meta在官方博客官宣了Llama3，标志着人工智能领域迈向了一个重要的飞跃。经过笔者的个人体验，Llama3 8B效果已经超越GPT-3.5，最为重要的是，Llama3是开源的，我们可以自己部署！

本文和大家分享一下如何在个人电脑上部署Llama3，拥有你自己的GPT-3.5+!

很多读者担心本地部署时个人电脑的硬件配置不够，实际上这种担心是多余的，笔者使用的是MacBook M2 Pro (2023款), 主要硬件配置如下：

10核CPU
16G内存

部署步骤大致如下：

安装Ollama
下载Llama3
安装Node.js
部署WebUI

【一一AGI大模型学习所有资源获取处一一】

①人工智能/大模型学习路线

②AI产品经理入门指南

③大模型方向必读书籍PDF版

④超详细海量大模型实战项目

⑤LLM大模型系统学习教程

⑥640套-AIDaMoXing.html" title=AI大模型>AI大模型报告合集

⑦从0-1入门大模型教程视频

⑧AGI大模型技术公开课名额

安装Ollama

Ollama可以简单理解为客户端，实现和大模型的交互，读者可以前往[ollama.com/download，根据…]

下载之后打开，直接点击Next以及Install安装ollama到命令行。安装完成后界面上会提示ollama run llama2，不需要执行这条命令，因为我们要安装llama3。

下载 Llama3

打开新的终端/命令行窗口，执行以下命令：

ollama run llama3

程序会自动下载Llama3的模型文件，默认是8B，也就80亿参数版本，个人电脑完全可以运行。

成功下载模型后会进入交互界面，我们可以直接在终端进行提问，比如笔者问的Who are you?，Llama3几乎是秒回答。

➜  Projects ollama run llama3
>>> who are you?
I'm LLaMA, a large language model trained by a team of researcher at Meta 
AI. I'm here to chat with you and answer any questions you may have.

I've been trained on a massive dataset of text from the internet and can 
generate human-like responses to a wide range of topics and questions. My 
training data includes but is not limited to:

* Web pages
* Books
* Articles
* Research papers
* Conversations

I'm constantly learning and improving my responses based on the 
conversations I have with users like you.

So, what's on your mind? Do you have a question or topic you'd like to 
discuss?

安装Node.js

支持Ollama的WebUI非常多，笔者体验过热度第一的那个WebUI

设置国内NPM镜像

官方的NPM源国内访问有点慢，笔者推荐国内用户使用腾讯NPM源（[mirrors.cloud.tencent.com/npm/），之前笔者使…]

打开终端执行以下命令设置NPM使用腾讯源：

npm config set registry http://mirrors.cloud.tencent.com/npm/

部署WebUI

打开终端，执行以下命令部署WebUI：

git clone https://github.com/ollama-webui/ollama-webui-lite.git
cd ollama-webui-lite
npm install
npm run dev

提示如下，WebUI已经在本地3000端口进行监听：

> ollama-webui-lite@0.0.1 dev
> vite dev --host --port 3000

  VITE v4.5.2  ready in 765 ms

  ➜  Local:   http://localhost:3000/

打开浏览器访问[http://localhost:3000，可以看到如下图所示界面。默认情况下是没有选择模型的，需要点击截图所示箭头处选择模型。]

笔者给模型提了一个编写一个Golang Echo Server的例子，大概5秒就开始打印结果，速度非常不错。

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AIDaMoXing.html" title=AI大模型>AI大模型资料 包括AIDaMoXing.html" title=AI大模型>AI大模型入门学习思维导图、精品AIDaMoXing.html" title=AI大模型>AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">一、全套AGI大模型学习路线

AIDaMoXing.html" title=AI大模型>AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">二、640套AIDaMoXing.html" title=AI大模型>AI大模型报告合集

这套包含640份报告的合集，涵盖了AIDaMoXing.html" title=AI大模型>AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AIDaMoXing.html" title=AI大模型>AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">三、AIDaMoXing.html" title=AI大模型>AI大模型经典PDF籍

随着人工智能技术的飞速发展，AIDaMoXing.html" title=AI大模型>AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。那以下这些PDF籍就是非常不错的学习资源。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">四、AIDaMoXing.html" title=AI大模型>AI大模型商业化落地方案

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">阶段1：AIDaMoXing.html" title=AI大模型>AI大模型时代的基础理解

目标：了解AIDaMoXing.html" title=AI大模型>AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
  - L1.4.1 知识大模型
  - L1.4.2 生产大模型
  - L1.4.3 模型工程方法论
  - L1.4.4 模型工程实践
- L1.5 GPT应用案例

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">阶段2：AIDaMoXing.html" title=AI大模型>AI大模型API应用开发工程

目标：掌握AIDaMoXing.html" title=AI大模型>AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
  - L2.1.1 OpenAI API接口
  - L2.1.2 Python接口接入
  - L2.1.3 BOT工具类框架
  - L2.1.4 代码示例
- L2.2 Prompt框架
  - L2.2.1 什么是Prompt
  - L2.2.2 Prompt框架应用现状
  - L2.2.3 基于GPTAS的Prompt框架
  - L2.2.4 Prompt框架与Thought
  - L2.2.5 Prompt框架与提示词
- L2.3 流水线工程
  - L2.3.1 流水线工程的概念
  - L2.3.2 流水线工程的优点
  - L2.3.3 流水线工程的应用
- L2.4 总结与展望

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">阶段3：AIDaMoXing.html" title=AI大模型>AI大模型应用架构实践

目标：深入理解AIDaMoXing.html" title=AI大模型>AI大模型的应用架构，并能够进行私有化部署。
内容：
- L3.1 Agent模型框架
  - L3.1.1 Agent模型框架的设计理念
  - L3.1.2 Agent模型框架的核心组件
  - L3.1.3 Agent模型框架的实现细节
- L3.2 MetaGPT
  - L3.2.1 MetaGPT的基本概念
  - L3.2.2 MetaGPT的工作原理
  - L3.2.3 MetaGPT的应用场景
- L3.3 ChatGLM
  - L3.3.1 ChatGLM的特点
  - L3.3.2 ChatGLM的开发环境
  - L3.3.3 ChatGLM的使用示例
- L3.4 LLAMA
  - L3.4.1 LLAMA的特点
  - L3.4.2 LLAMA的开发环境
  - L3.4.3 LLAMA的使用示例
- L3.5 其他大模型介绍

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">阶段4：AIDaMoXing.html" title=AI大模型>AI大模型私有化部署

目标：掌握多种AIDaMoXing.html" title=AI大模型>AI大模型的私有化部署，包括多模态和特定领域模型。
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">学习计划：

阶段1：1-2个月，建立AIDaMoXing.html" title=AI大模型>AI大模型的基础知识体系。
阶段2：2-3个月，专注于API应用开发能力的提升。
阶段3：3-4个月，深入实践AIDaMoXing.html" title=AI大模型>AI大模型的应用架构和私有化部署。
阶段4：4-5个月，专注于高级模型的应用和部署。

AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&spm=1018.2226.3001.4187">这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓