新手小白如何搭建一个像openai一样的本地大模型（步骤多版本）_本地ai大模型

有需要的可以点赞收藏哈,话不多说，让我们开始实操一遍。

Ollama安装大模型

1.安装ollama(本教程以win10系统为例）

（1）下载地址：https://ollama.com/

打开后进入以下下载地址下载windows版本ollama,其它系统选择对应版本如下图：

下载后直接运行安装即可，安装好后右下角会显示一个羊驼的小图标（注意：ollama一般默认自动安装在C盘，后期如果下多个大模型，有的同学可能会面临空间不够，这里可以使用我找到的这个方法，如果不需要更改的可以略过此步骤）

（2）更改大模型存放地址：新建一个模型地址环境变量，首先在你要放模型的地址新建一个文件夹，我这里起了个名字ollama-models，可以随便起，接着找见此电脑或者我的电脑右击属性打开后选择高级系统设置如下图：

接着打开后选择环境变量

接着新建输入变量名称OLLAMA_MODELS，变量值就是之前新建文件夹的地址，最后确认，就可以安装大模型到其它盘新建文件夹了。

（3）安装大模型：接下来就可以愉快的选择大模型安装了，在ollama官网找到右上角的Models点进去就有许多大模型供我们选择了，这里我们选一个最近比较热门的大模型llama3来下载

点左上角可以选择版本，要结合自已电脑性能和用途选择，这里选8b,右上角复制

ollama run llama3:8b

然后打开cmd，粘贴后运行就可以下载了，得等一会时间，等待安装完后我们在开启下一步，给它装个像openai -gpt一样的可视界面可以上传图片语音进行对话，就是open-webui，如下图：

2.安装open-webui

项目介绍页：https://github.com/open-webui/open-webui

安装这个界面需要安装docker

(1)安装docker 下载地址：

https://www.docker.com/products/docker-desktop/

进去点击下载windows版本，其它选择其它版本，这里安装需要以下条件，里面有详细说明，

安装说明：https://docs.docker.com/desktop/install/windows-install/

首先我们要确认是否启用虚拟化，在任务管理器界面打开性能查看，如下图，未打开可以参考说明进行打开

接着我们在系统设置里搜索控制面板，打开启用或关闭Windows功能

然后选择Hyper-V、适用于 Linux 的 Windows 子系统打开如下图，

接着重启后我们开始安装docker，有时候会遇到wsl启动失败，可以参考说明进行设置wsl版本，进入docker后我们先改一个镜像地址，这样会提升下载速度如下图：

代码：

"registry-mirrors": [     
     "https://registry.docker-cn.com",    
     "http://hub-mirror.c.163.com",    
     "https://docker.mirrors.ustc.edu.cn"
1
2
3
4

（2）接下来我们就可以安装open-webui界面了

在项目介绍界面有一串代码复制下来：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
1

把这串代码接着打开cmd粘贴回车运行，就会开始下载，等待下载完成。

接着我们在docker中可以看到open-webui了，如果没有启动点击小三角启动后点击如上图地址就会在浏览器看到界面了

进去后会有个登录界面用自己邮箱和密码注册以下就可以打开了如上图。

进去后界面是英文，然后我们开始设置中文，点击右上角设置小图标，打开后修改如下图：

接着我们就可以愉快的使用大模型进行对话了，上方选择我们之前下载的大模型开始对话如下图：

还有可以在左侧模型文件找到社区里喜欢的智能体模型进行下载，需要注册账号，都会下载到我们之前的新建模型位置，接下来就可以自行探索了，这个啰嗦的笔记就到此结束了，再会！！！

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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AI大模型资料包括AI大模型入门学习思维导图、精品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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 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】