全民上手大模型--ollama+langchain+通义千问零费用java+python跑通本机大模型_ollama langchain

前言

写本篇文章是因为我经历过了各种付费+测试之后很艰难想入手大模型，国内的同学学技术还是太困难了，但是看到市面上各种火爆，实在有按捺不住想体验,终于迎来了一个契机。

在此之前，应该大家都了解OpenAPI，确实强大，但是国内用户来说，有以下问题：
一、网络不通，这里还不是简单的翻墙的问题，是他的网站都不对中国大陆开放，政治因素就不谈了
二、贵这玩意其实是按调用次数收费的，厉害点的功能其实都要收费，还是美元
三、其实中文方面还是没有那么强了
基于这些因素，导致大模型的事情总是少数人在玩，没意思，今天我们要把价格打到零！！

契机

开源大模型运行平台

Ollama，这是是一个开源的大语言模型平台，它允许用户在本地环境中运行、创建和共享大型语言模型。Ollama提供了丰富的功能和特性，使得用户可以在自己的计算机上轻松地部署和运行大型语言模型。注意啦，是自己的机器就可以哦！
上链接 https://ollama.com/

中文大模型

阿里巴巴的通义千问，开源国产的，听得懂中文
上链接 https://github.com/QwenLM

用户友好API接口

langchain其实是一套规范化的API，实现了标准化对模型的集成、接入、组件化等工作，通过langchain用户可以很轻松打造属于自己的大模型产品。langchain很早就出来了，大模型出来的时候，因为对使用大模型的定制做了封装，也是一下子火爆起来了。
上链接 https://github.com/langchain-ai/langchain

到此为止，其实万事俱备，我们就是要通过ollama+langchain+通义千问搞一把自己的大模型。

安装ollama

下载并安装

现在官网其实没有那么多乱七八糟的，直接一进去就是一个下载按钮，点就是了

点进去下载安装包，即可mac,linux,windows都行
我的是苹果系统，上面提到说要升级macOS 11,我的是10.15.7没影响，可以运行。下载之后就是安装了，没啥门槛。

下载模型

进入终端

ollama run + 模型名
1

模型在官网上直接罗列了一批，每个模型都要点硬盘，大家按照自己的需求下载，没有列出来的，可以在模型仓库里面找
https://ollama.com/library

我们这次是要下载通义千问，可以去仓库里面搜索到

ollama run qwen
1

这个命令其实是运行对应模型的意思。在运行之前，如果本机没有下载的话会去仓库上下载模型，需要等等。

使用模型-调戏大模型

下载之后会帮我们运行起来，是一个命令行模式的交互式接口,我们就可以开始调戏我们的大模型啦。大概就是下面这样，

B:~ zhuxuemin$ ollama run qwen
>>> 你是谁呀
我是通义千问，是由阿里云开发的语言模型。我被设计成能够回答各种问题、提供信息和进行对话。如果您有任何问题或需要帮助，请随时告诉我，我会尽力提供支持。


>>> 给我做一首关于春天的诗，要求是7言律诗
春天的阳光明媚，
绿草如茵，鲜花盛开。
春风吹过田野，
稻谷摇曳生姿。
小鸟在树梢上欢快地歌唱，
春风轻轻地吹拂着它们的羽毛
1
2
3
4
5
6
7
8
9
10
11
12

不满意，再来一下

>>> 给我做一首关于春天的诗，要求是7言律诗
春风拂面轻，  
绿草如茵春意浓。  
桃花笑映朝霞红，  
小鸟欢歌春色正。  
春风吹过田野广，  
稻谷摇曳生姿显。  
春天是希望的季节，  
让我们一起感受春的气息，感受生活的美好。
1
2
3
4
5
6
7
8
9

使用langchain跑起来

langchain是python的库，我们其实是希望按照我们的程序跑起来啦，这样子我们才可以放到微信里面，钉钉里面，或者嵌入到网站上面，变成美女客服啦。

环境准备

python开发要养成习惯，尽量使用隔离的环境去做项目，不然很多乱七八糟的报错说不清楚。

--安装虚拟环境
# 创建一个名为 llvm 的虚拟环境
python3 -m venv llvm
# 激活虚拟环境
source llvm/bin/activate
1
2
3
4
5

安装库

其实有了langchain就好了，但是后面运行代码的时候会提示你升级，一起给出来好了

pip install langchain
pip install -U langchain-community
1
2

注意了，其实我安装的时候毕竟慢，我就会尝试使用阿里云的pip仓库，但是我又不想改掉默认的配置，可以这样子安装：

pip install langchain --index-url https://mirrors.aliyun.com/pypi/simple
1

当然，我安装实际也没有那么完美，还是报了错greenlet包安装失败，我就手工安装一把。

pip install greenlet 
1

代码跑起来

代码到还好，来一个例子跑起来:

from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain
from langchain_community.llms import Ollama

prompt_template = "请写一首关于{product}的诗，我希望是七言律诗"

ollama_llm = Ollama(model="qwen:latest")
llm_chain = LLMChain(
    llm = ollama_llm,
    prompt = PromptTemplate.from_template(prompt_template)
)
result=llm_chain.invoke("春天")
print(result)

1
2
3
4
5
6
7
8
9
10
11
12
13
14

输出:

{'product': '春天', 'text': '春光融宇宙，万物皆春色。\n\n鸟语花香中，一树桃花映日红。\n'}
1

这样子一就整个流程跑通啦~~

使用langchain-java跑起来

我可是Java程序员，我知道看我博客的人肯定是Java同学比较多，大家看完之后肯定恨不得立马在自己的Spring项目里面run起来，可是搞来搞去都是python的，不慌，我们就用java跑起来。

当然，使用的项目自然是对应的java版本，想多研究的可以直接去看源码
上链接 https://github.com/HamaWhiteGG/langchain-java

构建maven工程

主要核心点是引入包，官网也说了，项目运行是建议jdk17以上，我们就直接在maven中指定好，我给出完整的文件,主打一个方便抄:

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>org.example</groupId>
    <artifactId>llvm_client</artifactId>
    <version>1.0-SNAPSHOT</version>
    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
    </properties>
    <dependencies>
        <dependency>
            <groupId>io.github.hamawhitegg</groupId>
            <artifactId>langchain-core</artifactId>
            <version>0.2.1</version>
        </dependency>
    </dependencies>
</project>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

例子源码里面都有的啦，拿过来稍微改改即可,上代码：

public class OllamaExample {

    public static void main(String[] args) {
        var llm = Ollama.builder()
                .baseUrl("http://localhost:11434")
                .model("qwen:latest")
                .temperature(0f)
                .build()
                .init();

        var result = llm.predict("给我写一首关于春天的诗，我希望是七言律诗");
        System.out.println(result);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

跑起来，嗯，效果还行:

后记

当然这个只是初步，我其实还测试了定制自己的大模型，后面加文章哈，如果中间碰到问题的话可以留言联系我，我都好说的，就这样~~