Ollama本地部署Llama3-Chinese并进行测试

关注

原创最新推荐文章于 2026-10-08 10:31:05 发布 1k 阅读 AI 写同款· GEO 优化 ›

LangChain入门指南 LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如 API 和数据库。官方文档：https://python.langchain.com/en/latest/ 阅读详情

开源仓库

短短几天，开源社区HuggingFace上已经涌现了一批基于Llama3微调的中文版本。

llama3-chinese

GitHub上llama3-Chinese-chat仓库也整理了目前各家微调的版本，包括：

联通微调版：https://www.modelscope.cn/models/UnicomAI/Unichat-llama3-Chinese/summary  
Openbuddy微调版：https://www.modelscope.cn/models/OpenBuddy/openbuddy-llama3-8b-v21.1-8k/summary  
zhichen微调版：https://github.com/seanzhang-zhichen/llama3-chinese  
Rookie微调版：https://github.com/Rookie1019/Llama-3-8B-Instruct-Chinese  
shareAI-V1：https://opencsg.com/models/shareAI/llama3-Chinese-chat-8b  
shareAI-V2：https://modelscope.cn/models/baicai003/Llama3-Chinese_v2/summary

Ollama部署Llama3-Chinese模型

ollama仓库也已经出现了llama3-Chinese的模型（基于https://huggingface.co/zhichen/Llama3-Chinese的quantize q4_0版本）。

但经本人测试效果比较差，不仅回答的不准确，而且提问第二个问题就没有任何响应了。所以，不推荐使用。

这里，我们使用HuggingFace社区的zhouzr/Llama3-8B-Chinese-Chat-GGUF模型，推荐下载使用q4_k_m版本：

地址：zhouzr/Llama3-8B-Chinese-Chat-GGUF at main (huggingface.co)

将下载的GGUF模型上传到指定位置，编写Modelfile：

FROM ./Llama3-8B-Chinese-Chat.q4_k_m.GGUF  
TEMPLATE """{{ if .System }}<|start_header_id|>system<|end_header_id|>  
  
{{ .System }}<|eot_id|>{{ end }}{{ if .Prompt }}<|start_header_id|>user<|end_header_id|>  
  
{{ .Prompt }}<|eot_id|>{{ end }}<|start_header_id|>assistant<|end_header_id|>  
  
{{ .Response }}<|eot_id|>"""  
PARAMETER stop "<|start_header_id|>"  
PARAMETER stop "<|end_header_id|>"  
PARAMETER stop "<|eot_id|>"  
PARAMETER stop "<|reserved_special_token"

执行ollama create llama3-Chinese:8B -f Modelfile创建模型：

(base) [root@localhost my_model]# ollama create llama3-Chinese:8B -f Modelfile  
transferring model data  
creating model layer  
creating template layer  
creating parameters layer  
creating config layer  
using already created layer sha256:74db82a06a038230371e62740a9b430140e4df3a02c5ddcbe97c9bee76d6455e  
writing layer sha256:8ab4849b038cf0abc5b1c9b8ee1443dca6b93a045c2272180d985126eb40bf6f  
writing layer sha256:c0aac7c7f00d8a81a8ef397cd78664957fbe0e09f87b08bc7afa8d627a8da87f  
writing layer sha256:109fb4827ddd6f21dd04a405dec5e1c9e39cf139e89b98536875a782938c02f5  
writing manifest  
success

执行ollama list查看：

(base) [root@localhost my_model]# ollama list  
NAME                            ID              SIZE    MODIFIED  
llama3-Chinese:8B               e45ad8ada59e    4.9 GB  33 seconds ago  
qwen:14b-chat-v1.5-q5_K_M       ba0e61d66b27    10 GB   6 weeks ago

llama3-Chinese:8B已经成功导入到Ollama中。

测试示例

• 弱智吧

• 安全性

• 撰写能力

• 数学能力

• 代码能力

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。

在这里插入图片描述