1、各模块作用
ollama:一个用于在本地运行大型语言模型(LLM)的开源框架,旨在简化LLM的部署和运行。它支持多种模型,并提供了丰富的API接口和聊天界面,可用于文本生成、翻译、问答和代码生成等。
DeepSeek:一款功能强大的数据处理和分析工具,支持多种数据格式和数据源,可用于数据挖掘、机器学习、商业智能等领域。
AnythingLLM:一个开源的、可定制的文档聊天机器人,可将文档转化为LLM的上下文,支持多用户管理和权限控制,可用于构建知识库和问答系统。
简单来说,ollama我理解为docker的方法部署服务,他的使用语法和docker也比较接近,deepseek就是一个训练好的模型,类似docker的镜像,跑在ollama软件上,但ollama缺少合适的界面,故使用AnythingLLM,当然也有其他的交互界面,比如Open webUI之类的,选择自己喜欢的就行,都是开源的,容易找到
2、电脑准备
我是在自己的pc上安装的,windows环境,建议:确保CPU >= 4核,RAM >= 16GB,Disk >= 50GB。
3、下载和安装必要的软件
- 从Ollama的官方网站(https://ollama.com/download)下载并安装Ollama。Ollama下载windows版本,一步一步安装就行,傻瓜式安装,很方便,不懂得可以查看帮助文档:
安装好后测试一下是否可用
- 下载对应的大模型,在Ollama首页点击【Models】可以查看Ollama支持的所有模型列表。现在DeepSeek就排在第一个位置,很好找
点击模型即可看到模型的详细信息,包含介绍、安装方式等。复制圈红的命令到ollama的cmd窗口就可以拉去大模型了。
在电脑上打开cmd,执行ollama的命令
ollama run deepseek-r1:1.5b``ollama run deepseek-r1:8b
我这儿拉去了2个deepseek的大模型用于测试,有的电脑性能不够建议用小模型,不然跑起来吃力,
镜像拉去结束后就可以进行命令行问答交互,但体验感不佳,
- 从AnythingLLM的官方网站(https://anythingllm.com/desktop)下载并安装AnythingLLM。
也是傻瓜式的安装部署,一步一步,安装后打开软件,新建一个工作区,一个工作区类似一个大模型的应用场景,新建不同的new thread类似开启不同的对话,
配置对应的问答大模型,
添加自己的知识库内容,支持word、ppt、pdf等格式上传、解析
选择对应的文件夹内容添加到右边即可,后台会进行解析,然后就可以针对性提问了,到这儿就差不多部署好一个私有化的大模型知识库
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。