Llama.Cpp + LangChain：在本地运行大模型（LLM）-优快云博客

llama.cpp 的主要目标是在各种硬件（本地和云端）上以最少的设置和最先进的性能实现 LLM 推理。

https://github.com/ggerganov/llama.cpp

llama-cpp-python 是 llama.cpp 库的简单 Python 绑定。

https://github.com/abetlen/llama-cpp-python

llama-cpp-python 提供了：

功能很强大，我们在本文只需要学习如何在本地使用 llama-cpp-python 构建一个类似 OpenAI 的 API，并在 LangChain 框架中使用这个 API 提供的 LLM。

首先我们去 HuggingFace 上下载一个中文版的 8B Llama3.1 量化模型，下载链接：

https://huggingface.co/shenzhi-wang/Llama3.1-8B-Chinese-Chat/blob/main/gguf/llama3.1_8b_chinese_chat_q8_0.gguf

https://huggingface.co/shenzhi-wang/Llama3.1-8B-Chinese-Chat

下载完毕之后，打开终端，运行：

python -m llama_cpp.server --model C:\Home\Documents\Projects\models\Llama\llama3.1_8b_chinese_chat_q8_0.gguf

看到这个输出就表示成功了：

访问：http://localhost:8000/docs 就可以访问 API 的接口文档了。

/v1/models GET 方法会返回当前可用的模型 ID：

现在我们就可以使用 OpenAI 的本地平替了：

如上图所示，模型能够将英文翻译成中文。注意，我仅指定了模型服务的 base_url，而不用指定 api_key。

理论上，LangChain 官方关于使用 OpenAI 的操作都能使用 Llama.Cpp ＋ 合适的开源模型来替代。

如果你不想单独启动一个 llama.cpp 服务的话，你也可以直接在 LangChain 中使用本地 LLM。

为了开始并使用下面显示的所有功能，我们建议使用已针对工具调用进行微调的模型。我这里使用的是 NousResearch/Hermes-3-Llama-3.1-8B。

首先我们需要初始化模型对象：

然后我们就可以调用模型：

翻译正确。

我们也可以将模型和提示模板链接起来：

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的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。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

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！

这套包含640份报告的合集，涵盖了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。

随着人工智能技术的飞速发展，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。

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。

Llama.Cpp + LangChain：在本地运行大模型（LLM）