LLM大模型:Llama 3 + RAG，本地部署私人知识库的大模型！

关注

原创最新推荐文章于 2026-06-20 11:30:57 发布 902 阅读 AI 写同款· GEO 优化 ›

llama3 结构详解然而，在MHA中，由于每个head都有独立的键和值，内存和计算成本较高，特别是在处理长序列或大批量数据时。我们知道，在《Attention is all you need》一文中，作者为了提高计算效率，提出了MHA技术，思想是采用分而治之的策略，把K、Q、V 对应的切分为若干个短向量，然后使用Scaled Dot-Product Attention 计算出attention score后，再把结果拼接起来，从而避免了超大向量乘法的计算消耗，从而提高了计算效率。的计算中，也没有做减去均值的操作( 阅读详情

在今天的的教程中，我们将打造更加个性化的大模型，可以定制搭载私人知识库的本地大模型！

我们探讨Meta AI 的尖端 Llama 3 语言模型构建强大的检索增强生成（RAG**）来实现。通过利用 Llama 3 和 RAG 技术的功能，我们将创建一个应用程序，允许用户与网页进行交互式对话，检索定制化、私人知识库的相关信息并生成对用户查询的准确响应。在本教程中，我们将深入探讨设置开发环境、加载和处理网页数据、创建嵌入和向量存储以及实现 RAG 链以提供卓越用户体验的分步过程。

什么是Llama 3？

在这里插入图片描述

Llama 3 是由 Meta AI 开发的最先进的语言模型，擅长理解和生成类似人类的文本。

凭借其令人印象深刻的自然语言处理能力，Llama 3 可以理解复杂的查询、提供准确的响应并参与与上下文相关的对话。
它能够处理广泛的主题和处理效率，使其成为构建智能应用程序的理想选择。
想测试Llama 3的威力吗？立即与 Anakin AI 聊天！（它支持任何可用的 AI 模型！

什么是RAG？

检索增强生成（RAG）是一种将信息检索和语言生成相结合以提高问答系统性能的技术。

简单来说，RAG 允许 AI 模型从知识库或文档中检索相关信息，并使用该信息对用户查询生成更准确和上下文适当的响应。
通过利用检索和生成的强大功能，RAG 能够创建智能聊天机器人和问答应用程序，为用户提供高度相关和信息丰富的响应。
对于想要在没有编码经验的情况下运行 RAG 系统的用户，您可以尝试 Anakin AI，在那里您可以使用 No Code Builder 创建很棒的 AI 应用程序！

在这里插入图片描述

运行本地 Llama 3 RAG 应用的先决条件

在开始之前，请确保已安装以下先决条件：

Python 3.7 or higher
Streamlit
ollama
langchain
langchain_community

您可以通过运行以下命令来安装所需的库：

pip install streamlit ollama langchain langchain_community

使用 Llama-3 在本地运行您自己的 RAG 应用程序的分步指南

第 1 步：设置 Streamlit 应用程序

首先，让我们设置 Streamlit 应用程序的基本结构。创建一个名为 app.py 的新 Python 文件，并添加以下代码：

import streamlit as st
import ollama
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.document_loaders import WebBaseLoader
from langchain_community.vectorstores import Chroma
from langchain_community.embeddings import OllamaEmbeddings

st.title("Chat with Webpage 🌐")
st.caption("This app allows you to chat with a webpage using local Llama-3 and RAG")

# Get the webpage URL from the user
webpage_url = st.text_input("Enter Webpage URL", type="default")

此代码设置 Streamlit 应用程序的基本结构，包括标题、说明和供用户输入网页 URL 的输入字段。

步骤 2：加载和处理网页数据

接下来，我们需要从指定的网页加载数据并对其进行处理以供进一步使用。将以下代码添加到 app.py ：

if webpage_url:
    # 1. Load the data
    loader = WebBaseLoader(webpage_url)
    docs = loader.load()
    text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=10)
    splits = text_splitter.split_documents(docs)

在这里，我们使用 WebBaseLoader from langchain_community 来加载网页数据。然后，我们使用 RecursiveCharacterTextSplitter from langchain 将加载的文档拆分为更小的块。

第 3 步：创建 Ollama 嵌入和矢量存储

为了能够从网页中有效地检索相关信息，我们需要创建嵌入和向量存储。添加以下代码：

    # 2. Create Ollama embeddings and vector store
    embeddings = OllamaEmbeddings(model="llama3")
    vectorstore = Chroma.from_documents(documents=splits, embedding=embeddings)

我们使用 from OllamaEmbeddings langchain_community 类创建 Ollama 嵌入并 llama3 指定模型。然后，我们使用该 Chroma 类创建一个向量存储，传递拆分文档和嵌入。

第 4 步：定义 Ollama Llama-3 模型函数

现在，让我们定义一个函数，该函数利用 Ollama Llama-3 模型根据用户的问题和相关上下文生成响应。添加以下代码：

    # 3. Call Ollama Llama3 model
    def ollama_llm(question, context):
        formatted_prompt = f"Question: {question}\n\nContext: {context}"
        response = ollama.chat(model='llama3', messages=[{'role': 'user', 'content': formatted_prompt}])
        return response['message']['content']

此函数将用户的问题和相关上下文作为输入。它通过组合问题和上下文来格式化提示，然后使用该 ollama.chat 函数使用 Llama-3 模型生成响应。

第 5 步：设置 RAG 链

为了根据用户的问题从向量存储中检索相关信息，我们需要设置 RAG（Retrieval Augmented Generation）链。添加以下代码：

    # 4. RAG Setup
    retriever = vectorstore.as_retriever()

    def combine_docs(docs):
        return "\n\n".join(doc.page_content for doc in docs)

    def rag_chain(question):
        retrieved_docs = retriever.invoke(question)
        formatted_context = combine_docs(retrieved_docs)
        return ollama_llm(question, formatted_context)

    st.success(f"Loaded {webpage_url} successfully!")

在这里，我们使用该 as_retriever 方法从向量存储创建一个检索器。我们定义了一个帮助程序函数 combine_docs ，将检索到的文档组合成一个格式化的上下文字符串。该 rag_chain 函数接受用户的问题，使用检索器检索相关文档，将文档组合到格式化的上下文中，并将问题和上下文传递给 ollama_llm 函数以生成响应。

第 6 步：实现聊天功能

最后，让我们在 Streamlit 应用程序中实现聊天功能。添加以下代码：

    # Ask a question about the webpage
    prompt = st.text_input("Ask any question about the webpage")

    # Chat with the webpage
    if prompt:
        result = rag_chain(prompt)
        st.write(result)

此代码添加一个输入字段，供用户询问有关网页的问题。当用户输入问题并提交时，将使用用户的问题调用该 rag_chain 函数。然后，生成的响应将使用 st.write 显示。

最后一步：是时候运行应用程序了！

若要运行该应用，请保存 app.py 文件并打开同一目录中的终端。运行以下命令：

streamlit run app.py

这将启动 Streamlit 应用程序，您可以在 Web 浏览器**中通过提供的 URL 访问它。

结论

你已成功构建了在本地运行的 Llama-3 的 RAG 应用。该应用程序允许用户利用本地 Llama-3 和 RAG 技术的强大功能与网页聊天。用户可以输入网页 URL，应用程序将加载和处理网页数据，创建嵌入和向量存储，并使用 RAG 链检索相关信息并根据用户的问题生成响应。

根据需要添加更多功能、改进用户界面或集成其他功能，您可以随意探索和增强应用程序。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望