今天先介绍下普通人如何部署自己的本地大模型。_你可能会问:为什么要自己部署本地大模型?
我想可能有这几个原因,看看是否准确:
-
如果你不会科学上网,是不是访问其他国外模型基本没法用,相关速度也不是快,即便科学上网,有些模型是不是还要付费订阅高级版。
-
自己是不是有些东西不想直接公开去给到大模型,害怕隐私和知识产品被大模型收集学到。
-
在某个垂直领域,是不是想训练自己的大模型,然后结合自己的产品和业务来使用。
如果现在可以帮助普通人,像安装一个电脑软件一样通过简单操作,就可以运行自己的本地大模型,在自己电脑上免费使用,速度也快,也不怕自己隐私,这个是不是能满足大部分人需要了。
今天我想给大家推荐一个比 Ollama 更加清爽的工具:LM Studio(如果你还不熟悉 Ollama,它其实是一个用于安装和管理大模型的工具), LM Studio 不仅对普通用户友好,技术人员也友好,方便地安装大模型。它提供了开发模式,让技术人员能深入了解相关参数。在用户界面方面,LM Studio 相比 Ollama 也更为出色。
针对普通人用:话不多说,直接下载
打开下载地址https://lmstudio.ai/ 下载自己电脑对应操作系统,可以看到现在MAC上的用户可以安装苹果进行优化过的MLX模型。

下载前看下自己电脑配置,大部分电脑是没问题,可以下载一些小的模型就好,mac的话要M1以上的电脑。

下载后,就可以打开LM Studio来进行相关模型的下载,安装后可以通过左侧的搜索来找对应的模型下载,下载后可以运行对应的模型就可以直接使用了,看起来很简单。

但是…
在安装后开始搜索模型时候,列表可以看到,但无法进行下载模型。这个时候不要慌,因为https://huggingface.co/ 在国内是无法访问的。

即便也有科学上网了,但是在软件内部获取模型的是通过https方式来访问的,全局代理也没有过去。
怎么办,只能找国内的同步的镜像了,可以使用 hf-mirror.com,用于镜像 huggingface.co 域名,这样对应的模型就可以正常下载。
我是MAC电脑,通过vscode和其他编辑器sublime text这些都可以,打开显示包内容用vscode打开文件,全局替换 huggingface.co,将 LM Studio 程序中所有使用到 huggingface.co链接的地方都搜索出来,用 hf-mirror.com 来替换,大概有5百多处(替换完后记得保存和重启软件,已经验证过没问题),如果是win用户也一样,直接找到软件安装地址,打开资源文件全局替换即可。
过了这个,就可以方便下载模型了,模型的选择可以看自己的电脑配置,其实LM studio也会根据电脑配置推荐,mac用户建议可以使用MLX的在mac上体验会更快,主要自己电脑配置要M1以上的电脑。

模型下载完后,根据指引就可以直接进行加载了。

模型加载后,就可以新建对话,先来进行个测试,在我箭头指示地方可以加载下载的离线模型,并开启对话。

这样本地的模型就可以正常运行了,你可以跟他对话,来辅助你日常相关的工作内容,这个比较适合普通人,快速搭建自己本地的大模型。
针对互联网人:想多一些理解和使用大模型
大部分互联网和技术人,这个安装和使用的过程应该很简单,在搜索的列表里也可以看到市面上各家相关的大模型,都可以去下载尝试和对比。我们在上边也看到了这么多大模型,各种参数不同的大模型,以及大模型的相关格式,这些我们是否清楚相关的概念和原理?
我们在下载模型的时候,可以看到有标识大模型参数的B,比如Llama-3.2 1B ,Llama-3.2 2B , 这些B代表着大模型的参数,那参数到底在大模型里是什么意思?理解这些参数可以更好地理解大模型。
这些参数以Billion为单位,刚才我下载的 Llama-3.2 1B 这意味着这个模型包含大约10亿个参数,而一个参数通常是模型的权重或偏置值,这些值在训练过程中被调整以使模型能够更好地进行预测,参数越多最后相关的结果就越准确,
比如在图形识别中可能就有百万计的参数来学习图像中的不同特征,如形状、大小、纹理、颜色等等,从而实现准确识别和分类。
这些参数不仅仅是数值,也是在训练过程中学习到并自动产生,这就需要海量的数据,产生的参数代表了模型如何理解和区分不同的输入数据,根据这些上亿维度的参数来最终给出相关预测的结果。
随着训练的深入,机器人不断调整这些参数,从而变得更加聪明,能够更好地完成任务,比如识别猫和狗,或者理解人类的对话。
总结下:概念和使用
整体通俗理解下,大模型和参数,大模型就是一个聪明的大脑,它通过观察大量数据图片、文字等你想让他学的一切,根据你让他学的东西,来转化成相关的参数(也就是数字,因为机器只认数字),每个参数帮助它理解数据的不同方面,比如颜色、形状或语言的含义。根据大量的数据训练的深入,不断产生、优化、调整这些参数,大脑就越聪明,能够更好地完成给他的命令。
普通人如果想玩AI大模型,使用 LM Studio 也是个不错的选择,可以安装和尝试多个模型在自己电脑上,这样隐私和你想问的问题也就更安全,速度也更快。
互联网人来说,特别技术人也可以使用他提供的本地server和 lms log stream 在命令行 来看相关模型日志。
今天的分享就写到这了,如果有什么安装和下载使用问题,都可以评论留言给我,也欢迎点赞和转发给需要的小伙伴~
想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!
👇👇扫码免费领取全部内容👇👇

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI:
1. 100+本大模型方向电子书

2. 26 份行业研究报告:覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

- 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
- 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
- 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
- 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT:听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

- 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
- 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
- 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
- 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析:

2. 102 道 AI 大模型真题:直击大模型核心考点
针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:

三、路线必明: AI 大模型学习路线图,1 张图理清核心内容
刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

L1阶段:启航篇丨极速破界AI新时代
L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段:攻坚篇丨RAG开发实战工坊
L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段:跃迁篇丨Agent智能体架构设计
L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

L4阶段:精进篇丨模型微调与私有化部署
L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

L5阶段:专题集丨特训篇 【录播课】

四、资料领取:全套内容免费抱走,学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:
👇👇扫码免费领取全部内容👇👇

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

被折叠的 条评论
为什么被折叠?



