Web LLM 让你在浏览器中体验 GPT 大模型

基于Selenium与GPT-4 Web端构建自定义LangChain LLM组件 在AI应用集成领域,大语言模型(LLM)的调用方式直接影响着项目的灵活性与可控性。其核心原理在于通过API或模拟交互来获取模型的自然语言处理能力。传统的官方API调用虽然稳定,但在处理复杂网页交互、规避特定限制或需要高度定制化流程时存在局限性。这凸显了探索替代性集成方案的技术价值,尤其是在自动化脚本与智能代理场景中。通过模拟真实用户操作来非官方调用模型,能够实现对交互过程的完全掌控,并可将浏览器环境本身作为数据源。本文聚焦于利用Selenium这一成熟的浏览器自动化工具,构建一个能够模拟人类在ChatGPT 阅读详情

这会是一个关于 ChatGPT 的系列文章,主要记录日常使用 ChatGPT 的感想和相关信息以及有趣的开源项目,然后这些信息我都会汇总到一个 ChatGPT 信息群,有兴趣的朋友可以文末加入 🥳。

2f7c14bed70e6fc994b4edcfd47081ee.jpeg

Web LLM 将大型语言模型和基于 LLM 的聊天机器人引入 Web 浏览器。让一切都在浏览器内运行而无需服务器支持(使用 WebGPU 加速)。

这无疑产生了许多有趣的机会,这样做可以为每个人构建 AI 助手,还可以在享受 GPU 加速的同时实现隐私保护。项目相关信息如下:

  • 开源地址:https://github.com/mlc-ai/web-llm[1]

  • 支持模型:lmsys/vicuna-7b-delta-v0[2](微调 LLaMA,号称能达到 GPT-4 的 90%性能)

这个项目 04-14 才开源,很多地方还没有很完善,如文档或者运行示例等,但是在浏览器中运行实在是吸引人,正好手头有一台 M1 的 MacOS,所以赶紧来体验一波。

在线体验

官网直接给了一个 Apple 芯片的 Mac 电脑本地使用的例子,步骤简单,如下:

  • 下载 Chrome Canary[3],目的是为了体验最新版的 WebGPU 功能(也可以使用最新的 Chrome 113)

  • 安装好之后,命令行启动 - 记得启动前设置好代理,方便下载模型参数 - /Applications/Google\ Chrome\ Canary.app/Contents/MacOS/Google\ Chrome\ Canary --enable-dawn-features=disable_robustness

  • 开始体验!

1775e30b3eb4bc3ed537b020461a4bc8.jpeg
web-llm-demo

等待下载完毕,就可以直接使用了:

608f7428f71e7992cbf4832b98738760.jpeg
llm-online-demo-01

可以看到,明目张胆地胡乱介绍我们的李白,测了下写代码还是能行的。

本地体验

这块官方也还没有说怎么本地启动运行,我是个人觉得因为是基于浏览器,所以本地运行应该就是启动一个网站。

测试也很方便,我就直接把相关源码 clone 下来,然后启动,发现果然可行,看过程如下:

git clone https://github.com/mlc-ai/web-llm

# switch branch
cd web-llm
git checkout -b gh-pages origin/gh-pages
cd docs

# start
docker run --restart always  --name docker-web-llm -p 8060:80 -d -v "`pwd`:/usr/share/nginx/html" nginx

启动浏览器:

/Applications/Google\ Chrome\ Canary.app/Contents/MacOS/Google\ Chrome\ Canary --enable-dawn-features=disable_robustness

在浏览器输入:http://127.0.0.1:8060/, 即可在你的本地体验 vicuna-7b 模型了,相当简单:

fae12d5d1aef7d5fe3efe10abb8d7cd4.jpeg
llm-local

说明

至此,线上线下体验 Web LLM 至此结束,有兴趣的欢迎来尝试交流。也感谢你阅读到这里,如果此文对你有帮助,欢迎转发点赞。

👬🏻 朋友,都看到这了,确定不关注一下么 👇

熟悉我这个号的朋友应该都知道我写了一年多的周刊,因此我经常会浏览相关信息,如果你也对 ChatGPT 感兴趣,希望及时接收到 ChatGPT 相关信息如:

  • 最新进展

  • 使用指南

  • 各种有趣的项目

那么可以加入我创建的 ChatGPT 交流群,虽然可能比较技术向,但是欢迎任何人加入交流:

5c12f4e2ba66152b3c9646b494b92a6c.png


参考资料

[1]

https://github.com/mlc-ai/web-llm: https://github.com/mlc-ai/web-llm

[2]

lmsys/vicuna-7b-delta-v0: https://huggingface.co/lmsys/vicuna-7b-delta-v0

[3]

Chrome Canary: https://mlc.ai/web-llm/

16846462eeadaa8c7fbf337a58bee031.gif

【开源推荐!API性能评测利器】LLM API Test:助你深度洞察大模型API 摘要:LLM API Test是一款开源工具,用于评估大模型API性能,支持OpenAI和Google Gemini等主流模型。它提供首令牌延迟、输出速度、成功率等关键指标,帮助开发者优化成本与性能平衡。该工具支持自定义端点接入,具备跨平台兼容性和数据持久化功能,可部署于Vercel或Docker环境。适用于供应商选型、成本优化和学术研究等场景,通过简单克隆和npm命令即可快速上手。 阅读详情

相关推荐

【ChatGPT】Web LLM:你的本地的ChatGPT —— 完全在您的浏览器中运行 vicuna-7b 大型语言模型,它非常令人印象深刻

让你的 LLM 助手总结错误的网页,攻击者可能会诱骗它泄露你所有的私人数据,或者删除你所有的电子邮件,或者更糟。ShareGPT 是一个人们分享他们的 ChatGPT 记录的网站,这意味着微调是使用未经许可用于此类目的的数据进行的(OpenAI 条款和条件不允许使用这些数据来训练竞争对手的语言模型。但是,与之前的 LLaMA 和 Alpaca 一样,这个项目令人兴奋的地方在于它所展示的内容:我们现在可以完全在浏览器中运行功能极其强大的 LLM——尽管是测试版浏览器版本,而且是在功能非常强大的笔记本电脑上。

AI天才研究院 1万+

WebLLM Chat:无服务器、私密的AI聊天体验

Web-LLM Chat 是一个私有的 AI 聊天界面,结合了 WebLLM 的强大功能,允许用户在浏览器中本地运行大型语言模型(LLM)。

wbsu2004的博客 6583

又一神器开源!无需服务器支持!打通手机,浏览器的Web LLM!

简单理解Google Chrome Canary,拥有谷歌浏览器的更多性能,它的反应速度更快,性能更高,但同时它的不稳定性以及不确定性也会更高,而我们常用的谷歌浏览器,它的稳定性会更高,要把大模型加载到我们的这个浏览器里,因此使用开发版本的性能会更高一些,同时开发版本也开放了更多的功能参数调节接口,使得我们可以调整更合适的内置参数来优化我们的模型更能体现,那我们废话不多说,可以看到模型回复的效果还是不错的。4.其功能为根据用户的文字描述,生成定制化的图片,进行定制化图片的生成,学习需要设定以下的参数组合。

千与编程 1135

WebLLM: 革新浏览器内的大语言模型推理

WebLLM不仅支持预构建的模型,还允许开发者集成自定义模型。通过MLC LLM项目,开发者可以将自己的模型编译为WebLLM兼容的格式,并在浏览器中运行。这为开发者提供了极大的灵活性,可以根据特定需求定制和优化模型。WebLLM代表了AI技术与Web技术融合的一个重要里程碑。它不仅降低了使用大语言模型的门槛,还为开发者提供了前所未有的灵活性和创新空间。随着项目的不断发展和完善,我们可以期待看到更多令人兴奋的应用和用例出现。无论你是AI研究者、Web开发者,还是对技术创新感兴趣的普通用户,We。

helloaiworld的博客 1258

自动驾驶仿真:基于Carsim开发的加速度请求模型

1、自动驾驶行业中,算法端对于纵向控制的功能预留接口基本都是加速度,我们需要给控制器仿真加速度的信号,控制器才会实现对纵向功能的控制。2、Carsim或者其他动力学软件,主要提供者节气门开度和主缸压力进行控制。我们在进行联合仿真时,往往都要通过PID的方式将请求加速度转换成对应的节气门开度与主缸压力传给动力学软件进行闭环控制。

zataji的博客 6917

扩展卡尔曼滤波(EKF)理论讲解与实例(matlab、python和C++代码)

扩展卡尔曼滤波(EKF)理论讲解与实例(matlab、python和C++代码) 文章目录扩展卡尔曼滤波(EKF)理论讲解与实例(matlab、python和C++代码)理论讲解KF和EKF模型对比雅可比矩阵计算计算实例应用实例线性模型CV模型:CA模型非线性模型CTRV模型:CTRV实例(python)small demo抛物线demo飞机高度demoC++实例参考文献 我们上篇提到的卡尔曼滤波是用于线性系统,预测(运动)模型和观测模型是在假设高斯和线性情况下进行的。简单的卡尔曼滤波必须应用在符合高斯分布

O_MMMM_O的博客 10万+

WebLLM:高性能浏览器内 LLM 推理引擎

24年12月来自CMU、上海交大和Nvidia的论文“WebLLM: A High-Performance In-Browser LLM Inference Engine”。 大语言模型 (LLM) 的进步释放了非凡的功能。虽然部署这些模型通常需要服务器级 GPU 和基于云的推理,但最近出现的小型开源模型和功能日益强大的消费设备使设备部署变得切实可行。

yorkhunter的博客 1554

手把手教你用Cesium和RayMarching实现逼真体积云(附完整Shader代码)

本文详细介绍了如何利用Cesium和RayMarching技术实现逼真的体积云效果,包括环境准备、核心逻辑、云层建模和光照增强等关键步骤,并提供了完整的Shader代码。通过噪声函数选型、动态风场模拟和多重散射近似等技术,开发者可以在数字地球可视化项目中创建沉浸式天气效果,显著提升场景的真实感。

weixin_29230649的博客 419

什么是 LLM(面向 Web 开发者)

我们先从基础开始,逐步构建对 LLM 的理解。在谈论 AI 和机器学习时,你会经常听到“模型”这个词。一个模型,本质上就是一个数学函数,它将输入转换为输出。但不同于传统编程中你需要写出明确的规则,模型是通过从数据中学习模式来工作的。以下是几个例子:给模型输入大量猫和狗的图片,它就能学会区分它们(分类模型)输入房产数据,它能发现“面积越大,价格越高”这样的规律(回归模型)给它浏览记录,它就能猜测你可能会买什么(推荐模型)

qq_46094651的博客 784

西电计组实验二 运算器实验

算术逻辑运算实验 一.实验目的   1.了解简单运算器的数据传输通路。   2.验证运算功能发生器的组合功能。   3.掌握算术逻辑运算加、减、与的工作原理。   4.验证实验台运算的8位加、减、与、直通功能。   5.按给定数据,完成几种指定的算术和逻辑运算。 二.实验原理   算术逻辑单元ALU的数据通路如图2-1所示。其中运算器ALU181根据74LS181的功能用VHDL硬件描述语言编辑而成,构成8位字长的ALU。参加运算的两个8位数据分别为A[7…0]和B[7…0],运算模式由S[3…0]的16种

Polaris的博客 1万+

Python读取Matlab v7.3数据

文章目录Matlab保存数据Python读取 v7.3 Mat Matlab保存数据 在matlab设置中,常规->MAT文件,选择MATLAB版本7.3或更高版本保存数据。 注意保存数据的文件名为 corre.mat,保存的数据数组为data; 后面python的读取中会用到这两个参数 Python读取 v7.3 Mat 先安装hdf5storage库,再使用以下代码,就可以读取到mat中的数据,注意 import hdf5storage import numpy as np dataDi

weixin_43121914的博客 1082

OpenAI开发系列(一):一文搞懂大模型、GPT、ChatGPT等AI概念

揭示了人工智能、大模型、GPT、以及ChatGPT的概念及它们潜在关系。希望这篇文章为你解开了这些概念的纷繁复杂

无敌小怪兽_Zz的博客 3万+

YOLOv11改进 | Conv篇 | DWRSeg扩张式残差助力小目标检测 (附创新修改后的C3k2DWRSeg)

本文内容给大家带来的DWRSeg中的DWR模块来改进YOLOv11中的C2f和Bottleneck模块,主要针对的是小目标检测,主要创新点可以总结如下:多尺度特征提取机制的深入研究和创新的DWR模块和SIR模块的提出这种方法使得网络能够更灵活地适应不同尺度的特征,从而更准确地识别和分割图像中的物体。DWRSeg的基本原理和框架,并且能够在你自己的网络结构中进行添加DWRSeg需要增加一定的计算量一个DWR模块大概增加0.4GFLOPsYOLOv11改进系列专栏——本专栏持续复习各种顶会内容——科研必备。

Snu77的博客 4189

基于大模型(LLM)的 Web UI 自动化方案

业界现有的大模型WebUI自动化测试方案

测试开发探秘 1646

深度强化学习 | 基于SAC算法的移动机器人路径跟踪(附Pytorch实现)

软性演员-评论家(Soft Actor-Critic, SAC)算法是基于最大熵原理的离线策略方法,本节将基于深度强化学习中的SAC算法实现移动机器人的路径跟踪,介绍网络设计、动作空间设计和奖励函数设计,并提供Pytorch实现加深理解

FRIGIDWINTER的博客 5736

L2正则化与Ridge回归的关系

非常感谢您提供的详细任务描述和要求。我会尽力按照您的指引来撰写这篇技术博客文章。 L2正则化与Ridge回归的关系 1. 背景介绍 机器学习模型在训练过程中容易出现过拟合的问题,这会导致模型在训练集上表现很好但在测试集上泛化性能较差。为了解决这一问题,正则化技术应运而生。其中

AGI×大数据,开启智能时代的认知跃迁;解码AGI,赋能数据驱动的智能革命。 662

【LLM】自主GPT-4:从ChatGPT到AutoGPT、AgentGPT、BabyAGI、HuggingGPT等

做一个简单介绍,酒研年近48 ,有20多年IT工作经历,目前在一家500强做企业架构.因为工作需要,另外也因为兴趣涉猎比较广,为了自己学习建立了三个博客,分别是【全球IT瞭望】,【架构师研究会】和【开发者开聊企业架构师需要比较广泛的知识面,了解一个企业的整体的业务,应用,技术,数据,治理和合规。之前4年主要负责企业整体的技术规划,标准的建立和项目治理。最近一年主要负责数据,涉及到数据平台,数据战略,数据分析,数据建模,数据治理,还涉及到数据主权,隐私保护和数据经济。

全网:架构师研究会 1749

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

大模型LLM训练的数据集

随着新型AI技术的快速发展,模型训练数据集的相关文档质量有所下降。模型内部到底有什么秘密?它们又是如何组建的?本文综合整理并分析了现代大型语言模型的训练数据集。

十年以上架构设计经验,专注于软件架构和人工智能领域,对机器视觉、NLP、音视频等领域都有涉猎 5238

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

大模型 LLM 综述, A Survey of Large Language Models

一般认为NLP领域的大模型>=10 Billion参数(也有人认为是6B、7B, 工业界用, 开始展现涌现能力);经典大模型有GPT-3、BLOOM、Flan-T5、GPT-NeoX、OPT、GLM-130B、PaLM、LaMDA、LLaMA等;大模型时间线, 图来自,下同。

大漠帝国的博客 6692

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

一键本地部署类GPT大模型,大模型部署并没有那么难(附福利大模型书)

一键本地部署类GPT大模型,大模型部署并没有那么难(附福利大模型书)

huang9604的博客 932

如何让本地大模型秒变智能搜索神器?LLM_Web_search完整使用指南

**LLM_Web_search**是一款为本地语言模型赋能网页搜索能力的开源工具,通过与文本生成界面无缝集成,让AI能够实时获取网络信息并生成更精准的回答。无论是学习研究还是日常查询,它都能突破模型知识库限制,成为你的智能助手。 ## ???? 为什么选择LLM_Web_search? 传统本地大模型受限于训练数据时效性,无法回答最新问题。而这款**终极搜索增强工具**通过三大核心优势解决痛点:...

gitblog_00270的博客 1321

LLM.js: 在浏览器中运行大型语言模型的JavaScript库

LLM.js代表了AI技术与Web开发融合的一个重要里程碑。通过将大型语言模型的能力带入浏览器,它不仅降低了AI应用的门槛,还为Web开发者提供了一个强大的工具,用于创建更智能、更互动的用户体验。随着项目的不断发展和完善,我们可以期待看到更多基于LLM.js的创新应用涌现。这个开源项目的成功也证明了开源社区在推动技术创新方面的重要作用。对于有兴趣探索这一领域的开发者来说,LLM.js无疑是一个值得关注和尝试的项目。

m0_56734068的博客 1473

基于OpenAI GPT API开发大模型应用:聊天API编程的方法

本系列文章介绍基于OpenAI GPT API开发大模型应用的方法,适合从零开始,也适合查缺补漏。

2401_82469710的博客 1260

GPT-SoVITS与LLM结合:大模型生成文本+语音同步输出

通过结合大语言模型与GPT-SoVITS语音合成技术,实现文本生成与语音播报的实时联动。仅需少量音频即可克隆音色,支持跨语言、低延迟、高自然度的拟人化表达,广泛应用于虚拟主播、AI教师、无障碍交互等场景,推动多模态人机交互的落地。

weixin_28931507的博客 896

移动端访问体验:anything-llm是否支持手机浏览器?

Anything-LLM支持手机浏览器访问,基于响应式网页设计和前后端分离架构,可在安卓和iPhone上流畅运行。通过RAG技术实现文档智能问答,配合轻量模型与Nginx路由优化,保障移动端查询速度快且稳定。结合PWA、JWT安全认证与内网部署能力,真正实现随身知识库的跨设备协同体验。

weixin_36474966的博客 836

使用LM Studio在本地运行LLM完整教程(附大模型教程)

LM Studio是一个免费的桌面软件工具,它使得安装和使用开源LLM模型非常容易。

2401_82469710的博客 3938
上一篇: 老胡的周刊(第087期)
下一篇: 老胡的周刊(第088期)
老胡的储物柜
博客等级 码龄12年 1145粉丝 284原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值