想要部署属于自己的大模型，会不会很困难？其实不是的，现在是越来越简单。

今天就做一个简单的示范，让大家都能轻松搞定在自己的电脑哦上，本地化部署并运行私有化大模型，并且为我们自己的大模型投喂数据。

这样，就可以建立自己的数据仓库，没错，就可以定制垂直行业或细分领域的私有化大模型了。

酷~~~

首先，我们会用到Ollama，功能是运行大模型。

Ollama是一款LLM也就是大型语言模型服务工具，可以极大简化在本地运行大语言模型，极大降低了使用大语言模型的门槛，而且是开源的哦。

目前Ollama支持的大语言模型有：Llama 3、Phi 3、Mistral、Gemma、Neural Chat、Starling、LLaVA、Solar等，当然也包括我们今天演示的Qwen2.5开源大模型。

其次，是Qwen2.5（通义千问）开源大模型。

Qwen（通义千问）是阿里巴巴旗下的大语言模型，具有70亿参数规模，基于Transformer研发。

最后，是AnythingLLM，大模型增强应用，用来做界面化的交互，同时也可以处理文本标记，以及向量数据存储，这样我们就可以给自己部署的大模型投喂数据了。

OK，正式开始！

首先，我们来下载Ollama，官网是：https://ollama.com/

按照页面现实，点击“Download”按钮，进入下载页面。

Ollama支持macOS、Linux和我们常用的Windows操作系统，按照自己电脑安装的操作系统进行选择就可以了。

潘哥用的是Windows 11。

文件并不大，只有700多M，安装软件下载到本地后，直接双击进行安装！

安装软件不复杂，相信各位都能顺利完成。

安装成功后，系统会自动进入命令提示符界面。

现在我们下载AnythingLLM，官网地址是：https://anythingllm.com/

同样的，我们根据自己电脑操作系统，选择对应的安装程序进行下载。

不到300M的安装程序，很快就可以下载下来了。

安装过程和常规软件安装差不多，按照提示进行安装即可。

接下来，咱需要安装一个大模型，今天演示安装通义千问（Qwen）大模型。

在Ollama官网，搜索“Qwen”，如下图所示。

我们选择“qwen2.5”。

在出现的页面中，我们选择复制这段命令，或者直接在命令提示那里输入也可以。

回车后，命令开始执行。

系统会自动开始下载Qwen2.5大模型，文件有点大，4.7G，所以，需要耐心等待一下。

安装成功了，如下图：

这时，我们就可以向大模型提问了，比如：

好了，现在我们还差一个友好的交互界面。

我们打开AnythingLLM，来设置界面化的操作模式。

首先我们先对它进行相关配置的设置。点击左下角的设置按钮。

LLM首选项要选“Ollama”，模型选：Qwen2.5:latest，其它选项可以设置为默认值就可以了。

向量数据库设置，根据实际情况选择即可，这里我们选择了默认的LanceDB。

接下来，嵌入首选项设置，嵌入引擎提供商我们选择Ollama，Ollama Embedding Model我选择的是：nomic-embed-text。

nomic-embed-text是需要提前安装的，安装方法也很简单，在Ollama官网搜索nomic-embed-text，然后复制执行代码，在命令提示符状态下进行执行即可。

复制代码，并执行，系统会进行自动下载并安装。

如果我们要给大模型投喂数据，那么投喂的数据都需要先进行向量化处理，而nomic就是对文本进行向量化处理的工具。

返回上一步的操作界面，我们来创建一个工作区，任意命名这个工作区即可。

我们对这个工作区做一个简单的设置，选择“聊天设置”，同理，要设置成Ollama和Qwen2.5。

接下来设置“代理设置”，一样的配方，一样的味道。

都设置完成后，也象征着我们顺利完成了本地大模型部署，现在可以和它进行对话了哦。

激动的心，颤抖的手，可以在对话框里开始提问了哦~~~

OK，搞定，手工~

且慢，如果我们想投喂数据该怎么操作？

我们只需点击“设置”按钮旁边的这个按钮，即可进入投喂数据操作界面。

投喂操作界面如下：

点击上传文件就可以了。

上传文件后，系统会进行向量化处理，处理后保存，那么下次提问，就可以检索出我们投喂的数据了。

比如，我随便编排了一段文字，然后投喂进去。

这个“锻炼项目”是我瞎编的。

接下来我们再向它提问，它的回答就已经有了我们投喂的数据。

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。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 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🆓↓↓↓

👉CSDN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。

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)

三、LLM大模型系列视频教程

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

五、AI产品经理大模型教程

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

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 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🆓↓↓↓

👉CSDN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）👈

​