【大语言模型】私有化搭建-企业知识库-知识问答系统

news2024/11/13 23:26:29

下面是我关于大语言模型学习的一点记录

人工智能学习路线

MaxKB 系统(基于大语言模型的知识问答系统)

部署开源大语言模型LLM

1.CPU模式(没有好的GPU，算力和效果较差)

2.GPU模式（需要有NVIDIA显卡支持）

Ollama网络配置

Ollama前台页面配置

使用docker中的ollama下载并运行AI模型

ollama模型仓库（可以选择自己想用的模型安装体验）

🏆 LMSYS Chatbot Arena Leaderboard(排行榜)

人工智能学习路线

人工智能学习路线（学+测） - 阿里云开发者社区人工智能学习路线，算法原理、框架精讲、机器学习实战、图像识别实战、自然语言处理实战，人工智能技术一站式学习https://developer.aliyun.com/learning/roadmap/ai

MaxKB 系统(基于大语言模型的知识问答系统)

官网和GitHub链接，可以用于公司知识库

MaxKB - 基于大语言模型的知识库问答系统MaxKB 是一款基于 LLM 大语言模型的知识库问答系统。https://maxkb.cn/https://github.com/1panel-dev/MaxKBhttps://github.com/1panel-dev/MaxKB

docker安装

docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data 1panel/maxkb

MaxKB是知识问答系统，主要对文档进行分块，内容块和问答框以及匹配度设置和问答记录登记反馈等等情况。但本身不具有LLM模型，需要另外部署或者接入API，例如千帆

我们自己部署一套开源模型

部署开源大语言模型LLM

1.CPU模式(没有好的GPU，算力和效果较差)

docker部署ollama(给MaxKB调用)

docker run -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

2.GPU模式（需要有NVIDIA显卡支持）

企业级需要4090 2块做推理

安装英伟达容器工具包（以Ubuntu22.04为例）

其他系统请参考：英伟达官方文档

# 1.配置apt源

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \

&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \

sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \

sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# 2.更新源

sudo apt-get update

# 3.安装工具包

sudo apt-get install -y nvidia-container-toolkit

docker使用GPU运行ollama

docker run --gpus all -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

Ollama网络配置

如何在我的网络上暴露Ollama？

Ollama默认绑定127.0.0.1端口11434。通过OLLAMA_HOST环境变量更改绑定地址。

https://docs.dify.ai/v/zh-hans/guides/model-configuration/ollama#zai-windows-shang-she-zhi-huan-jing-bian-liang

Ollama前台页面配置

docker部署ollama web ui(第一次登录需要注册)

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

使用docker中的ollama下载并运行AI模型

#通义1.0 4b

docker exec -it ollama ollama run qwen:4b-chat

#中文 lama2-chinese:13b模型

docker exec -it ollama ollama run llama2-chinese:13b

#通义7b-chat-v1.5-q5_K_M

docker exec -it ollama ollama run qwen:7b-chat-v1.5-q5_K_M

#通义千问2.0 Qwen2-7B（2024年6月底更新，当前最好用的开源，推荐用这个模型,下面有排行榜，在有限的资源下Qwen2-7B是开源中的顶流了，70亿的体量能满足企业开展，如果资源不够可以搞小一点的模型，测试下来P100勉强可以跑，A10可以跑5并发 3000token）

docker exec -it ollama ollama run qwen2:72b

#进入容器

docker exec -it ollama bash

root@9592d72fca5b:/# ollama list

NAME                            ID              SIZE    MODIFIED

llama2-chinese:13b              990f930d55c5    7.4 GB  3 hours ago

qwen:0.5b-text-v1.5-q6_K        c8c2e4f579df    514 MB  15 minutes ago

qwen:4b-chat                    d53d04290064    2.3 GB  5 hours ago

qwen:7b-chat-v1.5-q5_K_M        44ca6b3fda9d    5.5 GB  About an hour ago

root@9592d72fca5b:/# ollama rm qwen:0.5b-text-v1.5-q6_K

deleted 'qwen:0.5b-text-v1.5-q6_K'

root@9592d72fca5b:/# ollama list

NAME                            ID              SIZE    MODIFIED

llama2-chinese:13b              990f930d55c5    7.4 GB  3 hours ago

qwen:4b-chat                    d53d04290064    2.3 GB  5 hours ago

qwen:7b-chat-v1.5-q5_K_M        44ca6b3fda9d    5.5 GB  About an hour ago