LangChat是Java生态下企业级AIGC项目解决方案，在RBAC权限体系的基础上，集成AIGC大模型功能，帮助企业快速定制知识库、企业机器人。
-
产品官网：LangChat – LangChat
-
LangChat源码：https://github.com/tycoding/langchat
还不会部署本地AI大模型？使用LangChat带你快速部署并接入本地Ollama AI大模型。
配置Ollama
Ollama是一种本地模型部署方案，Ollama简化了模型的部署方式，通过官方一行命令即可在本地下载并启动一个模型。重点：有很多不需要GPU的模型
Ollama的官网：library
例如我们想要在本地部署最新的Llama3.1模型：
ollama1
首先需要安装Ollama官方客户端，然后直接执行命令：
- ounter(line
ollama run llama3.1默认会下载最小的模型，越大的模型对电脑配置要求越高，最小的模型一般不需要GPU也可运行（我使用的16/512 Mac book pro测试）。
ollama2
ollama3
下载完成后会直接运行模型，如下，非常简单，我们可以直接通过命令行对话模型：
ollama4
配置Ollama
启动完成后，Ollama默认会暴露一个http端口：http://127.0.0.1:11434 。也就是我们最终会使用http://127.0.0.1:11434/api/chat 接口和Ollama模型聊天。
首先我们需要在LangChat模型管理页面配置Ollama模型信息，这里的BaseUrl必须填写上述地址，然后【模型】填写你运行的模型名称即可：
ollama5
测试效果如下，在LangChat的聊天助手页面的右上角选择刚刚配置的Ollama模型即可快速使用。 （注意：最终的效果完全取决于模型的能力，和模型的参数大小有关，想要更好的效果、更快的响应速度就必须配置更高参数的列表，也就必须使用显存更高的机器）
ollama6
联系
-
博客: https://tycoding.cn
-
Github: https://github.com/tycoding
-
邮箱: langchat@outlook.com
