现在大模型工具越来越流行了，文心一言和豆包已经慢慢融入大家的工作生活中了，我们有问题都可以让大模型帮我们回答。不过这里有个问题，就是公开的AI大模型工具回答的都是通用型的问题，不够有针对性，比如我就想问一下，我自己上一篇论文中的某些内容，公开大模型工具往往是无法回答我们的，因为公开的大模型都是基于目前的数据训练得到的，显然它并不知道我本地新增的信息。而且，就算有接口可以提交我们的信息，由于安全和保密的需求，也不方便直接把我们的信息都上传。所以，我们可以在自己本地搭建我们自己的大模型，基于大模型构建我们自己的知识库。

1. Ollama安装

要搭建我们自己的大模型，就要把目前有的大模型下载下来，因为我们基本上不具备自己本地训练大模型的条件。下载大模型进行本地部署，目前最方便的工具是Ollama。

Ollama是一个轻量级、可扩展的框架，用于在本地机器上构建、运行和管理大型语言模型（LLM）。其核心价值在于简化在本地运行大语言模型的复杂过程，降低使用门槛，使得即便是非专业用户也能轻松上手。要使用Ollama首先要下载Ollama安装包，可以去Ollama官网（https://ollama.com/）下载最新的安装包。

如果是Windows系统的话，直接下载安装包即可安装。

如果是Linux可以运行命令

curl -fsSL https://ollama.com/install.sh | sh

我因为工作需要，我的服务器不能连接外网，所以我需要先下载安装包和安装文件，在用户目录下新建一个ollama目录，把安装包下载到这里，再修改安装文件，在本地进行安装。

curl -L https://ollama.com/download/ollama-linux-amd64.tgz -o ollama-linux-amd64.tgz``sudo tar -C /usr -xzf ollama-linux-amd64.tgz

主要是修改install.sh文件

status "Installing ollama to $OLLAMA_INSTALL_DIR"``$SUDO install -o0 -g0 -m755 -d $BINDIR``#$SUDO install -o0 -g0 -m755 -d "$OLLAMA_INSTALL_DIR"``$SUDO install -o0 -g0 -m755 -d ./ollama-linux-amd64  $BINDIR/ollama

安装后目录结构如下：

安装完之后，还要配置一下Ollama模型的下载目录：

# 执行命令``vim ~/.bashrc``# 配置 OLLAMA_MODELS 环境变量自定义路径``export OLLAMA_MODELS=/home/yjs/ollama/ollama_cache

Windows下的话，修改一下环境变量就可以了：

Ollama有几个简单常用的命令如下：

查看ollama版本

ollama -v ollama version is 0.1.31

查看已下载模型

ollama list` `NAME        ID              SIZE      MODIFIED`     `gemma:2b    b50d6c999e59    1.7 GB    3 hours ago

ollama的停止和启动

sudo systemctl stop ollama # 停止服务` `sudo systemctl start ollama # 启动服务` `# 监听http服务，指定GPU` `export OLLAMA_HOST="0.0.0.0:11434"` `export CUDA_VISIBLE_DEVICES="0"` `ollama serve # 启动

当我们把大模型下载到Ollama的模型存储文件夹中后，可以看到Ollama模型：

我们可以直接运行这个模型：

2. MaxKB可视化界面

只是在命令行中运行的话，有点麻烦，下面我们来看看如果给Ollama大模型加上一个界面。Ollama界面有很多方案，比较流行的有Open WebUI等工具。我这里用的是国产的MaxKB。MaxKB是一款基于大语言模型和 RAG 的开源知识库问答系统，广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。这个东西最大的好处是，不仅仅是把Ollama界面可视化了，还可以基于下载的大模型构建自己的知识库，随着知识库文件的增加，问答会越来越准确。

要安装MaxKB，方法和Open WebUI差不多，也是基于docker来安装的。

在线安装：

# Linux 操作系统``docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages cr2.fit2cloud.com/1panel/maxkb``# Windows 操作系统``docker run -d --name=maxkb --restart=always -p 8080:8080 -v C:/maxkb:/var/lib/postgresql/data -v C:/python-packages:/opt/maxkb/app/sandbox/python-packages cr2.fit2cloud.com/1panel/maxkb

离线安装：

1.下载安装包

2.根据install.conf配置安装信息

3.运行安装脚本

具体可以参考官方安装文档：

https://maxkb.cn/docs/installation/offline_installtion/

MaxKB启动后，浏览器输入：http://<你的ip>:8080/

注册后，输入用户名密码，进入到主界面

启动Ollama后，可MaxKB中设置自己的大模型。

点击“添加模型”可以根据自己的需要添加大模型。

如果网络通的话，就直接选择需要的模型，系统会自动下载，但是如果网络不好或在内网，那就要提前自己下载好，然后到存储ollama大模型的文件夹中，把模型文件拷贝下来，复制到服务器的ollama模型存放路径下。

接下来设置我们的提示词即可。

3. 本地知识库构建

如果不设置知识库，那么大模型只能根据他训练时候所包含的数据来回答问题，而无法对一些新的问题给出答案。使用RAG技术，可以使得模型在不进行微调的前提下具有获取新知识的能力。接下来，我们在“知识库”选项卡中创建我们自己的知识库。

创建后，可以上传我们自己的文档。

上传成功即可，表示我们这个文档已经加入我们的知识库了。

接下来，在应用设置中关联知识库即可。

通过Ollama和MaxKB的结合，可以进一步优化提示词和分段方式，提高命中率，从而打造符合我们需要的本地知识库。

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。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，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）

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）👈

​