无论是由于网络访问限制，还是数据安全原因，我们可能需要私有化部署大语言模型（LLM），以便在本地运行访问。
本项目(https://github.com/feiyun0112/Local-LLM-Server)提供了一个快速搭建私有大语言模型服务器的方法，只需要一行命令，就可以在本地搭建一个私有的大语言模型服务器，并提供OpenAI兼容接口。
注意：本项目在CPU 环境下也可以使用，但是速度会较慢。
使用方法
1. 安装依赖
首先，确保你的机器安装了 Python（我使用的是3.10）
pip install -r requirements.txt
2. 下载模型
本项目基于FastChat实现，FastChat支持多种大语言模型(https://github.com/lm-sys/FastChat/blob/main/docs/model_support.md)。
我个人只测试了 LLM 模型 https://huggingface.co/THUDM/chatglm3-6b 与 Embedding 模型 https://huggingface.co/BAAI/bge-large-zh，其他模型理论上也可以使用。
git lfs install
git clone https://huggingface.co/THUDM/chatglm3-6b
git clone https://huggingface.co/BAAI/bge-large-zh
3. 配置
本项目可以同时部署多个模型，只需要在 config.py 中配置模型名称和路径键值对即可。
WORK_CONFIG = {
"host": HOST,
"port": 21002,
# 模型名称和路径键值对
"models": {
"ChatModel":"d:/chatglm3-6b", # 名称可以自定义，路径可以用相对路径或绝对路径
"EmbeddingsModel":"c:/models/bge-large-zh",
},
}
4. 启动服务
python startup.py
当看到如下输出时，说明服务已经启动成功：
Local-LLM-Server 启动成功，请使用 http://127.0.0.1:21000 访问 OpenAI 接口
使用示例
示例代码都存放在本项目 demos 目录下。
1. python
import openai
openai.api_key = "Empty"
openai.base_url = "http://localhost:21000/v1/"
# 使用 LLM 模型
completion = openai.chat.completions.create(
model="ChatModel",
messages=[{"role": "user", "content": "请自我介绍一下?"}]
)
print(completion.choices[0].message.content)
# 使用 Embeddings 模型
embedding = openai.embeddings.create(
model="EmbeddingsModel",
input = "欢迎关注我的个人公众号MyIO!",
encoding_format="float")
print(embedding.data[0].embedding)
2. C#
需引用 Nuget Semantic-Kernel 1.0.1
using Microsoft.SemanticKernel;
var kernel = Kernel.CreateBuilder()
.AddOpenAIChatCompletion(
modelId: "ChatModel",
apiKey: "NoKey",
httpClient: new HttpClient(new MyHandler())
).Build();
var prompt = "请自我介绍一下?";
var result = await kernel.InvokePromptAsync(prompt);
var answer = result.GetValue();
Console.WriteLine(answer);
由于 Microsoft.SemanticKernel 没提供直接设置 OpenAI 服务器地址的方法，所以自定义一个 DelegatingHandler，将 OpenAI 服务器地址修改为 Local-LLM-Server 地址。
class MyHandler : DelegatingHandler
{
public MyHandler()
: base(new HttpClientHandler())
{
}
protected override Task SendAsync(HttpRequestMessage request, CancellationToken cancellationToken)
{
var newUriBuilder = new UriBuilder(request.RequestUri);
newUriBuilder.Scheme = "http";
newUriBuilder.Host = "127.0.0.1";
newUriBuilder.Port = 21000;
request.RequestUri = newUriBuilder.Uri;
return base.SendAsync(request, cancellationToken);
}
}
总结
如果你觉得这个项目对你有帮助，请帮忙点个小星星⭐️
https://github.com/feiyun0112/Local-LLM-Server
