使用到的工具

dockeroneapi + fastgptollama

安装docker

已安装有docker的话跳过这一步

执行命令安装docker（一行一行执行）

curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun

systemctl enable --now docker

执行命令安装docker-compose（速度会比较慢）

curl -L https://github.com/docker/compose/releases/download/v2.20.3/docker-compose-`uname -s`-`uname -m` -o /usr/local/bin/docker-compose

chmod +x /usr/local/bin/docker-compose

如果github很慢可以把地址替换成镜像站

curl -L https://hub.nuaa.cf/docker/compose/releases/download/v2.20.3/docker-compose-`uname -s`-`uname -m` -o /usr/local/bin/docker-compose

等待安装结束后，执行命令启动docker sudo systemctl start docker

输入命令docker -v和docker-compose -v，若出现版本号信息则说明docker已经安装成功

安装fastgpt

fastgpt文档：doc.fastai.site/docs/

fastgpt官网提供了多种部署方式，这里我们选择使用Docker Compose快速部署

创建一个文件夹，然后进入这个文件夹，然后下载两个文件

mkdir /usr/local/fastgpt

cd /usr/local/fastgpt/

curl -O https://raw.githubusercontent.com/labring/FastGPT/main/files/deploy/fastgpt/docker-compose.yml

curl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app/data/config.json

执行命令启动容器（第一次启动会先下载所有镜像）

docker-compose up -d

配置oneapi

我们先不使用本地大模型，先使用第三方提供的线上版本

去【零一万物】注册一个账号，因为零一万物注册就送额度，不需要充钱，我们先拿它来做测试。

到api key管理页面获取一个key，这个key保存好后面要用到。

浏览器进入http://ip:3001 然后点击右上角登录

用户名：root；密码：123456，点击绿色登录

第一次登录会提示需要修改密码，可以不管它，直接点击上方导航栏的【渠道】

点击添加新渠道

填写相关信息

再点顶部导航栏【渠道】按钮，回到渠道列表页面

点击【测试】按钮，右上角出现成功提示，则说明配置成功了

修改config.json

oneapi配置成功后，接下来就是去fastgpt测试使用了，但是在这之前，需要修改之前下载的两个文件中的config.json文件，才能生效。

找到llmModels字段，上面已经存在了几个配置，我们在后面复制粘贴一个，然后把model和name两个字段改成刚在oneapi上配置的，看图：

改完后保存，然后重启服务：

docker-compose down

docker-compose up -d

配置fastgpt

浏览器进入http://ip:3000 ，进入fastgpt登录页面

账号root，密码1234，点击登录

创建一个新应用

模型选择零一万物，这个零一万物就是刚才在config.json中配置出来的

点击【保存并预览】按钮，然后就可以对话了

安装ollama

ok，使用线上第三方平台的大模型已经成功了，现在开始部署本地大模型来测试

进入ollama官网ollama.com/ 点击下载，下载自己系统的安装包，可以看到linux已经准备好命令了

直接使用官网给的命令下载curl -fsSL https://ollama.com/install.sh | sh

ollama默认绑定的是127.0.0.1:11434，内网其他机器是无法访问的，需要修改环境变量，打开/etc/systemd/system/ollama.service文件，修改Environment的值为：“OLLAMA_HOST=0.0.0.0”

保存，然后重启ollama服务

systemctl daemon-reload

systemctl restart ollama

重启好后，在浏览器进入地址：http://ip:11434 看到如下界面说明ollama已经安装并且配置成功

在ollama中安装大模型

在ollama官网右上角可以搜索你想要的大模型，我搜索【qwen】，进入模型详情页后，可以选择版本，这里我选择了最低的版本，你们可以根据你们的服务器情况选择合适的版本，右边已经给出了下载模型的命令，复制执行。

模型下载好后会自动进入，这时候就可以进行对话了，按ctrl+D退出

将本地模型接入oneapi中

浏览器进入http://ip:3001 刚才有操作过的，新建一个渠道，填写相关内容

模型一栏选择【ollama】

名称随便写

模型这里要注意，首先先点击【清除所有模型按钮】，把自动填充的模型清除掉，然后在右侧输入框手动输入ollama里下载的模型名称，这个模型名称可以通过ollama list命令得到，名称一定要写完全一致，然后点击右侧【填入按钮】

继续填写：

密钥：sk-key（固定写死就填这个）代理：http://ip:11434 （就是本地安装的ollama的地址）

点击提交，然后再回到渠道列表页，点击测试刚新添加的模型，右上角出现成功提示

接下来的步骤和之前测试零一万物时的步骤就一样了：

在config.json中新添加一个配置重启服务在fastgpt中新建应用在这个应用中选择新添加的模型点击【保存并预览】按钮然后就可以在fastgpt中与本地的大模型对话了

安装m3e向量模型，接入本地知识库

与本地模型进行对话已经实现了，现在需要将大模型对接到本地的知识库，那么就要安装向量模型

使用docker安装，下载时间会比较长：

docker run registry.cn-hangzhou.aliyuncs.com/fastgpt_docker/m3e-large-api:latest

在oneapi中新建渠道，类型选择OpenAi，名称随便写，模型手动填入“m3e”，密钥写【sk-aaabbbcccdddeeefffggghhhiiijjjkkk】，代理写【http://ip:6008 】

完成后去config.json中增加一个向量模型配置，这次和之前的不一样了，之前都是在llmModels里加的，向量模型需要加在vectorModels里；并且需要把之前新增的本地qwen模型中的datasetProcess改为true，这样在后续fastgpt中知识库中才能选到这个模型。

重启服务后，进入fastgpt，知识库中新建一个知识库，索引模型选择刚新建的向量模型m3e，文件处理模型选择之前在ollama里安装的模型，然后点击【确认创建】按钮

会默认有一个【手动录入】的文件夹，我们进这个文件夹手动录入一个数据测试

回到应用里，关联上这个知识库，然后点击【保存并预览】

就可以进行对话了，问一些刚才在知识库里相关的问题

也可以往知识库里上传一份文档让它分析

上传后等待索引完成，就可以回应用里问问题了

可以看到目前回答的还不太理想，后续可以使用高级编排功能，或者更换其他语言模型尝试

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓