目录

一、Ollama是什么？

二、如何在Mac上安装Ollama

1. 准备工作

2. 下载并安装Ollama

3. 运行Ollama

4. 安装和配置大型语言模型

5. 使用Ollama

三、安装open-webui

1. 准备工作

2. Open WebUI ⭐的主要特点

3. Docker安装OpenWebUI，拉去太慢可以使用手动安装

4. 配置本地大模型LLaMA2-7B

5. 验证配置

四、使用Ollama + AnythingLLM构建类ChatGPT本地问答机器人系

学习目标

1. 下载AnythingLLM

2. 安装AnythingLLM

3. 配置AnythingLLM

3.1 选择LLM、嵌入模型和向量数据库

3.2 设置环境变量（如果需要）

3.3 权限管理（如果需要）

4. 构建知识库

5. 开始使用

6. 自定义集成（如果需要）

7. 监控和反馈

8. 注意事项

9. 额外信息

参考文章

---

一、Ollama是什么？

Ollama是一个功能强大的开源框架，旨在简化在Docker容器中部署和管理大型语言模型（LLM）的过程。以下是关于Ollama的详细介绍：

定义与功能： Ollama是一个开源的大型语言模型服务工具，它帮助用户快速在本地运行大模型。通过简单的安装指令，用户可以执行一条命令就在本地运行开源大型语言模型，如Llama 2。Ollama极大地简化了在Docker容器内部署和管理LLM的过程，使得用户能够快速地在本地运行大型语言模型。特点与优势： 功能齐全：Ollama将模型权重、配置和数据捆绑到一个包中，定义成Modelfile。优化设置与配置：它优化了设置和配置细节，包括GPU使用情况。易用性：用户无需深入了解复杂的部署和管理流程，只需简单的安装和配置即可使用。支持热加载：用户无需重新启动即可切换不同的模型。支持的平台与模型： Ollama支持在Mac和Linux平台上运行。它支持运行多种开源大型语言模型，如Llama 2。API与界面： Ollama提供了类似OpenAI的API接口和聊天界面，方便用户部署和使用最新版本的GPT模型。安装与部署： Ollama的安装过程被极大地简化，并提供了多种选择，包括Docker镜像。

综上所述，Ollama是一个为在本地运行大型语言模型而设计的强大、易用、功能齐全的开源框架。它通过优化设置和配置，简化了在Docker容器中部署和管理LLM的过程，使得用户能够快速、方便地在本地运行大型语言模型。

二、如何在Mac上安装Ollama

在Mac上安装Ollama的步骤如下，结合了参考文章中的信息，并进行了适当的总结和归纳：

1. 准备工作

确认系统兼容性：Ollama支持在Mac上运行，但请确保您的Mac满足运行大型语言模型所需的最低系统要求。检查存储空间：安装和运行Ollama以及大型语言模型可能需要较大的磁盘空间。请确保您的Mac有足够的存储空间。

2. 下载并安装Ollama

访问Ollama官网：前往Ollama的官方网站（如：https://ollama.com/）下载适用于Mac的安装包。下载安装包：在官网找到适用于Mac的下载链接，下载Ollama的安装包。安装Ollama：双击下载的安装包，按照提示完成安装过程。

3. 运行Ollama

打开终端：在Mac上打开终端（Terminal）。运行命令：在终端中，输入相应的命令来启动和运行Ollama。例如，使用ollama pull llama3命令来拉取并安装Llama 3模型（请注意，这只是一个示例命令，具体命令可能因Ollama的版本和您的需求而有所不同）。下载llama2地址： llama2下载命令：ollama run llama2:7b

4. 安装和配置大型语言模型

选择模型：根据您的需求选择合适的大型语言模型。Ollama支持多种开源大型语言模型，如Llama 2、Llama 3等。安装模型：使用Ollama提供的命令来安装所选的模型。例如，使用ollama pull llama3命令来安装Llama 3模型。配置模型：根据模型的文档和说明，进行必要的配置和设置。这可能包括设置模型的参数、配置GPU使用情况等。

5. 使用Ollama

启动服务：在成功安装和配置模型后，您可以使用Ollama提供的命令或API来启动和运行模型服务。访问和使用：通过Ollama提供的Web界面或API接口，您可以访问和使用已部署的大型语言模型进行各种任务，如文本生成、问答等。API调用

curl http://localhost:11434/api/generate -d '{

"model": "llama2:7B",

"prompt":"Why is the sky blue?"

}'

回答问题时CPU100%，MAC M1 8G内存

请注意，以上步骤和命令可能因Ollama的版本和您的具体需求而有所不同。建议您参考Ollama的官方文档和社区资源，以获取最准确和最新的安装和使用指南。

三、安装open-webui

1. 准备工作

安装Docker环境：确保你的系统上已经安装了Docker Desktop。你可以从Docker官网下载并安装适合你操作系统的Docker Desktop版本。配置Docker以支持GPU（可选）：如果你的本地有GPU，并且希望利用GPU加速大模型效果，你需要在Docker Desktop中配置GPU支持。这通常涉及到在Docker Desktop的设置中启用GPU支持，并安装相应的驱动程序和软件。可参考文章：Macbook m1安装docker详细教程_mac m1安装docker-CSDN博客

2. Open WebUI ⭐的主要特点

GitHub - open-webui/open-webui: User-friendly WebUI for LLMs (Formerly Ollama WebUI)

🚀 轻松设置：使用 Docker 或 Kubernetes（kubectl、kustomize 或 helm）无缝安装，提供无忧体验，同时支持标记映像和标记映像。:ollama:cuda

🤝 Ollama/OpenAI API 集成：轻松集成兼容 OpenAI 的 API，与 Ollama 模型进行多功能对话。自定义 OpenAI API URL 以链接 LMStudio、GroqCloud、Mistral、OpenRouter 等。

🧩 Pipelines、Open WebUI 插件支持：使用 Pipelines 插件框架将自定义逻辑和 Python 库无缝集成到 Open WebUI 中。启动您的 Pipelines 实例，将 OpenAI URL 设置为 Pipelines URL，探索无限可能。示例包括函数调用、控制访问的用户速率限制、使用 Langfuse 等工具进行使用情况监控、使用 LibreTranslate 提供多语言支持的实时翻译、有害消息过滤等等。

📱 响应式设计：在台式电脑、笔记本电脑和移动设备上享受无缝体验。

📱 适用于移动设备的渐进式 Web 应用程序 （PWA）：使用我们的 PWA 在您的移动设备上享受类似本机应用程序的体验，提供对 localhost 的离线访问和无缝的用户界面。

✒️🔢 完整的 Markdown 和 LaTeX 支持：通过全面的 Markdown 和 LaTeX 功能提升您的 LLM 体验，以实现丰富的交互。

🛠️ 模型生成器：通过 Web UI 轻松创建 Ollama 模型。通过 Open WebUI 社区集成，轻松创建和添加自定义角色/代理、自定义聊天元素和导入模型。

📚 本地 RAG 集成：通过突破性的检索增强生成 （RAG） 支持，深入了解聊天交互的未来。此功能将文档交互无缝集成到您的聊天体验中。您可以将文档直接加载到聊天中或将文件添加到文档库中，在查询之前使用命令轻松访问它们。#

🔍 RAG 的 Web 搜索：使用 、 、 、 和 等提供程序执行 Web 搜索，并将结果直接注入到聊天体验中。SearXNGGoogle PSEBrave Searchserpstackserper

🌐 Web 浏览功能：使用后跟 URL 的命令将网站无缝集成到您的聊天体验中。此功能允许您将 Web 内容直接合并到您的对话中，从而增强交互的丰富性和深度。#

🎨 图像生成集成：使用 AUTOMATIC1111 API 或 ComfyUI（本地）和 OpenAI 的 DALL-E（外部）等选项无缝整合图像生成功能，通过动态视觉内容丰富您的聊天体验。

⚙️ 许多模型对话：毫不费力地同时与各种模型互动，利用它们的独特优势来获得最佳响应。通过并行利用各种模型来增强您的体验。

🔐 基于角色的访问控制 （RBAC）：确保使用受限权限进行安全访问;只有经过授权的个人才能访问您的 Ollama，并且为管理员保留独家模型创建/拉取权限。

🌐🌍 多语言支持：通过我们的国际化 （i18n） 支持，以您的首选语言体验 Open WebUI。加入我们，扩展我们支持的语言！我们正在积极寻找贡献者！

🌟 持续更新：我们致力于通过定期更新、修复和新功能来改进 Open WebUI。

想了解更多关于Open WebUI的功能吗？查看我们的 Open WebUI 文档，了解全面概述！

3. Docker安装OpenWebUI

拉取Open-WebUI镜像：使用Docker命令从GitHub Container Registry拉取Open-WebUI的镜像。例如，你可以运行以下命令来拉取最新的Open-WebUI镜像：

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

 下载太慢，需要配置docker国内镜像仓库，参考这篇文章：

MacOS上配置docker国内镜像仓库地址_mac docker配置镜像源-CSDN博客

如果163也很慢，建议配置阿里云镜像地址，需要登陆阿里云 不过配置发现更慢！手动下载了

最后只能用魔法解决了

4. 安装完成

4.1 本地登陆

登陆地址 http://localhost:3000/  注册账号登陆

4.2 选择模型

4.3 聊天

4.4 配置文本嵌入模型

4.5 上传PDF文档

4.6 关联文档，回答问题

4. 配置本地大模型LLaMA2-7B

下载LLaMA2-7B模型：你需要从适当的来源（如Hugging Face的模型仓库）下载LLaMA2-7B模型的文件。由于模型文件可能非常大，下载可能需要一些时间。确保你有足够的存储空间来存储这些文件。配置Open-WebUI以使用LLaMA2-7B模型：Open-WebUI允许你通过配置文件或环境变量来指定要使用的模型。你需要根据你的Open-WebUI版本和配置方式，将LLaMA2-7B模型的路径或位置配置到Open-WebUI中。具体的配置方法可能因Open-WebUI版本而异，请参考Open-WebUI的官方文档或GitHub仓库中的说明进行配置。重启Open-WebUI容器：在配置完Open-WebUI以使用LLaMA2-7B模型后，你需要重启Open-WebUI容器以使配置生效。你可以使用Docker命令来停止并重新启动容器，或者如果Open-WebUI支持热重载配置，你也可以尝试重新加载配置而不必重启容器。

5. 验证配置

访问Open-WebUI界面：在配置完成后，你可以通过浏览器访问本地的3000端口来访问Open-WebUI的界面。在界面上，你应该能够看到已经配置好的LLaMA2-7B模型，并可以开始使用它进行对话或其他任务。

测试LLaMA2-7B模型：在Open-WebUI界面中，你可以尝试与LLaMA2-7B模型进行对话或执行其他任务来验证配置是否正确。如果一切正常，你应该能够看到LLaMA2-7B模型对你的输入做出合理的响应。

四、使用Ollama + AnythingLLM构建类ChatGPT本地问答机器人系

学习目标

使用开源软件Ollama+AnythingLLM构建本地类ChatGPT问答机器人系统熟悉和了解基于LLM的本地RAG知识库搭建原理和逻辑，替换符合国内的LLM工具学会安装、配置、使用问答系统，找出符合企业私有化客服（对内）的产品规划逻辑对比和发现问题，寻找优劣点

当在MAC上安装AnythingLLM时，以下是更详细的步骤，结合了参考文章中的信息：

1. 下载AnythingLLM

访问AnythingLLM的官方网站：Download AnythingLLM for Desktop（注意：链接可能随时间而变化，请以最新信息为准）。在下载页面选择适用于MacOS的桌面版dmg文件，点击下载。

2. 安装AnythingLLM

下载完成后，找到下载的dmg文件，双击打开。跟随安装向导的指示，完成AnythingLLM的安装过程。安装完成后，打开AnythingLLM应用。初次启动可能需要一些时间进行初始化操作。

3. 配置AnythingLLM

3.1 步骤说明

3.2 选择LLM、嵌入模型和向量数据库

在AnythingLLM应用中，根据需求选择或下载适当的大语言模型（LLM）、嵌入模型和向量数据库。 LLM：AnythingLLM支持多种LLM，包括但不限于OpenAI的GPT系列、Gemini、Mistral等。

嵌入模型：可以选择内置的嵌入模型或下载其他模型，如OpenAI、LocalAi、Ollama等提供的嵌入模型。 nomic-embed-text

向量数据库：默认使用内置的LanceDB，但也可以选择其他如Chroma、Milvus、Pinecone等。

3.3 设置环境变量（如果需要）

根据AnythingLLM的文档说明，如有需要，设置所需的环境变量，例如OLLAMA_MODELS。

3.4 权限管理（如果需要）

如果是企业级应用，可以设置多用户并进行权限管理，确保数据的安全性。

4. 构建知识库

在AnythingLLM中，通过“选择知识”按钮上传文档或给定知识文件链接（支持PDF、TXT、DOCX等文档格式）。将文档通过嵌入模型转化为向量，并保存到向量数据库中。这个过程可能需要一些时间，具体取决于文档的大小和系统的性能。 

5. 开始使用

配置完成后，就可以在AnythingLLM中进行基于检索增强生成（RAG）的聊天或问答了。可以创建自己的工作区（workspace），设置不同的配置，并开始与LLM进行交互。

6. 自定义集成（如果需要）

如果需要，可以使用AnythingLLM的开发者API进行自定义集成，以满足特定的业务需求。

7. 监控和反馈

利用AnythingLLM的遥测功能来监控应用的使用情况。如果遇到问题或需要改进，可以通过创建issue或PR来提供反馈。

8. 注意事项

定期检查并更新AnythingLLM和相关的模型、嵌入模型、向量数据库，以获取最佳的性能和安全性。注意保护个人隐私和知识产权，确保上传的文档内容合法合规。

9. 额外信息

AnythingLLM是一个全栈应用程序，允许用户将任何文档、资源或内容转化为任何LLM在聊天过程中可以用作参考的上下文。该应用程序支持多种LLM、嵌入器和向量数据库，并提供了多用户支持和权限管理功能。通过AnythingLLM，用户可以在本地或云端搭建个性化的聊天机器人系统，无需复杂设置。

参考文章

Ollama-0001-安装

Ollama：本地大模型运行指南

ollama+open-webui，本地部署自己的大模型_ollama的webui如何部署-CSDN博客

Macbook m1安装docker详细教程_mac m1安装docker-CSDN博客

MacOS上配置docker国内镜像仓库地址_mac docker配置镜像源-CSDN博客

第九期： 使用Ollama + AnythingLLM构建类ChatGPT本地问答机器人系统 - 知乎 (zhihu.com)

AI小白使用Macbook Pro安装llama3与langchain初体验_mac安装llama3-CSDN博客

EP4 Ollama + AnythingLLM 解读本地文档 构建私有知识库_哔哩哔哩_bilibili