Qwen2 开源大模型本地部署与 WebUI 对话机器人搭建

Qwen2-7B-instruct 命令行对话客户端

# client.py

from openai import OpenAI

# 注意服务端端口，因为是本地，所以不需要 api_key
client = OpenAI(base_url="http://127.0.0.1:8000/v1",
                api_key="not-needed")

# 对话历史：设定系统角色是一个只能助理，同时提交'自我介绍'问题
history = [
    {"role": "system", "content": "你是一个智能助理，你的回答总是容易理解的、正确的、有用的和内容非常精简."},
]

# 首次自我介绍完毕，接下来是等代码我们的提示
while True:
    completion = client.chat.completions.create(
        model="local-model",
        messages=history,
        temperature=0.7,
        stream=True,
    )

    new_message = {"role": "assistant", "content": ""}

    for chunk in completion:
        if chunk.choices[0].delta.content:
            print(chunk.choices[0].delta.content, end="", flush=True)
            new_message["content"] += chunk.choices[0].delta.content

    history.append(new_message)
    print("\033[91;1m")

    user_input = input("> ")
    if user_input.lower() in ["bye", "quit", "exit"]:  # 我们输入 bye/quit/exit 等均退出客户端
        print("\033[0mBYE BYE!")
        break

    history.append({"role": "user", "content": user_input})
    print("\033[92;1m")

启动 CLI 对话客户端：python client.py

至此，我们可以与Qwen2-7B-Instruct进行对话，体验 Qwen2 大模型的魅力了。

如果我们主要是通过 API 的方式使用Qwen2大模型，那么 Qwen2 部署就到此结束了。

接下来的章节，我们部署 WebUI 对话客户端，通过 Web 界面的方式使用Qwen2大模型，并且可以分享出去~

Qwen2-7B-Instruct WebUI 客户端

第一步： 我们需要下载安装Ollama本地大模型管理工具：

Ollama提供了MacOS、Linux和Windows操作系统的安装包，大家可根据自己的操作系统，下载安装即可：

安装包下载之后的安装过程，和日常安装其他软件没有差别，包括点击 Next 以及 Install 等安装 ollama 到命令行。安装后续步骤中，我们可无需安装任何模型，因为我们在上文中我们已经安装了 Qwen2-7B 大模型，后面可以直接使用。

第二步： 安装 Node.js编程语言工具包

安装 Node.js编程语言工具包和安装其他软件包一样

安装完成之后，可以验证一下 Node.js 的版本，建议用目前的最新v20版本：

node -v

安装的版本：v20.13.1（最新版本）

第三步： 基于 GGUF 模型文件创建 Ollama模型

在我们存放 Qwen2-7B的 GGUF 模型文件目录中，创建一个文件名为 Modelfile的文件，该文件的内容如下：

FROM ./qwen2-7b-instruct-q5_k_m.gguf

然后在 Terminal 终端，使用这个文件创建 Ollama模型，这里我把 Ollama的模型取名为Qwen2-7B：

$ ollama create Qwen2-7B -f ./Modelfile
transferring model data 
using existing layer sha256:258dd2fa1bdf98b85327774e1fd36e2268c2a4b68eb9021d71106449ee4ba9d5 
creating new layer sha256:14f4474ef69698b85327774e1fd36e2268c2a4b68eb9021d71106449ee4ba9d5 
writing manifest 
success

最后，通过 Ollama启动我们刚创建的大语言模型：

ollama run Qwen2-7B

启动完毕，其实我们已经有了一个和之前差不多的控制台对话界面，也可以与 Qwen2-7B对话了。

如果我们不想要这个模型了，也可以通过命令行删除模型文件：ollama rm Qwen2-7B

我们也可以查看本地Ollama管理的模型列表：ollama list

Ollama存放模型文件根目录：~/.ollama

第四步： 部署 Ollama大模型 Web 对话界面

控制台聊天对话界面体验总归是不太好，接下来部署 Web 可视化聊天界面。

首先，下载 ollama-webuiWeb 工程代码：git clone https://github.com/ollama-webui/ollama-webui-lite

然后切换 ollama-webui代码的目录：cd ollama-webui-lite

设置 Node.js 工具包镜像源，以接下来下载 Node.js 的依赖包更加快速：npm config set registry http://mirrors.cloud.tencent.com/npm/

安装 Node.js 依赖的工具包：npm install

最后，启动 Web 可视化界面：npm run dev

如果看到以上输出，代表 Web 可视化界面已经成功了！

第五步： 通过 WebUI 愉快与Qwen2-7B对话

浏览器打开 Web 可视化界面：

可以看到 Ollama的初始化页面，默认没有模型，需要选择，我们选择刚创建并部署的 Qwen2-7B模型：

底部就是聊天输入框，至此可以愉快的与 Qwen2-7B聊天对话了：

总结：Qwen2-7B 比 Llama3-8B 快

经测试，在文本推理上，Qwen2-7B确实比Llama3-8B要快很多。后续中文文本推理相关的 API 接口，将主要采用更快Qwen2-7B大模型。

其他：Ollama工具常用用法

从上文的介绍可以看到，基于 Ollama部署一个大模型的 Web 可视化对话机器人，还是非常方便。下面整理了部分 Ollama提供的用法。

Ollama 命令工具

# 查看当前 Ollama 的模型
ollama list

# 增量更新当前部署的模型
ollama pull Qwen2-7B

# 删除一个模型文件
ollama rm Qwen2-7B

# 复制一个模型
ollama cp Qwen2-7B Qwen2-newModel

Ollama API结果返回

curl http://localhost:11434/api/generate -d '{
  "model": "Qwen2-7B",
  "prompt":"为什么天空是蓝色的？"
}'

Ollama API聊天对话

curl http://localhost:11434/api/chat -d '{
  "model": "Qwen2-7B",
  "messages": [
    { "role": "user", "content": "为什么天空是蓝色的？" }
  ]
}'