PythonNode.jsAI算法
Qwen2 开源大模型本地部署与 WebUI 对话机器人搭建
本文介绍了阿里巴巴通义千问 Qwen2 系列开源模型的本地部署方法。主要涵盖通过 llama-cpp-python 启动服务、使用 Python 客户端进行命令行对话，以及利用 Ollama 工具配合 WebUI 实现可视化聊天界面。文中详细说明了环境依赖安装、模型文件下载、Modelfile 配置及 Web 工程启动步骤，并对比了 Qwen2-7B 与 Llama3-8B 的性能表现。
本文介绍了阿里巴巴通义千问 Qwen2 系列开源模型的本地部署方法。主要涵盖通过 llama-cpp-python 启动服务、使用 Python 客户端进行命令行对话，以及利用 Ollama 工具配合 WebUI 实现可视化聊天界面。文中详细说明了环境依赖安装、模型文件下载、Modelfile 配置及 Web 工程启动步骤，并对比了 Qwen2-7B 与 Llama3-8B 的性能表现。
阿里巴巴通义千问团队发布了Qwen2系列开源模型，该系列模型包括 5 个尺寸的预训练和指令微调模型：Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B以及Qwen2-72B。对比当前最优的开源模型，Qwen2-72B在包括自然语言理解、知识、代码、数学及多语言等多项能力上均显著超越当前领先的Llama3-70B等大模型。
本文将部署和体验Qwen2-7B-Instruct指令微调的中等尺寸模型，相比近期推出同等规模的开源最好的Llama3-8B、GLM4-9B等模型，Qwen2-7B-Instruct依然能在多个评测上取得显著的优势，尤其是代码及中文理解上。
特别注意： 虽然Qwen2开源了，但仍然需要遵循其模型许可，除Qwen2-72B依旧使用此前的Qianwen License外，其余系列版本模型，包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B以及Qwen2-57B-A14B等在内，均采用Apache 2.0许可协议。
为了简化模型的部署过程，我们直接下载 GGUF 文件。
我们可以根据自己需要，选择下载其它版本的模型文件！
GGUF 模型量化文件下载完成后，我们就可以来运行Qwen2-7B大模型了。
在启动Qwen2-7B大模型之前，我们首先需要安装 Python 依赖包列表：
pip install llama-cpp-python
pip install openai
pip install uvicorn
pip install starlette
pip install fastapi
pip install sse_starlette
pip install starlette_context
pip install pydantic_settings
然后打开一个 Terminal 终端窗口，切换到 GGUF 模型文件目录，启动Qwen2-7B大模型（./qwen2-7b-instruct-q5_k_m.gguf即为上一步下载的模型文件路径）：
# 启动 Qwen2 大模型
# n_ctx=20480 代表单次回话最大 20480 个 Token 数量
python -m llama_cpp.server \
--host 0.0.0.0 \
--model ./qwen2-7b-instruct-q5_k_m.gguf \
--n_ctx 20480
# 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", : user_input})
()
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~
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：
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。
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？" }
]
}'
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online