有 NVIDIA 4GB 显存的设备，就可以搭建一个用于 LLM 的基本开发环境。
比如这里使用的是 NVIDIA GeForce GTX 1650，4GB 显存。
另外，经测试也能运行在 NVIDIA GeForce GTX 3050 4GB 笔记本上。
基本思路
- 消耗显存主要是：
- LLM（大语言模型）：如果使用
Qwen2:1.5b，大约消耗 2GB；如果是Qwen2:0.5b，则更小。 - Embedding（嵌入模型）：
bge-large-zh-v1.5@f16，大约消耗 1.2GB。
- LLM（大语言模型）：如果使用
- 基础开发环境用于测试程序是否能跑通，因此可以先用本地小模型。
- 如果需要更大的模型，可以再使用云端模型。
- 切换本地模型和云端模型很容易，因为使用 One-API 统一了本地和云端模型的调用接口。
- 调用模型调试代码，采用 Jupyter Notebook 笔记。
- 这样调试很方便，也便于分享。
- 如果使用客户端方案，比如 Streamlit 或者 Gradio，过程复杂了，没有专注在模型相关，可能涉及很多客户端细节。
- 团队可能有专门的前端，会有他们的基于 Vue 或者 React 解决方案。
- 将来很容易将笔记代码移植到比如 FastAPI 的服务器端模块。
实现技术
- 使用 Docker 容器方式运行，通过 Compose 管理 Docker 容器。
- 使用 Ollama 加载本地模型。
- 使用 One-API 统一管理本地和云端模型，并提供统一的 OpenAI API 访问方式。
- 使用 JupyterLab 提供 Web 界面的开发编辑工具。
操作步骤
基础环境
- Linux 环境：已经正确安装了 NVIDIA Driver，并安装了 Docker 和 Compose。
- Windows 环境：WSL2 的 Linux 虚拟机，安装了 Docker 和 Compose。
下载源代码
git clone https://github.com/MarshalW/llm-proto.git
Docker 设置代理
如果能直接访问 Docker 官方 Registry，则不需要这一步。
下面脚本为 Docker 设置代理服务器。
# 代理配置
HTTP_PROXY="http://proxy.example.com:8080"
NO_PROXY="localhost,127.0.0.1,docker-registry.example.com,.corp"
# 配置文件路径
CONFIG_FILE="/etc/systemd/system/docker.service.d/http-proxy.conf"
# 创建目录（如果不存在）
mkdir -p "$(dirname "$CONFIG_FILE")"
# 写入配置文件
cat <<EOF | sudo tee "$CONFIG_FILE" > /dev/null
[Service]
Environment="HTTP_PROXY=$HTTP_PROXY"
Environment="HTTPS_PROXY=$HTTP_PROXY"
Environment="NO_PROXY=$NO_PROXY"
EOF
# 重新加载 systemd 配置
sudo systemctl daemon-reload
# 重启 Docker 服务
sudo systemctl restart docker
构建 JupyterLab Docker 镜像
cd llm-proto/jupyterlab
./build.sh
启动服务
cd llm-proto
docker compose up -d
配置服务
Ollama 加载模型
# 进入 ollama 容器
docker exec -it llms bash
# 拉取模型
ollama pull qwen2:1.5b
# 验证拉取成功
ollama ls
NAME ID SIZE MODIFIED
qwen2:1.5b f6daf2b25194 934 MB 5 hours ago
配置 One-API
访问：http://IP:4000
登录账号/密码：root/123456
配置本地模型
添加渠道、测试渠道、添加令牌、复制令牌备用等操作请参考 One-API 文档或控制台界面。
配置云端模型
以其他云服务商为例。
创建渠道（需要设置访问密钥）：
访问 JupyterLab
浏览器访问 http://IP:8888
密码是 password
总结
通过上述步骤，即可建立一个最基本的 LLM 技术开发环境，用于开发和调试基于模型的基础代码。该方案利用容器化隔离环境，降低了硬件门槛，使 4GB 显存设备也能流畅运行小参数模型并进行开发测试。