无论是由于网络访问限制，还是数据安全原因，我们可能需要私有化部署大语言模型（LLM），以便在本地运行访问。

本项目(
https://github.com/feiyun0112/Local-LLM-Server)提供了一个快速搭建私有大语言模型服务器的方法，只需要一行命令，就可以在本地搭建一个私有的大语言模型服务器，并提供OpenAI兼容接口。

注意：本项目在CPU 环境下也可以使用，但是速度会较慢。

使用方法

1. 安装依赖

• 首先，确保你的机器安装了 Python（我使用的是3.10）

• 然后，安装依赖

pip install -r requirements.txt

2. 下载模型

本项目基于FastChat实现，FastChat支持多种大语言模型(
https://github.com/lm-sys/FastChat/blob/main/docs/model_support.md)。

我个人只测试了 LLM 模型
https://huggingface.co/THUDM/chatglm3-6b 与 Embedding 模型
https://huggingface.co/BAAI/bge-large-zh，其他模型理论上也可以使用。

git lfs install
git clone https://huggingface.co/THUDM/chatglm3-6b
git clone https://huggingface.co/BAAI/bge-large-zh

3. 配置

本项目可以同时部署多个模型，只需要在 config.py 中配置模型名称和路径键值对即可。

WORK_CONFIG = {
"host": HOST, 
"port": 21002,
# 模型名称和路径键值对
"models": {
"ChatModel":"d:/chatglm3-6b", # 名称可以自定义，路径可以用相对路径或绝对路径
"EmbeddingsModel":"c:/models/bge-large-zh", 
 }, 
}

4. 启动服务

python startup.py

当看到如下输出时，说明服务已经启动成功：

Local-LLM-Server 启动成功，请使用 http://127.0.0.1:21000 访问 OpenAI 接口

使用示例

示例代码都存放在本项目 demos 目录下。

1. python

import openai

openai.api_key = "Empty"
openai.base_url = "http://localhost:21000/v1/"

# 使用 LLM 模型
completion = openai.chat.completions.create(
 model="ChatModel",
 messages=[{"role": "user", "content": "请自我介绍一下?"}]
)
print(completion.choices[0].message.content)


# 使用 Embeddings 模型
embedding = openai.embeddings.create(
 model="EmbeddingsModel",
 input = "欢迎关注我的个人公众号MyIO!", 
 encoding_format="float")
print(embedding.data[0].embedding)

2. C#

需引用 Nuget Semantic-Kernel 1.0.1

using Microsoft.SemanticKernel;

var kernel = Kernel.CreateBuilder()
 .AddOpenAIChatCompletion(
 modelId: "ChatModel",
 apiKey: "NoKey",
 httpClient: new HttpClient(new MyHandler())
 ).Build();

var prompt = "请自我介绍一下?";
var result = await kernel.InvokePromptAsync(prompt);
var answer = result.GetValue<string>();
Console.WriteLine(answer);

由于 Microsoft.SemanticKernel 没提供直接设置 OpenAI 服务器地址的方法，所以自定义一个 DelegatingHandler，将 OpenAI 服务器地址修改为 Local-LLM-Server 地址。

class MyHandler : DelegatingHandler
{
 public MyHandler()
 : base(new HttpClientHandler())
 {
 }
 protected override Task<HttpResponseMessage> SendAsync(HttpRequestMessage request, CancellationToken cancellationToken)
 {
 var newUriBuilder = new UriBuilder(request.RequestUri);
 newUriBuilder.Scheme = "http";
 newUriBuilder.Host = "127.0.0.1";
 newUriBuilder.Port = 21000;

 request.RequestUri = newUriBuilder.Uri;
return base.SendAsync(request, cancellationToken);
 }
}

总结

如果你觉得这个项目对你有帮助，请帮忙点个小星星⭐️

https://github.com/feiyun0112/Local-LLM-Server