Kingname | 谢乾坤 ： 一日一技：三分钟离线运行开源大模型

本文转自： https://www.kingname.info/2024/02/18/lmstudio/
仅做个人收藏，版权归原作者所有

经过一年多的发展，各种开源大模型现在已经相当不错了。国产的Qwen 1.5的生成效果已经能满足一些日常使用。

有一些同学可能之前一直在用网页版的ChatGPT、Kimi Chat、文心一言或者通义千问，那么你可能会遇到如下一些问题：

1. 网络问题。例如ChatGPT需要特殊的网络才能访问。
2. 审查问题。国产大模型会大量屏蔽关键字，有一些你觉得完全没有任何问题的回答，它会告诉你不符合法律规范，不能回答。
3. 不能自定义模型，网页版的这些大模型，你没有办法做微调，难以自定义内容。当你花了大量时间设计了一个高级Prompt，把模型洗脑成了猫娘，结果第二天它又不能用了。
4. 隐私泄漏问题，担心大模型的开发商把你问的问题和上传的信息挪作他用。

当你被这些问题困扰，那么你可以考虑离线运行开源大模型。完全不需要网络，因此不存在隐私泄漏的问题。你可以随意对模型进行微调，想弄成猫娘还是伪娘都随你的想法。没有任何审查，想怎么问怎么答都可以调整。

在2023年早期，要离线运行开源大模型是一件非常困难的事情。首先是显卡，4090显卡非常昂贵。其次是环境，搭建起来非常麻烦，各种报错会浪费你大量的时间。

但这些问题现在都不是问题了。使用LM Studio，你只需要3分钟就能在自己电脑上运行开源大模型。并且能自动开启兼容openai库的API.要运行大模型的门槛也大大降低，只需要满足：

1. 苹果芯片(M1/M2/M3)的Mac，操作系统大于等于13.6
2. Windows/Linux系统，只要处理器支持AVX2。最近3年的电脑基本上都支持。
3. 16GB以上的内存最好，但8GB也能跑
4. Windows/Linux使用的显卡不是太差即可。

要使用LM Studio非常简单，首先在官网下载安装包进行安装。安装完成以后如下图所示：

接下来，需要下载开源大模型。这是整个步骤里面，唯一需要联网的地方。由于它会从Huggingface上面下载大模型，但这个网站已经被墙了，因此你需要自己想办法绕过。这里我以Qwen 1.5-7B为例。虽然这个模型只有7B，但是经过我测试，它已经相当不错了。

当你第一次运行LM Studio时，上图箭头指向的地方应该是一个绿色的Download按钮，点击就可以下载。5.53GB，很快就下载完成了。如果你想下载其他的模型，可以直接在第一张图的搜索框进行搜索并选择合适的大小下载。

下载完成以后，我们进入LM Studio的聊天页面，如下图所示。

在顶部选择你刚刚下载的大模型，就可以开始对话了。下面这个视频，是我使用macbook Pro M1的运行效果，可以看到速度还是很不错的。

【点击查看视频】

在右侧的设置中，还可以定制System Prompt，调整最大允许的Token长度，或者勾选mac是否使用GPU加速等等。

LM Studio最强大的功能，是可以直接基于你选定的大模型生成一个API接口，这样一来你就可以写Python代码来调用了。

在最左侧点击左右箭头的按钮，打开Local Server功能，如下图所示：

你基本上不需要做任何修改，直接点击Start Server按钮，就可以启动接口。然后从它给出的示例代码中复制Python代码。

我们以《一日一技：自动提取任意信息的通用爬虫》这篇文章中讲到的使用GPT从Linkedin源代码中提取招聘信息的例子来演示。但把GPT 4换成了Qwen 1.5-7B.代码如下：

提取出来的结果如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

{
   "title": "Data Analyst, Data Operations",
   "full_time": "Full-time",
   "employee_num": "10,001+ employees",
   "level": "Entry level",
   "skill": [
      "Data Analytics",
      "数据工程",
      "Python",
      "SQL",
      "ETL pipeline",
      "Linux command",
      "数据分析",
      "问题解决"
   ],
   "desc": "We are seeking a Data Analyst to join the Data Operations team for Autonomous Vehicles software development. The role involves building metrics, tools, and driving efficiency in data-driven decision-making.",
   "company": {
      "name": "NVIDIA",
      "location": "Shanghai, Shanghai, China",
      "size": 10001+,
      "description": "A leader in accelerated computing, NVIDIA is a full-stack company reshaping industries with data-center-scale offerings.",
      "commitments": [
         {
            "area": "Diversity, equity, and inclusion",
            "description": "The company has an allyship program and strives for pay parity"
         },
         {
            "area": "Career growth and learning",
            "description": "NVIDIA supports career development with various opportunities for learning and skill enhancement"
         }
      ]
   },
   "do": [
      "Build metrics, track data loop operations, propose data mining strategies, develop automation tools, and analyze opportunities for improvement"
   ],
   "requirement": [
      "BS or MS in STEM or related field, 4+ years of experience in data engineering/data analytics",
      "Proficient in Python, SQL, and ETL pipeline",
      "Excellent analytical and problem-solving skills"
   ],
   "goodpoint": "Experience in autonomous vehicles domain or startup environment is a plus"
}

这个提取结果跟GPT 4 Turbo的提取结果比起来，几乎是一样的。虽然有一些小小的瑕疵（company字段被擅自增加了嵌套字段），但这只是一个小小的7B模型，并且运行在一台小小的笔记本上面而已。而且完全免费。这样的瑕疵是完全可以接受的，并且可以通过一些工程手段来修复。如果你的显卡更高级，你可以试一试使用Qwen 1.5-14B甚至Qwen 1.5-72B，效果肯定会更好。

需要注意的是，Qwen 1.5-7B毕竟是国产大模型，针对中文做了大量的优化。因此如果你希望结果保留英文，就尽量使用英文的Prompt。否则它会擅自把提取结果翻译成中文。如果你需要处理的内容包含大量英文，你可以考虑使用LLama的最新大模型，而不是国产大模型。

总结一下，使用LM Studio，你可以立刻拥有一个完全属于你自己的大模型。运行在你自己的电脑上，没有隐私问题，没有网络问题，可以自由定制，而且完全免费。还能一键开启API，兼容openai库，从而自己写代码开发更多基于大模型的功能。