使用全套开源工具构建 LLM 应用实战：在 Dify 调用 Baichuan 开源模型能力
Last updated
Last updated
作者：Rico。Dify.AI 资深前端工程师，LLM 技术探索者。
在当下开源大语言模型火热的背景下，有很大一部分开发者希望本地部署开源 LLM，用于研究 LLM 或者是基于开源 LLM 构建自己的 LLM 应用。笔者也正在尝试通过开源社区的一系列相关优秀项目，通过本地化部署服务来构建自己的 LLM 应用。那么本地部署一个开源 LLM 来构建一个聊天应用需要哪些准备呢？
本地环境的准备： 因为我们需要在本地部署一个开源的大模型，所以你需要准备一个相当硬核的本地环境。硬件上需要一台拥有高性能、大显存的 NVDIA 显卡，大容量高速内存以及大容量固态硬盘，软件上则需要安装显卡驱动、CUDA、Python 环境。笔者这次选择跑 Baichuan-13B-Chat 模型为例，基本配置是 CPU i9-13900K、GTX3090 24 GB 双卡、64GB 内存和 2TB 固态硬盘。
一个大型语言模型（LLM）： 这是我们构建 LLM 应用的基础。不同的 LLM 根据预训练的数据和目标任务的不同，其模型结构和学到的知识也不相同。基于不同模型构建出来的 AI 应用表现也会不一样。你可以通过火热的 AI 社区 上找自己感兴趣的开源 LLMs 来进行尝试和能力对比 。
一个本地部署 LLM 的推理服务： 推理服务可以将预训练好的 LLM 模型加载到本地服务器，并提供模型预测接口，这样就可以本地化使用 LLM 模型进行各种 NLP 任务，而不需要依赖云服务。你可以使用一些优秀的 GitHub 开源项目，这些项目对热门的开源 LLM 都做了推理服务的一键部署。知名度比较高的有 、 等。
一个简单易用的“ LLM 操作系统 ” Dify.AI： 如果要基于 LLM 的能力构建一个聊天应用，你可能需要学习研究全套的 LLM 技术栈，比如：不同模型的 API 调用、向量数据库选型、Embedding 技术研究等等。如果你使用开源项目 ，则可以省掉这些研究学习工作，帮助你通过可视化的界面即可快速创建基于不同 LLM 能力的 AI 应用。 Dify 最近的版本新增了对开源 LLMs 的支持，对托管在 HuggingFace 和 Replicate 上所有的模型都能快速调用和切换使用，同时支持本地部署方式能够基于 和 推理服务来实现 AI 应用的构建。
笔者将尝试使用开源的 LLMOps 平台 Dify.AI + 开源的推理服务 Xinference + 开源模型 Baichuan-13B-Chat 为例，手把手实操教你在 windows 环境下，使用全套开源工具产品来构建一个 LLM 聊天应用。
Conda 和 Python 是基础要求，本文将从零开始介绍环境配置。
一般情况下建议使用 Conda 进行 python 版本管理。先根据 Conda 安装 Conda。然后用 Conda 初始化 Python 3.11 环境：
根据引导安装完，打开 NVDIA 控制面板 -> 系统信息 看到完成了安装。
WSL2 准备
第一步，管理员身份运行 CMD ：
Win + R
Input CMD
Ctrl + Shift + Enter
第二步，在 CMD 中用指令安装
结果看到了支持的各种系统版本：
我使用选择安装了默认的 Ubuntu 版本：
之后就可以在 CMD 中使用 wsl命令进入Ubuntu 了。
第三步，安装 Docker Desktop
可以看到 WSL 中 Ubuntu 和 Docker 都运行起来了，并且确认是 WSL2 版本。
第四步，为 WSL 配置代理
由于每次重启后 WSL 的 ip 地址都会变更，所以我们可以编写一个脚本来解决。第 4 行改为你自己的端口号。
可以修改~/.bashrc 方便使用命令：
第五步，进入 Ubuntu 安装 conda 配置 python
和前面的环境准备一样，参照官方文档安装 conda 配置 python，不过是安装 linux 版本。
第六步，安装 WSL 的 CUDA
进入官网，选择 WSL-Ubuntu 版本，按照指引使用命令行安装。
修改~/.bashrc将 CUDA 添加至环境变量：
第七步，安装 PyTorch
这样环境准备就完成了。
在 WSL 中执行如下命令：
上面的命令会安装 Xinference 用于推理的基础依赖。Xinference 还支持用 ggml 推理 和 PyTorch 推理，需要装如下的依赖：
在 WSL 中执行下面的命令：
Xinference 默认会在本地启动一个 worker，端点为：http://127.0.0.1:9997，端口默认为 9997。 默认只可本机访问，配置了 -H 0.0.0.0，非本地客户端可任意访问。 如需进一步修改 host 或 port，可查看 Xinference 的帮助信息：xinference --help。
或者使用 CLI 部署:
要查看部署好的所有模型，在命令行中，执行下面的命令：
会显示类似下面的信息：
0fc70cd0-4b2a-11ee-a428-00155d0b318a 就是刚才部署的模型的 uid 。
Clone Dify 源代码至本地。
进入 Dify 源代码的 docker 目录，执行一键启动命令：
部署结果：
最后检查是否所有容器都正常运行：
运行状态：
包括 3 个业务服务 api / worker / web，以及 4 个基础组件 weaviate / db / redis / nginx。
Docker 启动成功后，在浏览器中访问：http://127.0.0.1/。设置过密码后登陆，会进入应用列表页。
至此，成功使用 Docker 部署了 Dify 社区版。
在 设置 > 模型供应商 > Xinference 中填入模型信息：
Model Name 是模型部署的名称。
Server URL 是 Xinference 的 end point 地址。
Model UID 则是通过 xinference list获取到的部署的模型的 UID。
需要注意的是 Sever Url 不能用 localhost。因为如果填 localhost，访问的是 docker 里的 localhost，会导致访问失败。解决方案是将 Sever Url 改成局域网 ip。
而 WSL 环境下则需要使用 WSL 的 IP 地址。在 WSL 中使用命令获取：
创建应用，就可以在应用中使用上一步配置的 Baichuan-13B-Chat 模型了。在 Dify 的提示词编排界面，选择 baichuan-chat 模型，设计你的应用提示词（prompt），即可发布一个可访问的 AI 应用。
以上，就是本地部署 Dify 接入 Xinference 部署的 baichuan-chat 的全过程。 至此，我们基于 Baichuan-13B-Chat 的一个基本的聊天应用就基本完成了。
当然，对于一个生产级别的 LLM 应用来说，只是完成大模型的接入和推理、聊天交互是远远不够。我们还需要针对性的对 LLM 进行 Prompt 的调优、添加私有数据作为上下文，亦或者是对 LLM 本身进行微调等工作，这需要长期的迭代和优化才能使得 LLM 应用表现越来越好。Dify.AI 作为一个中间件工具平台，提供了一个完整 LLM App 技术栈的可视化的操作系统。完成了以上的基础服务部署后，后续的应用迭代和改进都可以基于 Dify 来完成，使得 LLM 应用的构建和管理变得更加简单和易用，在业务数据的处理上直接上传即可自动完成清洗处理，后续也将提供数据标注和改进的服务，甚至你的业务团队都可以参与协作。
目前 LLM 的发展和应用落地还处于非常早期的阶段，相信在不久后，无论是 LLM 的能力释放，还是基于 LLM 之上的各个工具能力的不断完善，都会不断降低开发者探索 LLM 能力的门槛，让更多丰富场景的 AI 应用涌现。
推荐直接从安装。 Windows 11 选择下图版本。
由于 Dify 的 docker 部署推荐使用 WSL2 环境。所以现在先安装 WSL2 。参考。
去 Docker 下载 Docker Desktop。安装时注意勾上 Use WSL 2 instead of Hyper-V 选项。安装完成后重启电脑。通过 CMD 查看是否正常安装好。
详细可以参考了该。
进入 PyTorch ，按照环境安装 PyTorch。
根据 Dify 的，Xinference 支持的模型种类很多。本次以 Baichuan-13B-Chat 为例。
是一个强大且通用的分布式推理框架，旨在为大型语言模型、语音识别模型和多模态模型提供服务，甚至可以在笔记本电脑上使用。它支持多种与 GGML 兼容的模型，如 ChatGLM，Baichuan，Whisper，Vicuna，Orca 等。 Dify 支持以本地部署的方式接入 Xinference 部署的大型语言模型推理和 Embedding 能力。
在浏览器中打开: ，选择 baichuan-chat，pytorch，13B，4bit，点击 create 部署。
由于不同模型在不同硬件平台兼容性不同，请查看 确定创建的模型是否支持当前硬件平台。
主要流程参考官网。
