AI玩家看过来！如何远程在线运行Llama3.1并实现可视化界面交互
前言
今天和大家分享一下如何在本地安装Llama3.1大模型，并通过LobeChat可视化UI界面实现公网远程访问。这款强大的开源语言模型不仅支持八种语言，还具备通用知识、数学计算、多语言翻译和工具使用能力。
利用LobeChat的可视化用户界面，用户可以直接在网页上与Llama进行交互。接下来，本文将指导您如何进行这一过程。
【视频教程】
Windows系统电脑本地部署Llama3.1AI大模型并实现异地远程使用
1. 本地部署Llama3.1
本地电脑硬件要求：
Windows：3060以上显卡+8G以上显存+16G内存，硬盘空间至少20G Mac：M1或M2芯片 16G内存，20G以上硬盘空间
本篇文章测试环境：Windows10专业版
首先需要安装Ollama客户端，来进行本地部署Llama3.1大模型 下载地址：https://ollama.com/download 在下载页面点击Windows，然后点击下载按钮。
下载完成后，双击下载的安装程序。
点击Install进行安装。
安装完成后，双击ollama客户端自动打开Windows Power Shell，如果没有自动弹出，也可以手动打开cmd，这里打开cmd为例：
我们在终端中输入ollama，它会显示出当前这款ollama程序，它的使用及安装命令
接下来继续在终端中安装Llama3.1-8b（至少需要8G显存）
代码语言：javascript
ollama run llama3.1:8b
上方显示已安装成功，接下来就可以进行使用了，比如这里可以在终端中输入问题
我们已经成功的在本地部署了Llama3.1，但是只能在终端中来使用，如果能使用web界面进行交互，使用体验会更好，也可以保留之前的聊天记录，方便查找和使用，下面带大家安装LobeChat可视化UI界面！
2. 本地安装LobeChat可视化UI界面
Lobe Chat作为一款开源、现代化设计的聊天应用，具有许多令人青睐的特点和功能，接下来教大家如何在本地安装LobeChat。
**官网地址：**https://lobehub.com/zh
**GitHub地址：**https://link.zhihu.com/?target=https%3A//github.com/lobehub/lobe-chat
本地安装流程：
首先从github上克隆lobechat（如果没有安装git的话，进入git官网进行下载windows版本 https://git-scm.com/downloads）
打开命令行，从github下载项目到本地，执行下面的命令
代码语言：javascript
git clone https://github.com/lobehub/lobe-chat.git
创建新目录
代码语言：javascript
cd lobe-chat
在项目的根目录下，执行下面的命令，下载依赖。
代码语言：javascript
pnpm install
（注意：没有安装Node.js的话，点击官网下载链接https://nodejs.org/en/download，这里演示版本是v20.12.2）
（注意：如果未安装pnpm,需要使用下方代码一键安装pnpm）
代码语言：javascript
npm install -g pnpm
在项目的根目录下，运行LobeChat，可以看到运行成功，出现http://localhost:3010
代码语言：javascript
pnpm dev
3. 在LobeChat中添加Llama3.1
可以看到我们已经在本地部署了LobeChat，测试一下是否部署成功打开新的浏览器输入：http://localhost:3010
可以看到进入到了LobeChat的主界面
- 点击左上角头像，找到设置，选择语言模型，找到Ollama，开启它，并做连通性检查 。
- 检查通过，获取模型列表
- 回到聊天窗口，选择llama3.1:8b模型
接下来就可以进行聊天了。
目前我们在本机部署了LobeHub，并且还添加了Llama3.1大模型，如果想团队协作多人使用，或者在异地其他设备使用的话就需要结合Cpolar内网穿透实现公网访问，免去了复杂得本地部署过程，只需要一个公网地址直接就可以进入到LobeChat中。
接下来教大家如何安装Cpolar并且将LobeChat实现公网访问。
4. 安装Cpolar内网穿透
下面是安装cpolar步骤：
Cpolar官网地址:
点击进入cpolar官网，点击免费使用注册一个账号，并下载最新版本的Cpolar
登录成功后，点击下载Cpolar到本地并安装（一路默认安装即可）本教程选择下载Windows版本。
Cpolar安装成功后，在浏览器上访问http://localhost:9200，使用cpolar账号登录,登录后即可看到Cpolar web 配置界面,结下来在web 管理界面配置即可。
接下来配置一下 LobeChat 的公网地址，
登录后，点击左侧仪表盘的隧道管理——创建隧道，
创建一个 LobeChat 的公网http地址隧道
- 隧道名称：可自定义命名，注意不要与已有的隧道名称重复
- 协议：选择http
- 本地地址：3010 (本地访问的地址)
- 域名类型：选择随机域名
- 地区：选择China Top
隧道创建成功后，点击左侧的状态——在线隧道列表,查看所生成的公网访问地址，有两种访问方式,一种是http 和https
使用上面的Cpolar https公网地址,在手机或任意设备的浏览器进行登录访问,即可成功看到 LobeChat 界面,这样一个公网地址且可以远程访问就创建好了,使用了Cpolar的公网域名,无需自己购买云服务器,即可到公网访问 LobeChat 了！
5. 实现公网访问LobeChat
我们用刚才cpolar生成的公网地址，打开一个新的浏览器复制粘贴，可以看到进入到了LobeChat项目管理界面，然后选择Llama3.1大模型就可以进行在公网来使用了。
小结
如果我们需要长期进行团队协作的话，由于刚才创建的是随机的地址，24小时会发生变化。另外它的网址是由随机字符生成，不容易记忆。如果想把域名变成固定的二级子域名，并且不想每次都重新创建隧道来访问LobeChat，我们可以选择创建一个固定的http地址来解决这个问题。
6. 固定LobeChat公网地址
我们接下来为其配置固定的HTTP端口地址，该地址不会变化，方便分享给别人长期查看你的博客，而无需每天重复修改服务器地址。
，点击左侧的预留，选择保留二级子域名，设置一个二级子域名名称，点击保留,保留成功后复制保留的二级子域名名称。
保留成功后复制保留成功的二级子域名的名称
返回登录Cpolar web UI管理界面，点击左侧仪表盘的隧道管理——隧道列表，找到所要配置的隧道，点击右侧的编辑
修改隧道信息，将保留成功的二级子域名配置到隧道中
- 域名类型：选择二级子域名
- Sub Domain：填写保留成功的二级子域名
点击更新(注意,点击一次更新即可,不需要重复提交)
更新完成后,打开在线隧道列表,此时可以看到公网地址已经发生变化,地址名称也变成了固定的二级子域名名称的域名
最后，我们使用固定的公网https地址在任何浏览器打开访问，可以看到访问LobeChat成功了这样一个固定且永久不变的公网地址就设置好了，然后选择一下Llama3.1大模型就可以。
通过以上步骤，你不仅可以在本地安装和使用强大的Llama3.1模型，还可以通过LobeChat可视化UI实现更便捷的操作，并且借助Cpolar内网穿透工具，让你的服务在公网上也能流畅运行。快去试试吧，你的电脑从此将变得无比强大！
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉👈
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
LLM大模型学习路线 ↓
阶段1：AI大模型时代的基础理解
目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
内容：
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉👈
