AI Agent白手起家24: 本地大模型部署与LangChain接入实战
纲要闭源模型与开源本地模型的权衡硬件对推理速度的关键影响本地推理框架选择Ollama本地部署流程安装 Ollama拉取模型启动 API 服务LangChain 接入本地模型安装langchain-ollama使用ChatOllama进行同步与流式调用完整可运行代码示例闭源模型 vs 开源本地模型在 AI Agent 开发中选择模型时通常面临两条路径对比维度闭源模型GPT-4、Claude开源本地模型DeepSeek、Llama使用方式直接调用 API本地部署推理服务成本构成按 Token 计费硬件投入 运维成本数据隐私数据需传输至外部数据完全保留在本地硬件要求仅需网络连接需要较高 GPU 或大内存灵活性受限于 API 提供的能力可微调、量化、完全自主选用本地开源模型的典型场景包括数据安全合规要求、长期高频推理的成本控制、离线环境运行。但前提是拥有足够算力否则推理速度会成为瓶颈。硬件对推理速度的关键影响本地推理的性能主要由 GPU 显存和计算单元决定。以 Llama 系列模型为例不同硬件上的实测 Token 生成速度硬件7B 参数模型token/s65B 参数模型token/sApple M19.001.00Apple M228.573.08NVIDIA A100 (80GB)276.0029.77消费级设备M1/M2足以运行 7B 量化模型但大参数模型速度极慢。专业 GPU如 A100拥有充足显存推理速度有数量级优势适合生产环境。想要本地流畅运行 DeepSeek-R1 671B 等超大模型需多卡高端 GPU日常开发使用 7B~13B 量化版本即可。推理框架为什么选择 OllamaOllama 是当前最友好的本地推理框架之一具备以下特点一键安装命令行操作简单内置模型仓库覆盖 Llama、DeepSeek、Phi 等主流模型自动处理量化与 GPU 加速提供与 OpenAI 兼容的 REST API默认http://localhost:11434活跃的社区更新本地部署流程下面以部署 DeepSeek-R1 7B 为例演示完整步骤。安装 Ollama从 ollama.com 下载安装包。安装后在终端验证ollama--version拉取模型下载所需的模型文件ollama pull deepseek-r1:7b查看已安装模型ollama list# NAME ID SIZE MODIFIED# deepseek-r1:7b ... 4.7 GB ...启动 API 服务运行以下命令模型将以 API 形式在localhost:11434提供服务ollama serve使用curl快速测试curlhttp://localhost:11434/api/generate-d{ model: deepseek-r1:7b, prompt: 你好, stream: false }收到 JSON 响应即表示部署成功。LangChain 接入本地模型通过官方包langchain-ollama即可在代码中调用本地模型。安装依赖pipinstalllangchain-ollama同步调用fromlangchain_ollamaimportChatOllama llmChatOllama(modeldeepseek-r1:7b)responsellm.invoke(用一句话介绍什么是 AI Agent)print(response.content)流式输出forchunkinllm.stream(写一首关于春天的五言绝句):print(chunk.content,end,flushTrue)项目结构最小化项目如下├── main.py └── requirements.txtrequirements.txt内容langchain-ollama0.1.0完整可运行代码将以下代码保存为main.py确保 Ollama 服务运行且模型已下载。fromlangchain_ollamaimportChatOllama# 初始化本地 DeepSeek-R1 7B 模型llmChatOllama(modeldeepseek-r1:7b,temperature0.7,num_predict256,)print( 同步调用 )responsellm.invoke(请用一句话解释什么是强化学习)print(回答:,response.content)ifresponse.usage_metadata:print(Token 用量:,response.usage_metadata)print(\n 流式输出 )prompt请写一首关于秋天的七言绝句print(用户:,prompt)print(助手: ,end)forchunkinllm.stream(prompt):print(chunk.content,end,flushTrue)print()运行说明需提前安装langchain-ollama。确保ollama serve正在运行且已执行ollama pull deepseek-r1:7b。若电脑性能较弱可调小num_predict或改用更轻量的模型。关键要点本地开源模型适合隐私敏感、长期高频、离线环境但需投入硬件成本。Ollama 大幅降低了本地部署门槛推荐作为首选推理框架。通过ChatOllama接入 LangChain 后可与 API 模型保持一致的调用接口方便无缝切换。生产环境中建议将 Ollama 部署到独立的 GPU 服务器上供团队共享。

相关新闻

AI Agent白手起家23: 大模型速率限制应对与缓存机制实践

AI Agent白手起家23: 大模型速率限制应对与缓存机制实践

纲要 速率限制的产生背景与影响LangChain 内置速率限制器 InMemoryRateLimiter 核心参数 缓存机制的必要性与原理 短期缓存(内存)与长期缓存(持久化) 实战:速率限制与缓存结合 项目结构速率限制器配置缓存方案对比&…

2026/11/19 8:23:54 阅读更多 →
Unity AR/VR开发中UniWebView五大核心问题解决方案

Unity AR/VR开发中UniWebView五大核心问题解决方案

1. 项目概述:当AR/VR遇上WebView,为何“坑”特别多?在Unity 2020及更高版本中开发AR/VR项目,引入UniWebView来嵌入网页内容,已经成为一个越来越普遍的需求。无论是用于展示动态更新的产品手册、加载在线3D模型配置器&a…

2026/11/19 7:34:57 阅读更多 →
LTE扫频与小区搜索:从频谱扫描到精准同步的终端入网全解析

LTE扫频与小区搜索:从频谱扫描到精准同步的终端入网全解析

1. 从“盲人摸象”到“精准定位”:理解LTE扫频与小区搜索的本质如果你刚接触无线通信,或者从2G/3G时代的技术栈转向LTE,第一次听到“扫频”和“小区搜索”这两个词,可能会觉得它们既神秘又底层,仿佛是基站或核心网才需…

2026/11/17 17:09:09 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/19 21:38:27 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/19 21:38:49 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/19 21:39:09 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/19 21:36:50 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/19 21:37:45 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/19 21:36:20 阅读更多 →

日新闻

周新闻

月新闻