最近小编详细尝试了一下本地部署大语言模型的几种方法，本节来介绍一下个人的一些使用体验，个人观点仅供参考。主要涉及本地部署客户端选择、模型下载、以及后续一些进阶方向。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

本地部署方式1

Ollama+docker+openwebui

第一种方式通过上述软件组合而成，先安装ollama后安装docker,最后通过docker部署openwebui。最终的界面如下所示。该界面简洁类似于chatGPT的风格。关于该种方法部署可以参考下方链接

https://mp.weixin.qq.com/s/cQ3x3gUIVTR37D-zWeyfyA

方法1部署的UI界面主要在于简洁，但是此种方法存在的问题在于安装多款软件，尤其是要安装Docker运行其要耗费至少3G左右内存，其中docker就是占2G。同时通过Ollama下载的本地模型文件也会进行格式转换，非常的不便于后期迁移到其它设备,因此不太推荐此种方式。

本地部署方式2

LM_studio 网址： https://lmstudio.ai/

没错通过这种方式只需要下载这一款软件，因为其内置了llama.cpp可以直接运行本地模型，因此不需要安装其它配置软件，同时该软件对Mac的M芯片也做了适配支持MLX模型，下载时注意下载对应格式的模型文件即可。同时改软件只需要将下载的原始模型文件放入本地文件夹即可。

将模型放入右上角模型目录下即可，路径可自己定义，需要注意是双层文件夹，如下所示。

LM_studio_model/mlx-community/DeepSeek-Llama-8B-1.0   

模型下载

❝

模型主要通过huggingface下载，https://huggingface.co/models。

❝

若是使用Mac可下载MLX版本的模型文件，需要注意模型使用LM_studio加载会出现bug。
网址 https://huggingface.co/mlx-community

模型的选择

模型主要分为下方所列版本，精度越高对设备性能要求越高。本地个人电脑通常使用8-bit或4-bit。其区别主要如下所示：

❝

上方所列是一个模型的具体文件信息，如图所示模型文件有15G因此要运行此模型，内存要远大于16G估计要达到30G+，且显存也要大。若显存很小内存很大，则只能读入模型运行推理则速度非常慢，因此下载一个适合自己的模型非常重要。

进阶选择

如果只是本地部署现有的模型那基本意义不大，针对核心用户进阶方式大概有两个选择构建RAG知识库与模型微调。

❝

在大语言模型（LLM）应用中，RAG（Retrieval-Augmented Generation，检索增强生成） 和 模型微调（Fine-Tuning） 是两种不同的方法，分别用于增强模型的知识能力和适应特定任务。它们的主要区别如下：

❝

2. 工作流程对比
   🔹 RAG 工作流程
   1. 用户输入查询
   2. 检索（Retrieval）：从知识库（如向量数据库）中检索相关文档
   3. 增强（Augmentation）：将检索到的内容拼接到输入中
   4. 生成（Generation）：LLM 结合输入和检索内容生成回答
   🔹 模型微调工作流程
   1. 准备训练数据（对话、任务数据）
   2. 选择微调方法（LoRA, QLoRA, 全参数微调）
   3. 训练（调整模型权重）
   4. 推理（直接使用微调后的模型）

案例特点

所选案例图均属于个性化分析图表完全适用于论文发表，2025年起提供更加专业的html版注释文档更加直观易学。文档累计上千人次购买拥有良好的社群交流体验。R代码结构清晰易懂，为防止中文乱码提供单独的注释文档R代码结构清晰易懂，2025年起提供更加专业的htnl文档

群友精彩评论

2025更新案例图

2024年已更新案例图展示

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓