运行本地 LLM 和发出 API 请求的快速指南

好吧，系好安全带，因为我们正在深入研究一个快速而肮脏的解决方案，用于运行本地 llm（语言模型）并发出 api 请求 - 就像花哨的商业解决方案所做的那样。为什么？嗯，为什么不呢？只需大约三分钟，您就可以在本地运行一个完美的系统来进行大多数测试。如果您觉得需要再次扩展到云，切换回来几乎毫不费力。

这是我们将要遵循的文档，主要是为了让您可以声称您已阅读它：

• openai api 文档

特别是，我们将重点关注提出这样的请求：

curl https://api.openai.com/v1/chat/completions 
  -h "content-type: application/json" 
  -h "authorization: bearer $openai_api_key" 
  -d '{
     "model": "gpt-4o-mini",
     "messages": [{"role": "user", "content": "say this is a test!"}],
     "temperature": 0.7
   }'

到目前为止，一切都很好，对吧？没有什么开创性的。但这就是有趣的地方......

进入lm工作室

有一个名为 lm studio 的宝石工具，它使本地法学硕士更容易处理。安装并运行模型后，您会注意到一个带有名为“开发人员”的控制台图标的选项卡。我知道，一开始听起来不太令人兴奋，但坚持下去，因为它会变得更好。此选项卡附带一个方便的 curl 示例，向您展示如何使用本地模型。而且，你难道不知道吗，它看起来很眼熟！

curl http://localhost:1234/v1/chat/completions 
  -h "content-type: application/json" 
  -d '{
    "model": "llama-3.1-8b-lexi-uncensored-v2",
    "messages": [
      { "role": "system", "content": "always answer in rhymes. today is thursday" },
      { "role": "user", "content": "what day is it today?" }
    ],
    "temperature": 0.7,
    "max_tokens": -1,
    "stream": false
}'

看起来很眼熟对吧？这是我们刚刚看到的本地版本。您将获得与 openai api 请求相同的设置，只不过它在本地计算机上运行。另外，它还有一点小技巧——比如“总是用押韵回答”系统提示。诗歌，有人吗？

python 怎么样？我们找到你了。

如果您更喜欢使用 python（说实话，谁不喜欢呢？），以下是使用 python 的 requests 模块发送相同请求的方法：

import requests
import json

url = "http://localhost:1234/v1/chat/completions"

headers = {
    "Content-Type": "application/json"
}

data = {
    "model": "llama-3.1-8b-lexi-uncensored-v2",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "What is the capital of France?"}
    ],
    "temperature": 0.7,
    "max_tokens": -1,
    "stream": False
}

response = requests.post(url, headers=headers, data=json.dumps(data))

if response.status_code == 200:
    result = response.json()
    print(result["choices"][0]["message"]["content"])
else:
    print(f"Error: {response.status_code}")

瞧！您现在已准备好向当地的 llm 发送请求，就像使用商业 api 一样。来吧，测试它、打破它、让它变得押韵——世界（或者至少是你的模型）是你的牡蛎。

享受！

以上就是运行本地 LLM 和发出 API 请求的快速指南的详细内容，更多请关注硕下网其它相关文章！