30 分钟跑通 LocalAI本地部署第一个 OpenAI 兼容大模型【免费下载链接】LocalAILocalAI is the open-source AI engine. Run any model - LLMs, vision, voice, image, video - on any hardware. No GPU required.项目地址: https://gitcode.com/GitHub_Trending/lo/LocalAILocalAI 是本地部署大模型的推理引擎一个容器跑在自己机器上就能得到 OpenAI 兼容的 API聊天、生图、语音全部跑在本地硬件上不需要 GPU。跟着走完一遍你会确认环境、拉起服务、装上第一个模型、发出第一个请求。全程不超过半小时结束时你手上会有一套真正跑在自己机器上的大模型服务。准备 LocalAI 运行环境硬件与 Docker 检查清单先说结论纯 CPU 的机器也能跑。LocalAI 的设计目标就是让大模型落在任意硬件上普通笔记本就能推动 1B 到 3B 的小模型。硬件上记住两条8GB 内存的机器可以舒服地跑 1B 到 3B 的量化模型想上 7B 到 8B16GB 以上更稳妥。核心数越多推理越快后面提速时用得上。再检查两件事。一是 Docker 在正常运行执行docker ps不报错就算过关返回空列表没关系。二是 8080 端口没被别的服务占着——如果你机器上已经跑了监听 8080 的程序LocalAI 会因为抢不到端口而起不来。先把它腾出来或者后面启动时把端口映射到别的号上。还没装 Docker 的话先去把它装好再回来后面所有步骤都建立在容器之上。拉取 LocalAI 镜像并启动本地大模型服务 没有显卡的机器用默认镜像一条命令就够docker run -ti --name local-ai -p 8080:8080 localai/localai:latest有 N 卡的话把标签换成latest-gpu-nvidia-cuda-12并加上--gpus all其余不变。启动过程最容易碰两种状况。一种是镜像拉取慢甚至卡住多半是网络问题在/etc/docker/daemon.json里给镜像源列表加一个国内可达的地址然后重启 Docker 再试。另一种是容器起来后很快退出、页面打不开先执行docker logs local-ai看日志找线索看不出原因就加-e DEBUGtrue重启一次拿到详细输出再判断。有个容易困惑的点这个核心镜像其实只是调度层模型真正依赖的推理后端是按需拉取的。所以你会看到第一次装模型时慢之后的操作都快——原因就在这个按需上。用模型库给 LocalAI 装上第一个模型服务起来后浏览器打开localhost:8080。看到欢迎页说明实例已经在跑顺手访问/health返回 OK 表示服务健康。装模型不用手写配置。在 WebUI 的 Models 页切到 Explore搜索qwen3-4b——它体积小、吃内存少还支持工具调用适合新手——点 Install。页面顶部出现进度条装完后切到 Installed 标签确认。习惯命令行也一样方便local-ai models install qwen3-4b还有个更快的办法把模型名直接拼在docker run命令末尾服务启动前会自动完成下载和安装省掉单独这一步。想钻研细节的话仓库的 gallery 目录里每个模型都有一份配置文件后端、模板、上下文参数都写在里面比如 gallery/phi-2-chat.yaml照着改就能复现任何行为。对 OpenAI 兼容接口发出第一个聊天请求切到 Chat 页下拉框里选中qwen3-4b发一句你好几秒内就能收到回复——你的第一次对话完成了。但 LocalAI 真正的价值在接口上。把下面这个标准 OpenAI 请求打给它curl http://localhost:8080/v1/chat/completions \ -H Content-Type: application/json \ -d {model:qwen3-4b,messages:[{role:user,content:你好}]}收到带回复的 JSON就大功告成了。此后任何 OpenAI SDK 都把 base_url 换成localhost:8080/v1现有代码原样跑请求里加上流式开关还能逐字返回。想确认当前有哪些模型直接访问/v1/models。LocalAI 响应慢怎么提速卡顿排查与调优三步⚡ 第一句回复慢是常态。第一次用某个模型时要拉取推理后端、做预热偶尔还有编译动作。稍等一会儿或先发一句短消息热身后面的速度会明显上来。还是慢就按顺序调三件事换更小的量化模型同一款模型q4量化比f16快得多内存占用也小。内存紧张时这一步的收益最立竿见影。缩小上下文窗口context_size是内存和速度的大头。日常对话用 2048 到 4096 足够盲目开大只会拖慢。线程数对齐物理核心threads设得比实际核心数多反而互相抢核拖慢。设为物理核心数即可。这几项都改在模型配置文件里一行一项保存后重新加载模型生效。如果服务直接被杀掉、容器自己重启多半是内存不够先换小模型机器实在紧张就加几 GB 交换空间缓一缓。问题定位不了时开-e DEBUGtrue拿全量日志再去问人比干猜有效。最后提醒一句机器上有显卡却还在用 CPU 镜像的话换成对应 GPU 镜像才是最大的一档提速。延伸资源快速开始指南从安装到 API 调用的完整路径模型装载与配置文档模型库、Hugging Face、YAML 配置等多种装法故障排查启动和加载问题的官方排查顺序模型库配置示例现成的模型配置文件照着改就能用【免费下载链接】LocalAILocalAI is the open-source AI engine. Run any model - LLMs, vision, voice, image, video - on any hardware. No GPU required.项目地址: https://gitcode.com/GitHub_Trending/lo/LocalAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
30 分钟跑通 LocalAI本地部署第一个 OpenAI 兼容大模型【免费下载链接】LocalAILocalAI is the open-source AI engine. Run any model - LLMs, vision, voice, image, video - on any hardware. No GPU required.项目地址: https://gitcode.com/GitHub_Trending/lo/LocalAILocalAI 是本地部署大模型的推理引擎一个容器跑在自己机器上就能得到 OpenAI 兼容的 API聊天、生图、语音全部跑在本地硬件上不需要 GPU。跟着走完一遍你会确认环境、拉起服务、装上第一个模型、发出第一个请求。全程不超过半小时结束时你手上会有一套真正跑在自己机器上的大模型服务。准备 LocalAI 运行环境硬件与 Docker 检查清单先说结论纯 CPU 的机器也能跑。LocalAI 的设计目标就是让大模型落在任意硬件上普通笔记本就能推动 1B 到 3B 的小模型。硬件上记住两条8GB 内存的机器可以舒服地跑 1B 到 3B 的量化模型想上 7B 到 8B16GB 以上更稳妥。核心数越多推理越快后面提速时用得上。再检查两件事。一是 Docker 在正常运行执行docker ps不报错就算过关返回空列表没关系。二是 8080 端口没被别的服务占着——如果你机器上已经跑了监听 8080 的程序LocalAI 会因为抢不到端口而起不来。先把它腾出来或者后面启动时把端口映射到别的号上。还没装 Docker 的话先去把它装好再回来后面所有步骤都建立在容器之上。拉取 LocalAI 镜像并启动本地大模型服务 没有显卡的机器用默认镜像一条命令就够docker run -ti --name local-ai -p 8080:8080 localai/localai:latest有 N 卡的话把标签换成latest-gpu-nvidia-cuda-12并加上--gpus all其余不变。启动过程最容易碰两种状况。一种是镜像拉取慢甚至卡住多半是网络问题在/etc/docker/daemon.json里给镜像源列表加一个国内可达的地址然后重启 Docker 再试。另一种是容器起来后很快退出、页面打不开先执行docker logs local-ai看日志找线索看不出原因就加-e DEBUGtrue重启一次拿到详细输出再判断。有个容易困惑的点这个核心镜像其实只是调度层模型真正依赖的推理后端是按需拉取的。所以你会看到第一次装模型时慢之后的操作都快——原因就在这个按需上。用模型库给 LocalAI 装上第一个模型服务起来后浏览器打开localhost:8080。看到欢迎页说明实例已经在跑顺手访问/health返回 OK 表示服务健康。装模型不用手写配置。在 WebUI 的 Models 页切到 Explore搜索qwen3-4b——它体积小、吃内存少还支持工具调用适合新手——点 Install。页面顶部出现进度条装完后切到 Installed 标签确认。习惯命令行也一样方便local-ai models install qwen3-4b还有个更快的办法把模型名直接拼在docker run命令末尾服务启动前会自动完成下载和安装省掉单独这一步。想钻研细节的话仓库的 gallery 目录里每个模型都有一份配置文件后端、模板、上下文参数都写在里面比如 gallery/phi-2-chat.yaml照着改就能复现任何行为。对 OpenAI 兼容接口发出第一个聊天请求切到 Chat 页下拉框里选中qwen3-4b发一句你好几秒内就能收到回复——你的第一次对话完成了。但 LocalAI 真正的价值在接口上。把下面这个标准 OpenAI 请求打给它curl http://localhost:8080/v1/chat/completions \ -H Content-Type: application/json \ -d {model:qwen3-4b,messages:[{role:user,content:你好}]}收到带回复的 JSON就大功告成了。此后任何 OpenAI SDK 都把 base_url 换成localhost:8080/v1现有代码原样跑请求里加上流式开关还能逐字返回。想确认当前有哪些模型直接访问/v1/models。LocalAI 响应慢怎么提速卡顿排查与调优三步⚡ 第一句回复慢是常态。第一次用某个模型时要拉取推理后端、做预热偶尔还有编译动作。稍等一会儿或先发一句短消息热身后面的速度会明显上来。还是慢就按顺序调三件事换更小的量化模型同一款模型q4量化比f16快得多内存占用也小。内存紧张时这一步的收益最立竿见影。缩小上下文窗口context_size是内存和速度的大头。日常对话用 2048 到 4096 足够盲目开大只会拖慢。线程数对齐物理核心threads设得比实际核心数多反而互相抢核拖慢。设为物理核心数即可。这几项都改在模型配置文件里一行一项保存后重新加载模型生效。如果服务直接被杀掉、容器自己重启多半是内存不够先换小模型机器实在紧张就加几 GB 交换空间缓一缓。问题定位不了时开-e DEBUGtrue拿全量日志再去问人比干猜有效。最后提醒一句机器上有显卡却还在用 CPU 镜像的话换成对应 GPU 镜像才是最大的一档提速。延伸资源快速开始指南从安装到 API 调用的完整路径模型装载与配置文档模型库、Hugging Face、YAML 配置等多种装法故障排查启动和加载问题的官方排查顺序模型库配置示例现成的模型配置文件照着改就能用【免费下载链接】LocalAILocalAI is the open-source AI engine. Run any model - LLMs, vision, voice, image, video - on any hardware. No GPU required.项目地址: https://gitcode.com/GitHub_Trending/lo/LocalAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
