简易 AI 部署入门 - 从零开始部署企业内部 AI 系统

2024年2月1日 3347点热度 0人点赞 0条评论
内容目录

随着 AI 的广泛影响,越来越多的企业在考虑是否可以接入 AI ,结合内部业务需求,实现一些落地场景。目前市面上有着很多的 AI 应用和形形色色、各种各样的开源 AI 系统,对于不了解 AI 的技术、非技术人员来说,怎么去学习了解、搭建 demo 是很困难的。因此,本文旨在以简单的方式帮助读者快速搭建两个 AI 系统,读者可以在使用两个系统后,更加深入了解 WebUI、大模型等相关的概念,以及可以知道目前的大语言模型可以做什么,怎么进行二次开发。

one-api

one-api 是用于集合各种模型,然后统一转换为 open ai 格式的接口,读者可以点击官方源码仓库了解更多:

https://github.com/songquanpeng/one-api

one-api 的作用是支持各种大厂的 AI 接口,比如 Open ai、百度文心等,然后在 one-api 上创建一层新的、与 open ai 一致的接口,这样依赖,AI 应用只需要支持 open ai 即可,不必再去对接各家的 ai 接口。

file
file

下载官方仓库:

git clone https://github.com/songquanpeng/one-api.git
.
├── bin
├── common
├── controller
├── data
├── docker-compose.yml
├── Dockerfile
├── go.mod
├── go.sum
├── i18n
├── LICENSE
├── logs
├── main.go
├── middleware
├── model
├── one-api.service
├── pull_request_template.md
├── README.en.md
├── README.ja.md
├── README.md
├── relay
├── router
├── VERSION
└── web

one-api 需要依赖 redis、mysql ,在 docker-compose.yml 配置文件中有详细的配置,同时 one-api 默认管理员账号密码为 root、123456,也可以在此修改。

执行 docker-compose up -d 开始部署 one-api。

然后访问 3000 端口,进入管理系统。

进入系统后,首先创建渠道,用于接入大厂的 AI 。

file

为什么有模型重定向和自定义模型呢。

比如,笔者的 Azure Open AI 是不能直接选择使用模型的,而是使用模型创建一个部署,然后通过指定的部署使用模型,因此在 api 中不能直接指定使用 gpt-4-32k 这个模型,而是通过部署名称使用,在模型列表中选择可以使用的模型,而在模型重定向中设置部署的名称。

然后在令牌中,创建一个与 open ai 官方一致的 key 类型,外部可以通过使用这个 key,从 one-api 的 api 接口中,使用相关的 AI 模型。

file

one-api 的设计,相对于一个代理平台,我们可以通过后台接入自己账号的 AI 模型,然后创建二次代理的 key 给其他人使用,可以在里面配置每个账号、key 的额度。

创建令牌之后,点击复制,然后保存。

file

LobeChat

lobechat 是一个 webui 系统,使用前端技术编写,可以独立部署 web 服务,lobechat 支持 open ai、 azure open ai,有非常好看的 ui 界面,还支持语音输入、播放、图片处理等。

file
file

部署方法也很简单,直接使用 docker 部署即可。

docker run -d -p 3210:3210 \
   -e OPENAI_API_KEY=sk-xxx \
   -e BASE_URL=http://192.168.x.x:3000/  \
   -e OPENAI_PROXY_URL=http://192.168.x.x:3000/v1 \
   -e CUSTOM_MODELS=gpt-4-32k  \
  -e ACCESS_CODE=123456 \
  --name lobe-chat \
  lobehub/lobe-chat

OPENAI_PROXY_URL 填写部署的 one-api 地址,后面一定要带个 v1

OPENAI_API_KEY 填写密钥。

BASE_URL 可以不填,可以随意。

ACCESS_CODE 是访问密码。

部署完成后,首先进入界面配置使用的 AI 模型。因为是个人账号,不一定都支持各种模型。

file

然后即可愉快地使用 AI 系统进行问答。

fastgpt

FastGPT 是一个基于 LLM 大语言模型的知识库问答系统,提供开箱即用的数据处理、模型调用等能力。非常适合企业内部使用。

主要应用场景有智能 AI 客服,可以训练问答数据替代人工回答用户问题;训练内部文档,使用 AI 回答各种业务问题、识别产品文档;自定义请求 httpapi 、问题分类等,可以在用户问答时使用后台 API 处理结果组合形式,例如用户询价;支持工作流编排等。

同时 fastgpt 有开放 api 接口,可以很方便地进行二开,做自己专属的客服系统等。

下载 fastgpt 的部署脚本:

mkdir fastgpt
cd fastgpt
curl -O https://raw.githubusercontent.com/labring/FastGPT/main/files/deploy/fastgpt/docker-compose.yml
curl -O https://raw.githubusercontent.com/labring/FastGPT/main/projects/app/data/config.json

修改 docker-compose.yml 中的端口,因为 fastgpt 默认端口也是 3000 会导致冲突,同时可以修改密码,默认账号密码为 root、1234。

部署启动:

# 在 docker-compose.yml 同级目录下执行
docker-compose pull
docker-compose up -d

详细使用方法可以参考官方文档:https://doc.fastgpt.in/docs/

痴者工良

高级程序员劝退师

文章评论