网站服务器好网站流程
Step 1: 安装Ollama
Ollama是一个开源的大型语言模型服务工具， 可以快速在本地安装和运行大模型。
通过一条命令就可以轻松启动和运行各种开源的大型语言模型。
提供了一个简洁易用的命令行界面，专为构建大型语言模型应用而设计。
Ollama支持MacOS 、Linux和Windows三大主流操作系统，MacOS和Windows从官网下载自己系统对应的版本安装即可。
Linux系统下可以直接复制以下命令到终端执行：
curl -fsSL https://ollama.com/install.sh | sh
但是一般会因为网络问题下载不了，可以直接下载一个离线的安装包， 或者从我们提供的资源里面找到对应的安装包来直接解压安装：
# 下载安装包
curl -L https://ollama.com/download/ollama-linux-amd64.tgz -o ollama-linux-amd64.tgz
# 解压安装
sudo tar -C /usr -xzf ollama-linux-amd64.tgz
在本地浏览器上输入：
localhost:11434
出现“Ollama is running”的字样，证明Ollama安装完成。
以下演示是在windows环境下：
在本地打开命令行工具，输入“ollama”，就可以看到ollama命令的各种参数和用法：
由于我们没有安装本地大模型，所以输入“ollama list”显示为空，现在开始安装，以llama3为例来演示：（注意这里Ollama是用来部署大模型的工具，而llama是由Meta推出的一个大语言模型）
命令行输入“ollama run llama3.2”等待下载完成即可：
此时，我们就可以通过命令行进行对话了：
响应速度很快，这里响应速度是和显卡有关的，如果显卡性能不错，基本上可以做到秒回的。
再次输入“ollama list”，可以看到，我们下载的llama3.2已经显示在列表中了：
Step 2: 安装WebUI界面
接下来安装一个图形化的UI界面，这样就可以通过浏览器和本地模型进行交互了：
这里需要借助一个开源的工具MaxKB
MaxKB是基于大语言模型和RAG的知识库问答系统，RAG的全称是检索增强生成，是将检索与生成相结合的自然语言处理技术，R代表检索相关数据，A代表添加检索结果到提示词上下文，G代表输入大模型生成更准确的结果。
RAG 通过外部知识库检索与用户问题相关的信息，并将这些信息作为额外上下文插入到生成模型的输入提示中，从而帮助模型生成更准确、更相关的回答。这一过程的核心目的是弥补纯生成模型的知识局限性，使其能够基于实时、动态或特定领域的知识进行回答。
注意，官方文档上注明MaxKB仅支持Ubuntu和CentOS环境部署，但是对于Windows和MacOS也是可以的，使用Docker安装即可：
安装完Docker之后打开命令行终端，输入以下命令：
网络环境好的话可以直接拉取官方镜像来安装：
docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data 1panel/maxkb
网络环境不好的话可以试试这个：
# 导入镜像
docker load < maxkb.tar
# 启动容器
docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data 1panel/maxkb
这个命令会从DockerHub上下载MaxKB的镜像文件，等到所有的下载都完成后，会在本地启动一个MaxKB的容器。执行完成后，就可以通过浏览器来访问MaxKB的web界面了：
在浏览器输入“localhost:8080”，进入MaxKB界面：
进入之后需要重新设置密码，设置完成之后，就可以添加我们想要的大模型了：
设置模型信息：
此时llama3模型已经添加好了： （添加其他的也是类似，比如想添加kimi，就可以到它的官网上申请API Key，添加即可）
添加完模型之后，需要添加一个应用来使用这个模型，
可以看到，没有问题，响应速度也是很快的，设置好之后，点击右上角“保存并发布”按钮即可。
除了MaxKB，OpenWebUI也是不错的选择，也可以实现我们的大模型界面。
Step 3: 配置ngrok支持公网访问
目前，我们的大模型只支持我们自己电脑上进行访问，如何把我们的大模型发布到公网，让其他人也可以使用呢？
需要使用一个内网穿透的工具Ngrok，Ngrok可以将本地应用映射到公网上，这样就能通过公网地址来访问到我们的这个应用了。
进入ngrok之后，找到“Your Authtoken”，复制该内容，同时打开命令行工具，输入“ngrok config add authtoken + 刚才复制的内容”，回车之后安装和配置就完成了。
在命令行输入以下命令，回车执行：
ngrok http 8080
将ngrok映射的公网地址与我们本地地址后半部分结合，就是我们应用的地址，即
https://366a-182-200-127-47.ngrok-free.app/ui/chat/a9cbcaec7583d660
此时就可以和我们的大模型进行对话了：
