本文中，我们将介绍

• 如何在本地运行 Llama 3.1 8B 模型作为聊天机器人
• 在你的应用程序或 Agent 中直接替换 OpenAI

我们将使用 LlamaEdge^[2]（Rust + Wasm 技术栈）来开发和部署这个模型的应用程序。无需安装复杂的 Python 包或 C++ 工具链！了解我们选择这项技术的原因^[3]。

在本地运行 Llama-3.1-8B

步骤1：通过以下命令行安装 WasmEdge^[4]。

curl -sSf https://raw.githubusercontent.com/WasmEdge/WasmEdge/master/utils/install_v2.sh | bash -s -- -v 0.13.5

步骤2：下载Meta-Llama-3.1-8B^[5]GGUF文件。由于模型大小为5.73G，下载可能需要一段时间。

curl -LO https://huggingface.co/second-state/Meta-Llama-3.1-8B-Instruct-GGUF/resolve/main/Meta-Llama-3.1-8B-Instruct-Q5_K_M.gguf

步骤 3：下载 LlamaEdge API 服务器应用程序。这是一个跨平台的可移植 Wasm 应用程序，可以在许多 CPU 和 GPU 设备上运行。

curl -LO https://github.com/LlamaEdge/LlamaEdge/releases/latest/download/llama-api-server.wasm

步骤4：下载聊天机器人 UI，以便在浏览器中与Llama-3.1-8B模型进行交互。

curl -LO https://github.com/LlamaEdge/chatbot-ui/releases/latest/download/chatbot-ui.tar.gz
tar xzf chatbot-ui.tar.gz
rm chatbot-ui.tar.gz

接下来，使用以下命令行为 Llama-3.1-8B 模型启动 LlamaEdge API 服务器。

wasmedge --dir .:. --nn-preload default:GGML:AUTO:Meta-Llama-3.1-8B-Instruct-Q5_K_M.gguf \
  llama-api-server.wasm \
  --prompt-template llama-3-chat \
  --ctx-size 32768 \
  --batch-size 128 \
  --model-name llama-3.1-8b-chat

由于个人计算机的 RAM 限制，我们在此使用 32k (32768) 上下文大小，而不是它极限的 128k。如果你的计算机的 RAM 小于 16GB，你可能需要进一步将其调低。

然后用浏览器打开http://localhost:8080开始聊天！

直接可用的 OpenAI 替代

LlamaEdge 是很轻量的，不需要守护程序或 sudo 进程即可运行。它可以轻松嵌入到你自己的应用程序中！通过支持聊天和 embedding 模型，LlamaEdge 可以成为运行本地计算机上的 OpenAI API 替代方案！

接下来，我们将展示如何为 Llama-3.1-8B 模型以及 embedding 模型启动完整的 API 服务器。API 服务器将具有chat/completion 和 embedding 端点。除了上一节中的步骤之外，我们还需要：

步骤 5: 下载 embedding 模型。

curl -LO https://huggingface.co/second-state/Nomic-embed-text-v1.5-Embedding-GGUF/resolve/main/nomic-embed-text-v1.5.f16.gguf

接下来，我们可以使用以下命令行启动带有聊天和 embedding 模型的 LlamaEdge API 服务器。有关更详细的说明，请查看文档启动 LlamaEdge API 服务^[6]。

wasmedge --dir .:. \
    --nn-preload default:GGML:AUTO:Meta-Llama-3.1-8B-Instruct-Q5_K_M.gguf \
    --nn-preload embedding:GGML:AUTO:nomic-embed-text-v1.5.f16.gguf \
    llama-api-server.wasm \
    --model-alias default,embedding \
    --model-name llama-3.1-8b-chat,nomic-embed \
    --prompt-template llama-3-chat,embedding \
    --batch-size 128,8192 \
    --ctx-size 32768,8192

最后，你可以按照这些教程^[7]将 LlamaEdge API 服务器作为 OpenAI 的替代与其他 Agent 框架集成。具体来说，在你的应用或 Agent 配置中使用以下值来替换 OpenAI API。

结语

Meta 继续引领开源 AI 创新。借助 Llama 3.1，它已经赶上了最好的闭源模型。与 Llama 3 模型相比，Llama 3.1 模型在质量和上下文大小方面也显示出显著的改进。最棒的是，所有 Llama 3.1 模型在 LlamaEdge 应用程序上都开箱即用。立即升级到 Llama 3.1！

访问LlamaEdge 文档^[8]了解更多信息。