如何借助Cortex运行本地LLM-51CTO.COM

译者 | 布加迪

审校 | 重楼

AI行业正在经历一场转变，转向更小巧更高效的大语言模型（LLM），从而使用户能够在本地机器上运行模型，无需功能强大的服务器。本教程将指导你借助Cortex运行本地LLM，着重介绍其独特的功能和易用性，使任何拥有标准硬件的人都可以享用AI。

注意：Cortex目前正在积极开发中，这可能会导致bug或某些功能无法正常运行。你可以通过GitHub或Discord报告任何问题。

Cortex简介

Cortex是一个动态的本地AI API平台，旨在轻松高效地运行和定制大语言模型（LLM）。它拥有一个简单直观的灵感来自Ollama的命令行界面（CLI），完全用C++构建而成。你可以下载适用于Windows、macOS和Linux的安装软件包。

用户可以从Hugging Face中选择模型，也可以使用Cortex的内置模型，这些模型以通用文件格式存储，以增强兼容性。使用Cortex最棒的地方在于，它支持可切换的引擎，从llama.cpp开始，可计划在将来添加ONNX Runtime和TensorRT-LLM。此外，你还可以获得带有仪表板的实用服务器，用于查看API命令并对其进行测试。

开始上手Cortex

登录官方网站https://cortex.so/，下载并安装Cortex。

之后，打开终端或PowerShell，输入如下命令以下载Llama 3.2 3B指令模型。

$ cortex pull llama3.2

它将提示你选择模型的各种量化版本；只需选择默认选项llama3.2:3b-ggulf-q4-km。模型将被下载，下载时间取决于你的网速。

Available to download:
    1. llama3.2:3b-gguf-q2-k
    2. llama3.2:3b-gguf-q3-kl
    3. llama3.2:3b-gguf-q3-km
    4. llama3.2:3b-gguf-q3-ks
    5. llama3.2:3b-gguf-q4-km (default)
    6. llama3.2:3b-gguf-q4-ks
    7. llama3.2:3b-gguf-q5-km
    8. llama3.2:3b-gguf-q5-ks
    9. llama3.2:3b-gguf-q6-k
    10. llama3.2:3b-gguf-q8-0

Select a model (1-10): 5
Selected: llama3.2:3b-gguf-q4-km
Validating download items, please wait..
Start downloading: model.gguf
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  1104  100  1104    0     0   3255      0 --:--:-- --:--:-- --:--:--  3266
100 1925M  100 1925M    0     0  2397k      0  0:13:42  0:13:42 --:--:-- 2430k
Start downloading: model.yml
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  1522  100  1522    0     0   4042      0 --:--:-- --:--:-- --:--:--  4058
Model llama3.2:3b-gguf-q4-km downloaded successfully!

你还可以从Hugging Face Hub中提取模型，只要在‘pull’命令后输入模型的存储库ID，它就会自动下载。

$ cortex pull kingabzpro/Gemma-2-9b-it-chat-doctor

下载完成后，输入带有模型名称的‘run’命令来启动服务器。

$ cortex run llama3.2

一旦一切设置完毕，你就可以开始从Llama 3.2提问了。

正如我们所见，模型准确地回答了关于世界上最高建筑的问题。

Starting server ...
Host: 127.0.0.1 Port: 39281
Server started
API Documentation available at: http://127.0.0.1:39281
Inorder to exit, type `exit()`
> What is the tallest building in the world?
The Burj Khalifa, located in Dubai, United Arab Emirates, is currently the tallest building in the world, standing at a height of 828 meters (2,722 feet) with 163 floors.

我们甚至问了一些后续问题，它也能理解上下文。简单又快速。

> tell me more about it.
The Burj Khalifa!

Here are some fascinating facts about the Burj Khalifa:

1. **Design and Construction**: The Burj Khalifa was designed by the American architectural firm Skidmore, Owings & Merrill, with Adrian Smith and John G. Buffman as the lead architects.
2. **Height and Floors**: The Burj Khalifa stands at a height of 828 meters (2,722 feet) with 163 ..........

当你运行服务器时，还可以选择通过Python API、CURL命令以及其他语言的API访问模型。

在浏览器中输入URL http://127.0.0.1:39281，开始探究你可以用服务器做些什么。

如果你想查看有多少模型在后台运行以及它们消耗了多少内存，可以输入‘ps’命令来查看。

$ cortex ps 
 +------------------------+-----------+-----------+---------+------------------------+
| Model                  | Engine    | RAM       | VRAM    | Up time                |
+------------------------+-----------+-----------+---------+------------------------+
| llama3.2:3b-gguf-q4-km | llama-cpp | 308.23 MB | 1.87 GB | 22 minutes, 31 seconds |
+------------------------+-----------+-----------+---------+--------------------

结论

Cortex是一个大有潜力的新平台，有望改变我们在本地和云端使用LLM的方式。其强大的服务器功能提供了广泛的功能特性，使访问和管理模型既直观又高效。与Ollama相似，Cortex允许用户直接在终端上测试模型，从而简化了过程，增强了用户体验。

我们在本教程中了解了Cortex、如何安装以及如何下载并在终端本地使用Llama 3.2，强烈建议你在本地尝试一下。

原文标题：Run Local LLMs with Cortex，作者：Abid Ali Awan