搭建一个本地中文大语言模型（LLM）涉及多个关键步骤，从选择模型底座，到运行机器和框架，再到具体的架构实现和训练方式。以下是一个详细的指南，帮助你从零开始构建和运行一个中文大语言模型。

本地离线模型搭建指南将按照以下四个部分展开

1. 中文大语言模型底座选择依据
2. 本地运行显卡选择
3. RAG架构实现
4. LLaMA-Factory训练框架及工具

2本地运行显卡选择

在Awesome-Chinese-LLM仓库中，有许多中文大语言模型适合在本地运行。对于需要选择消费级别显卡的用户，可以参考以下信息：

2.1 适合消费级别显卡运行的模型参数大小

• 大小为6B或7B，部分8B的模型，可以在消费级别的显卡上运行。显存建议8G起步，否则会出现模型加载不成功的问题。
• 这些模型参数大小同样也可以在CPU上远行，但聊天文字生成速度只有同类型显卡的1/5-1/10。CPU配置最低建议16核心，32G内存。

2.2 推荐消费级别显卡

• NVIDIA GeForce RTX 4060 至 4090 系列，显存12GB起步。
• NVIDIA T4卡也可以运行本地模型。

2.3 性能比较

• T4卡：服务器级别GPU计算图形显卡，本地运行模型推荐12G起步，大致对等评估，T4卡16G的性能和4070T16G显存性能一致。
• RTX 4060-4090 系列：消费级显卡，性能强劲，显存从12GB到24GB不等，适合高性能计算和深度学习任务，本地运行模型推荐12G起步。
  
  

2.4 消费级显卡配置建议

1. 优先选择单卡配置：单卡配置简单，易于管理。
2. 双卡配置：消费级台式机最多支持两张显卡集火（NVIDIA SLI或NVLink）。

若需突破双卡限制：

• 请查阅并考虑使用华硕 ESC8000-G4 服务器配置，该服务器支持多达8张显卡的集火，适用于更大规模的计算需求。

2.5 本地部署模型实践运行配置

注意：以上运行均值单独运行模型后是否可以运行以及显存是否够用，如果后期做RAG架构，ChatGLM4-9B模型在16G显存上不够，刚好差200M的显存，所以如果买新显卡，如果预算够，显存是第一优先考虑选项，之后才是显卡的计算能力。

2.6 相关模型链接

• ChatGLM
• ChatGLM2-6B
• ChatGLM3-6B
• Chinese-LLaMA-Alpaca
• Chinese-LLaMA-Alpaca-2
• Chinese-LlaMA2
• Llama2-Chinese
• Qwen/Qwen1.5

选择适合的显卡和配置，可以在本地高效地运行这些中文大语言模型。