如果您不希望与 OpenAI 或其他类似的 AI 提供商共享您的信息或数据。您可能对本教程感兴趣，本教程概述了如何使用 LocalGPT API 创建自己的个人 AI 助手。
LocalGPT 是一个强大的工具，适用于任何希望在本地运行类似 GPT 的模型的人，允许隐私、自定义和离线使用。它提供了一种向特定文档或数据集提问的方法，从这些文档中查找答案，并在不依赖互联网连接或外部服务器的情况下执行这些操作，并且可通过GitHub获得。
什么是 LocalGPT 以及它是如何工作的
- 灵感：它的灵感来自另一个称为“privateGPT”的项目。它似乎遵循类似的概念，但有其独特的功能。
- 模型替换：LocalGPT 将 GPT4ALL 模型替换为 Vicuna-7B 模型，并使用 InstructorEmbeddings 而不是 LlamaEmbeddings。
- 私有和本地执行：该项目旨在完全在用户的本地计算机上运行，确保隐私，因为没有数据离开执行环境。这允许在没有互联网连接的情况下摄取文档和提问。
- 摄取文档：用户可以将各种类型的文档（.txt、.pdf、.csv、.xlsx）摄取到本地矢量存储中。然后，这些文档用于创建嵌入并为模型的响应提供上下文。
- 问答：用户可以向其文档提问，模型将使用已引入的本地数据进行响应。响应由本地语言模型（LLM）生成，如Vicuna-7B。
- 使用各种技术构建：LocalGPT 是使用 LangChain、Vicuna-7B、InstructorEmbeddings 和 Chroma 矢量存储等工具和技术构建的。
- 环境和兼容性：它提供了通过Conda或Docker设置环境的说明，并支持在CPU和GPU上运行。还提供了与Nvidia GPU，Apple Silicon （M1 / M2）等不同系统兼容的特定说明。
- UI 和 API 支持：该项目包括运行本地 UI 和 API 以与模型交互的功能。
- 灵活性：它提供了更改底层LLM模型的选项，并提供了有关如何选择HuggingFace可用的不同模型的指导。
- 系统要求：LocalGPT 需要 Python 3.10 或更高版本，并且可能需要C++编译器，具体取决于系统。
本地GPT不仅关乎隐私;这也与可访问性有关。通过将 LocalGPT 实例放置在功能强大的计算机上的云中，可以进行 API 调用来构建应用程序。此方法允许客户端在不需要强大的 GPU 的情况下运行应用程序，从而提供跨多台计算机或计算机的可扩展性。
构建您自己的私人个人 AI 助手
该过程涉及一系列步骤，包括克隆存储库、创建虚拟环境、安装所需的包、在文件中定义模型以及运行 API 和 GUI。它的设计是用户友好的，并且可以通过Prompt Engineering精心创建的视频教程获得分步指南，确保即使是那些不熟悉AI的人也可以利用这项技术。constant.py
本地 GPT 应用程序
本地GPT不仅仅是一个独立的工具;它是一个可用于构建应用程序的平台。API 在端口为 5110 的本地主机地址上运行，并且可以运行单独的 UI 来与 LocalGPT API 交互。此 UI 允许用户上传文档，将其添加到知识库，并询问有关这些文档的问题，演示如何利用 LocalGPT API 创建复杂的应用程序。
此外，LocalGPT API 可以在云中提供，允许本地 UI 调用 API。这为开发私有、安全和可扩展的 AI 驱动解决方案开辟了无限的可能性。
LocalGPT的优势之一是它的灵活性。模型定义已移至 ，允许用户定义要在此文件中使用的模型。视频教程中的代码演练解释了代码的工作原理，包括如何存储文件、如何创建矢量数据库以及如何控制 API 函数。这种级别的洞察力和定制将权力交到用户手中，从而实现适合特定需求的定制解决方案。constant.py
人工智能
LocalGPT 代表了 AI 领域的重大进步，它提供了一种无需专用硬件即可进行私有、本地化 AI 交互的途径。该视频教程提供了有关如何在系统上设置本地 GPT API 并运行基于其构建的示例应用程序的全面指南，从而使广大用户都可以访问该应用程序。
无论您是希望探索 AI 的个人、寻求在不损害隐私的情况下集成 AI 的企业，还是旨在构建创新应用程序的开发人员，LocalGPT 都能提供有前途的解决方案。它结合了隐私、灵活性和易用性，为个性化 AI 辅助的新时代铺平了道路，所有这些都在本地环境或云实例的范围内进行。人工智能的未来就在这里，它始于LocalGPT。
