零基础入门AI:四步快速搭建本地的编程助手 Step 1

由于种种原因,小伙伴们在写代码时,不一定能用上Github Copilot;或者由于代码安全的原因,不能使用外网的编程助手。今天我就介绍一种利用开源大语言模型在本地搭建编程助手的方案:

  • IDE插件:Continue
  • 本地开源大语言模型框架:Ollama
  • 本地开源大语言模型(推荐 Code Llama)

该方案适用于 VS Code 和 PyCharm,搭建的步骤类似,如下步骤中以VS Code为例说明。

Step 1: 安装 Continue 插件

在VS Code 和 PyCharm的插件市场中搜索并安装 Continue 插件,以VS Code为例,安装步骤截图如下:
1.png
安装完成后,默认会有一些在线的大语言模型供试用(需要联网)。
2.png

更多关于Continue插件的细节,可以参考Continue插件的官网:Continue官网

Continue插件支持GPT-4 / Claude-2 等收费大语言模型,只需要将自己的 api key 更新到配置文件中的 apiKey 即可,以下步骤将介绍如何使用 Continue 插件调用本地开源大语言模型。

Step 2: 安装本地开源大语言模型框架 Ollama

Ollama 是一个可以在本地部署和管理开源大语言模型的框架,由于它极大的简化了开源大语言模型的安装和配置细节,一经推出就广受好评,目前已在github上获得了46k star。

关于Ollama的更多介绍和安装方法请参见 零基础入门AI:一键本地运行各种开源大语言模型 - Ollama

Step 3: 下载代码大语言模型 Code Llama

安装Ollama后,即可一键安装开源大语言模型。Ollama支持大部分主流的开源大语言模型,但是在编程助手的使用场景下,我更推荐Meta发布的 CodeLlama,包含 7b / 13b / 34b / 70b 四种参数规模,小伙伴们可以根据本地GPU的性能,下载合适的Code Llama版本

参数版本 链接 命令
7 billion View ollama run codellama:7b
13 billion View ollama run codellama:13b
34 billion View ollama run codellama:34b
70 billion View ollama run codellama:70b

PS: Code Llama除了有不同的参数版本,根据微调语料的不同类型,还有基础、Python、instruct三种类型的微调版本,其中instruct是经过自然语言指令微调的,更适合本文的使用场景,所以推荐使用 instruct 版本,以上表格中的命令默认下载的就是instruct版本。

Step 4: 配置 Continue + Ollama

Ollama服务运行后,默认的API接口地址是localhost:11434,能够为本机提供服务。

也可以在Ollama中配置环境变量 OLLAMA_HOST=0.0.0.0:11434 来对局域网提供服务,API接口地址就是<ollama server IP>:11434。(具体可参见 零基础入门AI:一键本地运行各种开源大语言模型 - Ollama

将大语言模型的信息和API接口地址添加到 Continue 的配置文件中,举例如下:

1
2
3
4
5
6
7
json复制代码"models": [
    {
      "title": "codellama:7b",
      "provider": "ollama",
      "model": "codellama:7b",
      "api_base": "localhost:11434"
    }

修改完配置文件后,在 IDE 的 Continue 插件界面选择本地大模型,就可以愉快的使用本地大模型玩耍了:

3.png

至此,Continue插件就可以和本地大语言模型联动,调用本地的大语言模型来辅助编程,实现本地的编程助手。

Bingo! 运行 Continue + Ollama

如下图中的例子,我让大模型帮忙写一下python的函数,用于判断输入的数字是不是质数:
4.png

添加常用的快捷指令 (可选)

阅读 Continue 插件的配置文件,会发现其中已经内置了一些快捷指令,其实就是将一段提示词简化为一个命令,比如:

  • comment: 为选中的代码添加注释,对应的提示词是 Write comments for the highlighted code
  • edit: 编辑选中的代码,对应的提示词是 Edit highlighted code

参照这些示例,我们也可以添加自己常用的快捷指令,比如我添加了一个代码评审的快捷指令 review,具体配置如下:

1
2
3
4
5
6
7
json复制代码"custom_commands": [
    {
      "name": "review",
      "prompt": "Act as a comprehensive code review assistant to help me analyze and improve the selected code",
      "description": "Code review for highlighted code"
    }
  ]

PS:

  • 实际使用时,可以用大语言模型来辅助生成代码、改BUG、添加注释、解释代码等等。
  • 以上例子中,我仅以最小规模的7B版本为例,本地GPU性能更强的话,可以尝试更大参数规模的版本,使用效果会更好一些。
  • 本文推荐的代码大语言模型 Code Llama 的训练语料中,中文语料所占的比例较少,所以使用英文提问的效果会更好一些。
  • Ollama同样也支持一些中文的开源模型,比如qwen 、Yi等等,这些大模型对中文的支持就会更好一些,可以参照文中的方法安装使用。

本文转载自: 掘金

开发者博客 – 和开发相关的 这里全都有

0%