llama-gpt
LlamaGPT 是一款可完全本地部署、离线运行的类 ChatGPT 聊天机器人，核心由强大的 Llama 2 及 Code Llama 模型驱动。它的核心价值在于极致的隐私保护：所有对话数据仅在用户设备内部处理，绝不上传至云端或第三方服务器，彻底消除了数据泄露的隐患。
这一特性完美解决了用户对敏感信息交互的隐私顾虑，以及在没有网络连接环境下仍需使用智能助手的需求。无论是注重数据安全的企业管理者、需要隔离环境测试代码的开发者、关注隐私的研究人员，还是希望在家中搭建私人智能助手的普通技术爱好者，都能从中受益。
在技术亮点方面，LlamaGPT 不仅支持从 7B 到 70B 多种规模的对话模型，还新增了对 Code Llama 系列的支持，使其具备出色的代码生成与解释能力。此外，它兼容 Nvidia GPU 加速，并提供 OpenAI 格式的 API 接口，方便集成到现有工作流中。安装过程十分灵活，既可通过 umbrelOS 一键部署，也支持在 M1/M2 Mac 或任何装有 Docker 的系统上快速运行，让私有化大模型的应用门槛大幅降低。
使用场景
某金融初创公司的后端团队需要在本地开发环境中频繁调试敏感的交易算法代码，同时确保核心逻辑绝不外泄。
没有 llama-gpt 时
- 数据泄露风险高：开发者若使用在线 AI 助手排查代码漏洞，必须将包含商业机密的交易逻辑片段上传至云端，存在极大的合规隐患。
- 网络依赖性强：在封闭的内网开发环境或网络不稳定时，无法随时获取代码建议，导致调试工作被迫中断。
- 响应延迟影响心流：等待云端 API 返回结果的网络延迟经常打断程序员的思维连贯性，降低复杂算法的编写效率。
- 成本不可控：团队高频次的代码查询会导致云端 Token 消耗激增，显著增加项目的运营预算。
使用 llama-gpt 后
- 100% 数据隐私安全：借助 llama-gpt 的离线自托管特性，所有代码分析与生成均在本地设备完成，敏感交易数据从未离开过公司内网。
- 完全离线可用：无论网络状况如何，开发者都能通过本地部署的 llama-gpt 即时获得基于 Code Llama 模型的专业代码补全与纠错建议。
- 零延迟即时反馈：利用本地 Nvidia GPU 或 M1/M2 芯片加速，llama-gpt 提供毫秒级的代码响应，让开发者保持专注的心流状态。
- 零边际使用成本：一次性部署后，团队可无限次调用 llama-gpt 进行高强度代码审查，无需担心按量计费带来的预算压力。
llama-gpt 通过构建纯本地的智能编程伴侣，完美解决了敏感行业在享受 AI 提效红利与严守数据隐私之间的两难困境。
运行环境要求
- Linux
- macOS
- 非必需
- 支持 NVIDIA GPU (需启用 --with-cuda 标志以使用 CUDA 加速)
- M1/M2 Mac 支持 Metal 加速
- 具体显存需求取决于模型大小（例如运行 7B 模型约需 6-7GB 内存/显存，70B 模型需 41GB+）
最低 6.29GB (运行 7B 模型)，推荐 16GB+；运行 70B 模型需 41.37GB+
快速开始
LlamaGPT
一款自托管、离线的类ChatGPT聊天机器人，基于Llama 2模型。100%私密，数据不会离开您的设备。
新增：支持Code Llama模型和Nvidia GPU。
umbrel.com（我们正在招聘）»
目录
演示
https://github.com/getumbrel/llama-gpt/assets/10330103/5d1a76b8-ed03-4a51-90bd-12ebfaf1e6cd
支持的模型
目前，LlamaGPT支持以下模型。运行自定义模型的支持计划在未来实现。
| 模型名称 | 模型规模 | 模型下载大小 | 所需内存 |
|---|---|---|---|
| Nous Hermes Llama 2 7B Chat (GGML q4_0) | 7B | 3.79GB | 6.29GB |
| Nous Hermes Llama 2 13B Chat (GGML q4_0) | 13B | 7.32GB | 9.82GB |
| Nous Hermes Llama 2 70B Chat (GGML q4_0) | 70B | 38.87GB | 41.37GB |
| Code Llama 7B Chat (GGUF Q4_K_M) | 7B | 4.24GB | 6.74GB |
| Code Llama 13B Chat (GGUF Q4_K_M) | 13B | 8.06GB | 10.56GB |
| Phind Code Llama 34B Chat (GGUF Q4_K_M) | 34B | 20.22GB | 22.72GB |
安装方法
在您的umbrelOS家庭服务器上安装LlamaGPT
在umbrelOS家庭服务器上运行LlamaGPT只需点击一下即可。只需从Umbrel应用商店安装即可。
在M1/M2 Mac上安装LlamaGPT
请确保您已安装Docker和Xcode。
然后，克隆此仓库并进入其中：
git clone https://github.com/getumbrel/llama-gpt.git
cd llama-gpt
使用以下命令运行LlamaGPT：
./run-mac.sh --model 7b
您可以通过http://localhost:3000访问LlamaGPT。
要运行13B或70B聊天模型，请分别将
7b替换为13b或70b。 要运行7B、13B或34B的Code Llama模型，请分别将7b替换为code-7b、code-13b或code-34b。
要停止LlamaGPT，请在终端中按Ctrl + C。
在其他任何地方使用Docker安装LlamaGPT
您可以在任何x86或arm64系统上运行LlamaGPT。请确保已安装Docker。
然后，克隆此仓库并进入其中：
git clone https://github.com/getumbrel/llama-gpt.git
cd llama-gpt
使用以下命令运行LlamaGPT：
./run.sh --model 7b
或者，如果您有Nvidia GPU，可以使用--with-cuda标志以CUDA支持运行LlamaGPT，例如：
./run.sh --model 7b --with-cuda
您可以通过http://localhost:3000访问LlamaGPT。
要运行13B或70B聊天模型，请分别将
7b替换为13b或70b。 要运行Code Llama 7B、13B或34B模型，请分别将7b替换为code-7b、code-13b或code-34b。
要停止LlamaGPT，请在终端中按Ctrl + C。
注意：首次运行时，模型下载到
/models目录可能需要一些时间。您还可能会看到类似以下内容的大量输出，持续几分钟，这是正常现象：llama-gpt-llama-gpt-ui-1 | [INFO wait] 主机 [llama-gpt-api-13b:8000] 尚未可用...当模型自动下载并加载完毕，且API服务器开始运行后，您将看到如下输出：
llama-gpt-ui_1 | ready - started server on 0.0.0.0:3000, url: http://localhost:3000此时，您就可以通过http://localhost:3000访问LlamaGPT了。
使用Kubernetes安装LlamaGPT
首先，确保您有一个正在运行的Kubernetes集群，并且kubectl已配置好以便与其交互。
然后，克隆此仓库并进入其中。
要部署到Kubernetes，首先创建一个命名空间：
kubectl create ns llama
然后应用/deploy/kubernetes目录下的清单文件：
kubectl apply -k deploy/kubernetes/. -n llama
按照常规方式公开您的服务。
与OpenAI兼容的API
得益于llama-cpp-python，一个可直接替代OpenAI API的接口已在http://localhost:3001提供。打开http://localhost:3001/docs查看API文档。
基准测试
我们在以下硬件上使用默认系统提示和用户提示“宇宙是如何膨胀的？”以温度0运行LlamaGPT模型，以确保结果的确定性。生成速度取前10次生成的平均值。
欢迎通过提交拉取请求向此表格添加您自己的基准测试结果。
Nous Hermes Llama 2 7B Chat (GGML q4_0)
| 设备 | 生成速度 |
|---|---|
| M1 Max MacBook Pro (64GB 内存) | 54 tokens/秒 |
| GCP c2-standard-16 vCPU (64 GB 内存) | 16.7 tokens/秒 |
| Ryzen 5700G 4.4GHz 4核 (16 GB 内存) | 11.50 tokens/秒 |
| GCP c2-standard-4 vCPU (16 GB 内存) | 4.3 tokens/秒 |
| Umbrel Home (16GB 内存) | 2.7 tokens/秒 |
| Raspberry Pi 4 (8GB 内存) | 0.9 tokens/秒 |
Nous Hermes Llama 2 13B Chat (GGML q4_0)
| 设备 | 生成速度 |
|---|---|
| M1 Max MacBook Pro (64GB 内存) | 20 tokens/秒 |
| GCP c2-standard-16 vCPU (64 GB 内存) | 8.6 tokens/秒 |
| GCP c2-standard-4 vCPU (16 GB 内存) | 2.2 tokens/秒 |
| Umbrel Home (16GB 内存) | 1.5 tokens/秒 |
Nous Hermes Llama 2 70B Chat (GGML q4_0)
| 设备 | 生成速度 |
|---|---|
| M1 Max MacBook Pro (64GB 内存) | 4.8 tokens/秒 |
| GCP e2-standard-16 vCPU (64 GB 内存) | 1.75 tokens/秒 |
| GCP c2-standard-16 vCPU (64 GB 内存) | 1.62 tokens/秒 |
Code Llama 7B Chat (GGUF Q4_K_M)
| 设备 | 生成速度 |
|---|---|
| M1 Max MacBook Pro (64GB 内存) | 41 tokens/秒 |
Code Llama 13B Chat (GGUF Q4_K_M)
| 设备 | 生成速度 |
|---|---|
| M1 Max MacBook Pro (64GB 内存) | 25 tokens/秒 |
Phind Code Llama 34B Chat (GGUF Q4_K_M)
| 设备 | 生成速度 |
|---|---|
| M1 Max MacBook Pro (64GB 内存) | 10.26 tokens/秒 |
路线图与贡献
我们计划为LlamaGPT添加更多功能。您可以在此处查看路线图：链接。目前的优先事项包括：
- 将模型从Docker镜像中移出，放入独立的存储卷。
- 为M1/M2 Mac添加Metal支持。
- 添加对Code Llama模型的支持。
- 为NVIDIA GPU添加CUDA支持。
- 添加加载自定义模型的功能。
- 允许用户在不同模型之间切换。
如果您是开发者并希望参与其中，请开一个议题讨论最佳实现方式。如果您想帮忙但不确定从何入手，可以查看这些已被标记为适合新手贡献的议题：链接。
致谢
衷心感谢以下开发者和团队使LlamaGPT成为可能：
- Mckay Wrigley 构建了Chatbot UI。
- Georgi Gerganov 实现了llama.cpp。
- Andrei 构建了llama.cpp的Python绑定。
- NousResearch 对Llama 2 7B和13B模型进行了微调。
- Phind 对Code Llama 34B模型进行了微调。
- Tom Jobbins 对Llama 2模型进行了量化。
- Meta 以宽松许可协议发布了Llama 2和Code Llama。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
opencode
OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。