1panel+MaxKB+Ollama+Llama Linux部署指南

1.1panel安装

输入指令：

ubuntu:curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh && sudo bash quick_start.sh

RedHat/Centos:curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh && sh quick_start.sh

Debian:curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh && bash quick_start.sh

openEuler/其他:

第一步：安装 docker

bash <(curl -sSL https://linuxmirrors.cn/docker.sh)

第二步：安装 1Panel

curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh && sh quick_start.sh

安装成功后，控制台会打印面板访问信息，可通过浏览器访问 1Panel：

http://目标服务器 IP 地址:目标端口/安全入口

2.MaxKB

打开上面1panel地址，打开应用商城，点击MaxKB就可以安装了。这是docker方式安装的，安装前需要配置好docker。

如果出现docker安装失败，出现408，即配置docker源：

http://prod-reg.hydevops.com
https://reg.hydevops.com
https://docker.mirrors.ustc.edu.cn
https://hub-mirror.c.163.com
https://dockerproxy.com
https://mirror.baidubce.com
https://ccr.ccs.tecentyun.com

1.MaxKB登录

链接为http://ip+已配置好的端口，端口可以在此查看

首次登陆，账号密码为：

username：admin

password：MaxKB@123..

3.Ollama（gpu）安装

1.安装英伟达容器安装包

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

1.配置apt源

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

2.更新源

sudo apt-get update

3.安装工具包

sudo apt-get install -y nvidia-container-toolkit

2.使用GPU运行Ollama

docker run --gpus all -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

需要注意的：其中-p后面的的第一个11434是连接时的端口号，如果有端口冲突可以改变，若没有，则可默认。

3.使用Ollama下载模型

llama3:70b可以替换为你需要下载模型的名称。

docker exec -it ollama ollama run llama3:70b

如果在pull过程中出现EOF问题，可以再次输入该指令继续下载。

1.修改Ollama下载路径

            打开1panel，打开容器，点击ollama，先将ollama暂停。

             打开编辑，可以直接修改文件保存的路径 ，即本机目录。这样就缓解了本地硬盘存储空间不足的问题。       

2.设置使用的显卡（如果想单张使用）

    同样是在编辑中，可在NVIDIA_VISIBLE_DEVICES中更改使用的显卡参数。可以在linux中使用nvidia-smi查看你想使用显卡的编号。![](https://img-blog.csdnimg.cn/direct/ad50f35a26d947ed9514c9af8595f982.png)

4.MaxKB应用配置

最主要是api域名要写正确 ，使用的是docker安装定义的端口，http://ip+端口，如果没有改变，则默认为11434。API Key可以随便写。

需要注意：这不是在线安装，需要你事先在本地中下载好模型，若忘记，可以返回查看3.3如何下载模型。

之后可以添加应用了，也可以加入自己的知识库，选择好模型，点击创建，就完成了。

如果在演示中，出现限制次数问题，可以在应用中，点击应用设置，选择访问限制，可以调到10000。

5.模型运行情况

本地运行的llama3:8b,一张2080ti就可以运行起来（本地有2张2080ti+3080），该显卡情况（32G显存）运行不起来llama3:70b。

llama3:70b,一张A100（80G显存）可以运行起来，45G显存就可以运行，但能不能推理没尝试过。

6.本地环境版本

ubuntu:20.04.6 LTS

docker:24.0.5