SimpleAI: 自托管AI API服务项目教程
2025-04-20 01:14:04作者:薛曦旖Francesca
1. 项目介绍
SimpleAI是一个开源项目,旨在提供一个自托管的AI API服务,允许用户轻松地部署自己的模型,并通过标准的API接口进行访问。它兼容开放的AI客户端,可以作为一个替代方案来实验不同的模型,创建性能基准,以及处理那些不能完全依赖外部服务的特定用例。
2. 项目快速启动
要快速启动SimpleAI项目,请按照以下步骤操作:
首先,确保你的系统中已安装Python 3.9或更高版本。然后,你可以通过以下方式安装SimpleAI:
# 从源代码安装
pip install git+https://github.com/lhenault/simpleAI
# 或者从PyPi安装
pip install simple_ai_server
安装完成后,初始化项目配置文件:
simple_ai init
这会创建一个models.toml
文件,用于声明你的模型。然后,启动服务:
simple_ai serve [--host 127.0.0.1] [--port 8080]
你可以通过浏览器访问http://127.0.0.1:8080
查看文档和尝试API。
3. 应用案例和最佳实践
3.1 集成模型
SimpleAI通过gRPC协议查询模型,以便将API与模型推断分离,并支持多种语言。以下是一个简单的Python模型集成示例:
import logging
from dataclasses import dataclass
from simple_ai.api.grpc.embedding.server import serve, LanguageModelServicer
@dataclass(unsafe_hash=True)
class EmbeddingModel:
def embed(self, inputs: list = []) -> list:
# 实现embed方法
return [[]]
if __name__ == '__main__':
model_servicer = LanguageModelServicer(model=EmbeddingModel())
serve(address='[::]:50051', model_servicer=model_servicer)
3.2 声明模型
在你的models.toml
文件中添加新模型,例如:
[llama-7B-4b]
[llama-7B-4b.metadata]
owned_by = 'Meta/ggerganov'
permission = []
description = 'C++实现LlaMA模型,70亿参数,4位量化'
[llama-7B-4b.network]
url = 'localhost:50051'
type = 'gRPC'
3.3 使用API
你可以使用curl或者OpenAI的Python客户端来调用API:
curl -X POST http://127.0.0.1:8080/edits -H 'accept: application/json' -H 'Content-Type: application/json' -d '{
"model": "alpaca-lora-7B",
"instruction": "Make this message nicer and more formal",
"input": "This meeting was useless and should have been a bloody email",
"top_p": 1,
"n": 1,
"temperature": 1,
"max_tokens": 256
}'
或者使用Python客户端:
import openai
openai.api_key = 'Free the models'
openai.api_base = "http://127.0.0.1:8080"
print(openai.Model.list())
completion = openai.Completion.create(model="llama-7B", prompt="Hello everyone this is")
4. 典型生态项目
SimpleAI可以作为各种机器学习和MLOps生态项目的一部分,支持LLM(大型语言模型)等应用。你可以探索将其集成到更广泛的工作流程中,例如数据标注、模型训练、模型评估和部署等。
以上是SimpleAI项目的简要介绍、快速启动指南、应用案例和生态项目的一篇教程。希望对你有所帮助!
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8