RestAI 开源项目教程
1、项目介绍
RestAI 是一个 AIaaS(AI as a Service)开源平台,旨在通过简单的 REST API 创建和使用 AI 项目。它基于 LlamaIndex、Ollama 和 HF Pipelines 构建,支持任何由 LlamaIndex 支持的公共 LLM 和 Ollama 支持的本地 LLM。RestAI 提供了精确的嵌入使用和调优功能,适用于各种 AI 项目,包括视觉识别、文本生成等。
2、项目快速启动
安装依赖
首先,确保你已经安装了 Poetry,这是一个用于管理 Python 依赖的工具。你可以通过以下命令安装 Poetry:
pip install poetry
克隆项目
使用 Git 克隆 RestAI 项目到本地:
git clone https://github.com/apocas/restai.git
cd restai
安装项目依赖
在项目根目录下,运行以下命令来安装项目依赖:
poetry install
启动开发环境
在开发模式下启动 RestAI:
make install
make dev
启动生产环境
在生产环境中启动 RestAI:
make install
make start
使用 Docker 启动
编辑 .env 文件以配置环境变量,然后使用 Docker Compose 启动服务:
docker compose --env-file .env up --build
3、应用案例和最佳实践
案例1:使用 RestAI 进行文本生成
RestAI 支持多种文本生成任务,例如使用 RAG(Retrieval-Augmented Generation)模型生成文本。以下是一个简单的示例,展示如何使用 RestAI 的 REST API 进行文本生成:
curl -X POST "http://localhost:8000/api/v1/generate" \
-H "Content-Type: application/json" \
-d '{"prompt": "生成一段关于人工智能的描述"}'
案例2:视觉识别
RestAI 还支持视觉识别任务,例如使用 Stable Diffusion 生成图像。以下是一个示例,展示如何使用 RestAI 的 REST API 进行图像生成:
curl -X POST "http://localhost:8000/api/v1/vision/text2img" \
-H "Content-Type: application/json" \
-d '{"prompt": "生成一张美丽的风景画"}'
最佳实践
- 嵌入调优:RestAI 提供了精确的嵌入调优功能,建议在实际应用中根据需求进行调优,以提高模型的性能。
- 自动 VRAM 管理:RestAI 自动管理 VRAM 的使用,按需加载和卸载模型,确保系统资源的有效利用。
4、典型生态项目
1. LlamaIndex
LlamaIndex 是一个用于构建和使用大型语言模型的开源库,RestAI 基于 LlamaIndex 构建,支持多种公共 LLM。
2. Ollama
Ollama 是一个用于本地 LLM 的开源平台,RestAI 支持 Ollama 支持的任何本地 LLM,提供了灵活的模型选择。
3. HF Pipelines
HF Pipelines 是 Hugging Face 提供的一个用于快速部署和使用 AI 模型的工具,RestAI 集成了 HF Pipelines,简化了模型的部署和使用。
通过这些生态项目,RestAI 构建了一个强大的 AIaaS 平台,适用于各种 AI 应用场景。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
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).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00