Text Generation WebUI 本地部署完整指南:一条脚本装好,本地 LLM 开箱即用 Text Generation WebUI 本地部署完整指南一条脚本装好本地 LLM 开箱即用【免费下载链接】textgenOpen-source desktop app for local LLMs. Text, vision, tool-calling, OpenAI/Anthropic-compatible API. 100% private.项目地址: https://gitcode.com/GitHub_Trending/te/textgen装本地 LLM 最头疼的是依赖装不全、环境变量报错、CUDA 版本不匹配。Text Generation WebUI 用一键脚本把这套流程打包好了自动下 Miniforge、建好环境、装完所有后端还支持 OpenAI 兼容 API全程离线、无遥测。功能全景功能说明适合谁聊天与生成 ️instruct / 角色扮演模式可编辑消息、分叉对话日常对话、角色设定视觉与附件消息里带图片、上传 PDF 和 .docx 一起问文档问答、图文理解工具调用模型能调网页搜索、抓页面、数学等自定义函数工作流自动化本地 APIOpenAI / Anthropic 风格接口含 Chat、Completions、Messages想接现有代码的开发者训练与画图LoRA 微调、diffusers 文生图想改模型或出图的人模型后端内置 llama.cpp、ik_llama.cpp、Transformers、ExLlamaV3、TensorRT-LLM 五种切换后端不用重启。完整列表见 docs/ 下的官方文档。三步跑起来 第一步获取代码git clone https://gitcode.com/GitHub_Trending/te/text-generation-webui cd text-generation-webui第二步配置环境。按系统跑一键脚本Linux 是./start_linux.shmacOS 是./start_macos.shWindows 是start_windows.bat。脚本会自己下载 Miniforge 并在installer_files/里建 conda 环境按提示选 GPU 厂商NVIDIA / AMD / 纯 CPU即可不需要 root 权限。第三步启动服务。装完直接再跑一次同样的start_脚本。看到浏览器自动打开http://127.0.0.1:7860、页面正常出现 Chat 标签页就算成功。核心工作流加载模型并开聊从 Hugging Face 下一个 GGUF 格式模型放进user_data/models/。界面会自动检测到它不用手动注册。进 Model 标签页下拉框选中模型loader 默认 llama.cpp。gpu_layers设-1自动全放显卡点Load。加载完点一下 Save下次选这个模型直接沿用参数。切到 Chat 标签页选 instruct 模式发消息。不想每次手动选模型的话往 user_data/CMD_FLAGS.txt 里加一行--model 你的模型文件名.gguf启动即加载。进阶调优 显存不够就压上下文。llama.cpp 的 KV cache 是预分配的ctx-size越大越吃显存。模型加载报 OOM 时优先调低ctx-size再把cache-type从fp16降到q8_0甚至q4_0省不少显存代价是质量轻微下降。把它变成 OpenAI 兼容接口。在CMD_FLAGS.txt加一行--api重启后本地就有 5000 端口的 API浏览器打开http://127.0.0.1:5000/docs能看全部接口文档。现有 OpenAI SDK 的代码基本不用改只把 base_url 换成本地地址即可详见 OpenAI API 文档。常见坑与排障 ⚠️现象start 脚本报错退出。原因项目路径里含空格Miniforge 装不进去。解决把仓库挪到无空格、无中文的路径如/home/用户名/项目/text-generation-webui。现象模型加载报 out of memory。原因上下文或层数超出显卡容量。解决调低ctx-size、gpu_layers设小值让部分层落 CPU或改用更低位的量化模型。现象Model 下拉框里没有模型。原因项目不带任何模型GGUF 必须自己下载放进user_data/models/多文件的 Transformers 模型要放进该目录下的子文件夹。一句话总结它是把本地 LLM 环境地狱压缩成一条脚本的方案。建议先装好跑通对话再去docs/里按 Chat、Model、Training 的顺序把标签页挨个过一遍。【免费下载链接】textgenOpen-source desktop app for local LLMs. Text, vision, tool-calling, OpenAI/Anthropic-compatible API. 100% private.项目地址: https://gitcode.com/GitHub_Trending/te/textgen创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

最新新闻

C语言数组名与指针的区别:从sizeof到函数传参的完整解析

C语言数组名与指针的区别:从sizeof到函数传参的完整解析

之前在项目里排查一个内存越界问题,最后定位到某位同学把数组名当指针用,还总觉得两者是一回事。这种误区在 C 语言初学者中实在太常见了,甚至不少工作几年的开发者在笔试里遇到 sizeof(arr) 和 sizeof(ptr) 的对比题,依然会犹…

2026/8/31 8:24:49
轴承动力学建模与故障诊断:基于MATLAB ODE45的完整实战

轴承动力学建模与故障诊断:基于MATLAB ODE45的完整实战

简介:本资源是一套面向机械工程与故障诊断方向的MATLAB实践代码包,适用于高校研究生、设备运维工程师及振动分析初学者,聚焦轴承动力学建模与早期故障识别两大核心问题。资源共6个.m文件,总大小仅3KB,全部为可直接运行…

2026/8/31 8:24:49
花授粉算法详解:MATLAB实现与参数整定实战(含代码)

花授粉算法详解:MATLAB实现与参数整定实战(含代码)

简介:本资源是一套完整的花授粉算法(FPA)及其改进版本(LFPA、IMFPA)的MATLAB实现代码包,面向优化算法初学者、智能计算方向研究生及工程实践者,用于理解与复现基于生物启发的全局优化方法&#…

2026/8/31 8:24:49
IntelligenR分支分析:打造高效可复用的生存分析工作流

IntelligenR分支分析:打造高效可复用的生存分析工作流

生存分析跑过的人应该都有体会:数据清洗和变量编码刚折腾完,模型又要来回换方向。先跑了一版 Cox,统计师说要看 KM 曲线和生存率;老板问能不能用 RMST 做敏感性分析;隔壁组还想试一把贝叶斯生存模型做不确定性量化。每…

2026/8/31 8:24:49
Python综合测验全攻略:环境配置、核心语法与实战避坑

Python综合测验全攻略:环境配置、核心语法与实战避坑

1. 环境准备:把Python跑起来,是测试的第一道关卡 1.1 解释器安装的细节,决定后面少踩多少坑 很多人拿到“python测验综合”这套题,第一反应是直接做题。但真到了自己动手,往往卡在第一步:Python环境根本没…

2026/8/31 8:24:49
DeepSeek V4 Flash 接入 Codex:配置部署与 skill 插件实践

DeepSeek V4 Flash 接入 Codex:配置部署与 skill 插件实践

这次我们来看一个最近讨论度非常高的话题:DeepSeek V4 Flash 和 Codex 的组合玩法。标题里的“DeepSeek Codex 王炸”,并不是把两个产品简单装在一起,而是把 DeepSeek 的模型能力接入 Codex 客户端,再通过 skill 和插件扩展它的…

2026/8/31 8:19:49