我对闭源软件没有好感，尤其是在大语言模型应用开发方面 👎 但值得庆幸的是，对于领域中的每一个闭源框架或工具，都应有一个开源的对应（毕竟，这不就是某个著名科学家所说的第三定律吗🤔）？
所以在这篇文章中，作为一名在大型语言模型开发这个兔子洞 🐇 中泡了两年多的人，我要告诉你五个最重要的开源替代方案，用于封闭源的大型语言模型开发。
来了！🙌
(PS. 请给开源仓库星标，帮助它们获得和闭源仓库一样的关注！)
1. DeepEval 对比 HumanloopDeepEval 是一个开源的 LLM 评估框架 👍，而 Humanloop 则是一个闭源的 LLM 评估工具 👎，它有隐藏的 API，而是隐藏了评估过程，不像开放算法那样透明。
这是最重要的一个，因为在我的看法中，没有什么比公开的LLM评估更重要了 💯。公开性不仅带来了透明度，而尤其是在LLM的开发过程中，这能让每个人都能清楚看到评估的标准。你肯定不希望某些LLM的安全评估是在暗箱操作中进行的，而你只能被动地接受结果吧？
开源代码常常被仔细审查，这让DeepEval比Humanloop更易上手。这里是如何在DeepEval中评估您的LLM应用程序的方法：
from deepeval import evaluate
from deepeval.metrics import AnswerRelevancyMetric
from deepeval.test_case import LLMTestCase
test_case = LLMTestCase(
input="How many evaluation metrics does DeepEval offers?",
actual_output="14+ evaluation metrics"
)
metric = AnswerRelevancyMetric()
evaluate(test_cases=[test_case], metrics=[metric])全屏/退出全屏
……
2. Llama3.1 相比 Open AI 的 GPT-4我敢说你早就猜到了，但接下来要介绍的是Meta的Llama3.1和OpenAI的GPT-4。Llama3.1可以自托管，推理速度更快，成本更低，最棒的是它是开源的，连权重也是公开的。这又代表什么呢？
这意味着如果你想自定义Llama3.1，值得一提的是，它在多个基准测试中表现得和GPT-4一样好，你可以自己动手来定制。Meta投入了数百万（或数十亿？）美元来训练Llama3.1，现在任何人都可以利用这些资源进行微调，享受Meta的投入成果。
今天试试Llama3.1吧
导入 transformers
导入 torch
# 这里我们导入必要的库
model_id = "meta-llama/Llama-3.1-8B"
# pipeline = "文本生成流水线"
pipeline = transformers.pipeline(
"text-generation", model=model_id, model_kwargs={"torch_dtype": torch.bfloat16}, device_map="auto"
)
response = pipeline("你好，今天怎么样？")切换到全屏 退出全屏
……
3. LangChain —— OpenAI 小助手抱歉，OpenAI，又是你。LangChain 是一个 LLM 应用程序编排框架，而 OpenAI 助手则像是一个 RAG API 的形式，内部编排逻辑则隐藏在密闭的门后。
我知道，我在用一些大词，听起来可能有点高大上，但让我解释一下这些术语的意思。LLM编排简单来说就是把外部数据跟你的LLM连接起来，并通过让LLM访问你的API，让它在需要时获取数据。比如，一个基于LangChain的聊天机器人向你报告每日天气，可以让LLM获取今天最新的天气信息。而在OpenAI的工具中，他们把这些功能都隐藏在API后面了。
这意味着它并不那么灵活，说实话，我甚至连一个用这个助手功能的人都没见过，尽管它被炒作得沸沸扬扬成了下一个大事件。
4. Flowise >> 相关的人工智能
所以 LangChain 允许你通过代码来构建你的 LLM 应用程序。而 Flowise 允许你通过一个开源的 UI 来构建你的 LLM 应用程序。只需点击和拖拽，即可自定义你的 LLM 可访问的数据，基本上就可以用了。
另一种选择是稍微差一点的付费版本。
来看看Flowise：
🌟 GitHub 上给 FlowiseAI/Flowise 点个 Star
5. 轻量级 LLM -> 火星AI
Lite LLM 是一个开源库，它允许你通过一行代码来替换大型语言模型，相比之下，Martian 是它的闭源版本。
其实不是这样，火星AI实际上是个LLM路由器，它能为你的每个输入挑选最适合的LLM，从而优化准确度、速度和成本。
这次真是少见，这两款产品都还不错。
\🌟 在 GitHub 上给 BerriAI/litellm 点个星
火星AI来了https://withmartian.com/
这就给你了，你应该知道的一些开源和闭源LLM开发工具。觉得我漏了什么吗？在下面留言告诉我吧！
感谢大家的阅读，下期见 😊