前面两篇博文，我们分别在个人笔记本电脑部署了Llama 3 8B参数大模型，并使用Ollama搭建了基于 Web 可视化对话聊天机器人，可以在自己电脑上愉快的与Llama大模型 Web 机器人对话聊天了。但在使用过程中，笔者发现Llama大模型经常出现中文问题英文回答的问题，需要使用中文回答等提示词告诉大模型用中文回答，体验还不是最好的。今天，本博文就来解决这个问题，让我们有个中文版的Llama 3Web 对话机器人（Llama3-Chinese-Chat）……
第一篇Llama 3 8B大模型部署和 Python 版对话机器人博文：玩转 AI，笔记本电脑安装属于自己的 Llama 3 8B 大模型和对话客户端
第二篇基于Ollama部署Llama 3 8B大模型 Web 版本对话机器人博文：一文彻底整明白，基于 Ollama 工具的 LLM 大语言模型 Web 可视化对话机器人部署指南
注意： 因为本博文介绍的是Llama 3 中文版（Llama3-Chinese-Chat）对话机器人，涉及到前面两篇博文内容，特别是第二篇 Web 版本对话机器人部署，因此建议按照前文博文部署好Llama 3 8B大语言模型。
HF 上选择排名最高的模型
模型列表官网地址：https://huggingface.co/models
模型列表国内镜像（推荐）：https://hf-mirror.com/models
在模型列表页面按照关键字llama chinese搜索，并按照趋势排序，可以看到中文版模型：
可以看出，第一名模型的下载数量和点赞数量，比第二名要多好多，我们就选择shenzhi-wang这位作者发布的模型。
方式一：通过 GGUF 量化模型安装（推荐）
GGUF 安装比较简单，下载单个文件即可：
下载到本地之后，按照我的第一篇博文，即可进行控制台聊天了：
启动大模型Shell 脚本：
source ./venv/bin/activate
python -m llama_cpp.server --host 0.0.0.0 --model
./Llama3-8B-Chinese-Chat-q4_0-v2_1.gguf
--n_ctx 20480
Python 对话客户端代码：
from openai import OpenAI
# 注意服务端端口，因为是本地，所以不需要api_key
ip = '127.0.0.1'
#ip = '192.168.1.37'
client = OpenAI(base_url="http://{}:8000/v1".format(ip),
api_key="not-needed")
# 对话历史：设定系统角色是一个只能助理，同时提交“自我介绍”问题
history = [
{"role": "system", "content": "你是一个智能助理，你的回答总是容易理解的、正确的、有用的和内容非常精简."},
]
# 首次自我介绍完毕，接下来是等代码我们的提示
while True:
completion = client.chat.completions.create(
model="local-model",
messages=history,
temperature=0.7,
stream=True,
)
new_message = {"role": "assistant", "content": ""}
for chunk in completion:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
new_message["content"] += chunk.choices[0].delta.content
history.append(new_message)
print("