最近我一直在致力于Ollama的工作，因此我花了很多时间思考如何在本地系统上运行大型语言模型（LLMs）以及如何将它们打包成应用程序。对于使用LLMs的大多数桌面应用程序而言，通常的体验要么是插入OpenAI API密钥，要么是从源代码构建一个Python项目。这些方法可以作为概念验证，但它们需要一些基础知识，而许多用户可能不具备。我追求的体验是一个只需单击即可下载并直接运行的应用程序。计划

• 一键下载并运行。
• 无外部依赖。
• 应用程序文件尺寸最小化。
• 简单的LLM版本控制和分发系统。
• 为所有主要操作系统构建和发布。
• 充分利用本地运行，使本地文件系统可用。
• 用户不暴露任何设置。LLM应该在用户系统上以最佳性能运行，无需干预。
• 内置电池，但可替换。对于高级用户，他们应该能够使用高级配置自定义驱动应用程序的LLM。

考虑到所有这些因素，我决定开发一个名为“chatd”的桌面应用程序，允许用户与其文档进行聊天。这是一个常见的LLM应用场景，但我认为目前对于非技术终端用户而言，尚未有一个简单而出色的选择。它还充分利用了应用程序轻松访问文件系统的特点。架构该项目可以分为四个明确定义的部分：渲染、进程间通信、主进程和LLM运行器。

渲染和进程间通信

渲染部分使用典型的HTML、CSS和JavaScript完成。当用户执行需要处理的操作时，通过进程间通信将其发送到主进程。这使得可以执行代码，并访问实际的主机系统。

主进程

包括一些自定义文档处理（附注：请有人为通用文档处理用例创建一个标准的JavaScript库），然后将提取的数据输入到transformers.js中。transformers.js库是由Hugging Face维护的一个项目，允许您在浏览器中使用ONNX运行时运行模型。这可以非常快速。最后，我将向量存储在内存中，因为目前尚无符合我的需求的内存向量数据库。

LLM运行器

在处理了所有这些信息后，我使用Ollama作为打包和分发将驱动交互的LLM的方式。目前，大多数用户将Ollama作为独立的应用程序运行，并向其发送查询，但也可以直接将其打包到桌面应用程序中并进行编排。我为每个操作系统的相应软件包添加了Ollama可执行文件，并编写了一些JavaScript代码来编排可执行文件的使用。

这非常方便，因为我不仅能够利用Ollama作为可靠的系统来运行LLM，还能为在Electron软件包之外分发LLM提供便利的系统。将LLM添加到Electron应用程序包本身意味着需要进行大规模的初始下载（超过4GB），并将用户锁定为仅使用我在chatd中发布的模型。此外，使用Ollama的分发系统，我还可以在不发布新应用程序的情况下更新或修改模型。我可以进行更改，将模型推送到ollama.ai注册表，用户将在下次启动应用程序时获得更新。利用Ollama还使用户体验保持简单，同时仍然允许高级用户根据需要更换驱动应用程序的模型。早期采用本地LLM的用户（以及我与之互动的Ollama用户）对事物的工作方式感兴趣，并希望使用最新的模型保持领先地位。尽管Ollama被打包到chatd中，但它可以检测到Ollama是否已在运行。在这种情况下，它会向用户显示额外的设置，让他们根据需要配置chatd并更换模型。这还意味着用户无需重新下载已经存在的模型。

结果

我向一些不属于典型ChatGPT用户群体的朋友展示了chatd，他们的反响非常积极。在他们的计算机上看到AI简单而本地地运行是让他们惊叹不已的，他们迅速看到了让这个本地聊天机器人访问其文件的潜力。我期待着改进这一体验，希望我们能看到一批新的桌面应用程序使LLMs变得更加易用。Chatd项目地址：https://www.chatd.ai/