在科技日新月异的时代，语言模型的发展为我们的生活和工作带来了极大的便利。而 Jan 作为一款开源的 ChatGPT 替代品，正以其独特的优势崭露头角。

Jan 最为突出的特点之一，便是能够在您的计算机上实现100%离线运行。这一特性为用户带来了极大的自主性和隐私保护，让您无需依赖网络，随时随地都能享受其服务。

值得一提的是，Jan 具有极强的硬件兼容性。无论您使用的是何种硬件设备，从常见的 PC 到强大的多 GPU 集群，Jan 都能完美适配。

对于 NVIDIA GPU 而言，它能展现出快速的运行速度；在 Apple M 系列芯片上，同样表现出色；苹果英特尔设备也不在话下。不仅如此，Jan 还支持 Linux 的 Debian 系统和 Windows x64 系统，为广大用户提供了更多选择。

这种广泛的硬件和系统支持，使得 Jan 能够满足不同用户的需求，无论是个人用户在普通 PC 上的日常使用，还是企业在专业集群上的大规模应用，Jan 都能游刃有余。

Jan 凭借其开源、离线运行以及广泛的硬件支持等特性，成为了语言模型领域中一颗璀璨的新星。相信在未来，它将不断发展完善，为更多用户带来更优质的服务和体验。

Jan

下载

提取码

g6x7

Jan 作为一款开源的 ChatGPT 替代品，为用户提供了多样的选择和强大的功能。以下是其详细的运行要求和步骤。

运行要求：

操作系统：
- MacOS：13或更高版本。
- Windows：Windows 10或更高版本。
软件先决条件：
- 节点>= 20.0.0
- 纱线>= 1.22.0
- 制作>= 3.81

操作步骤：

克隆存储库并准备：

git clone https://github.com/janhq/jan
cd jan
git checkout -b DESIRED_BRANCH

运行开发并使用 Jan Desktop：

make dev

这将启动开发服务器并打开桌面应用程序。

（可选）运行不带前端的 API 服务器：

yarn dev:server

生产构建：

先执行上述克隆和准备步骤

然后构建应用程序

make build

这将为生产构建应用程序 MacOS m1/m2（已完成代码签名）并将结果放入 dist 文件夹中。

Docker 模式：

支持的操作系统：Linux、WSL2 Docker

先决条件：

需要 Docker Engine 和 Docker Compose 才能在 Docker 模式下运行 Jan。按照以下说明在 Ubuntu 上开始使用 Docker Engine：

curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh./get-docker.sh --dry-run

如果您打算以 GPU 模式运行 Jan，则需要安装 nvidia-driver 和 nvidia-docker2。按照此处的说明进行安装。

以 Docker 模式运行 Jan

用户可以选择 docker-compose.yml 最新的预构建 docker 镜像或 docker-compose-dev.yml 本地 docker 构建。

Docker compose 配置文件及描述：

cpu-fs：使用默认文件系统在 CPU 模式下运行 Jan
cpu-s3fs：使用 S3 文件系统在 CPU 模式下运行 Jan
gpu-fs：使用默认文件系统以 GPU 模式运行 Jan
gpu-s3fs：使用 S3 文件系统以 GPU 模式运行 Jan

环境变量及描述：

S3_BUCKET_NAME：S3 存储桶名称 - 对于默认文件系统留空
AWS_ACCESS_KEY_ID：AWS 访问密钥 ID - 对于默认文件系统留空
AWS_SECRET_ACCESS_KEY：AWS 秘密访问密钥 - 对于默认文件系统留空
AWS_ENDPOINT：AWS 端点 URL - 对于默认文件系统留空
AWS_REGION：AWS 区域 - 默认文件系统留空
API_BASE_URL：Jan Server URL，请修改为您的公网 IP 地址或者域名，默认 http://localhost:1377

选项 1：在 CPU 模式下运行 Jan

cpu 模式，默认文件系统

docker compose --profile cpu-fs up -d

cpu 模式，S3 文件系统

docker compose --profile cpu-s3fs up -d

选项 2：以 GPU 模式运行 Jan

步骤 1：通过运行 nvidia-smi 并检查输出中的 CUDA 版本来检查 CUDA 与 NVIDIA 驱动程序的兼容性

nvidia-smi

示例输出：

+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 531.18                 Driver Version: 531.18       CUDA Version: 12.1     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                      TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf            Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 4070 Ti    WDDM | 00000000:01:00.0  On |                  N/A |
|  0%   44C    P8               16W / 285W|   1481MiB / 12282MiB |      2%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+
|   1  NVIDIA GeForce GTX 1660 Ti    WDDM | 00000000:02:00.0 Off |                  N/A |
|  0%   49C    P8               14W / 120W|      0MiB /  6144MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+
|   2  NVIDIA GeForce GTX 1660 Ti    WDDM | 00000000:05:00.0 Off |                  N/A |
| 29%   38C    P8               11W / 120W|      0MiB /  6144MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+

+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|

第 2 步：访问 NVIDIA NGC 目录并找到与您的 CUDA 版本匹配的图像标签的最小次要版本（例如，12.1 -> 12.1.0）

步骤 3：更新 Dockerfile.gpu 中行号 5 的镜像标签的最新次要版本（例如，更改 FROM nvidia/cuda:12.2.0-runtime-ubuntu22.04 AS base 为 FROM nvidia/cuda:12.1.0-runtime-ubuntu22.04 AS base ）

步骤 4：运行命令以 GPU 模式启动 Jan

GPU 模式，默认文件系统

docker compose --profile gpu-fs up -d

这将启动网络服务器，然后您就可以通过 http://localhost:3000 访问 Jan 了。

文章版权声明 1、本网站名称：开心宝
2、本站永久网址：https://joyb.cc
3、本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长进行删除处理。
4、本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5、本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6、本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。

THE END

开源工具
# Jan # 人工智能计算机 # ChatGPT 替代品