koboldcpp

KoboldCpp是一款易于使用的AI文本生成软件，适用于GGML和GGUF模型，灵感来自原版KoboldAI。它是Concedo开发的单一自包含可分发程序，基于llama.cpp构建，并添加了多功能的KoboldAI API端点、额外格式支持、Stable Diffusion图像生成、语音转文本、向后兼容性，以及一个精美的用户界面，包含持久化故事、编辑工具、保存格式、记忆、世界信息、作者注释、角色、场景等KoboldAI和KoboldAI Lite提供的所有功能。

Windows使用方法（预编译二进制文件，推荐）

Windows二进制文件以koboldcpp.exe的形式提供，这是一个包含所有必要文件的pyinstaller包装器。在此下载最新的koboldcpp.exe版本
运行时，只需执行koboldcpp.exe。
不带命令行参数启动时会显示一个包含可配置设置子集的GUI。通常您只需更改预设和GPU层数即可。阅读--help以获取有关每个设置的更多信息。
默认情况下，您可以连接到http://localhost:5001
您也可以使用命令行运行它。有关信息，请查看koboldcpp.exe --help

Linux使用方法（预编译二进制文件，推荐）

在现代Linux系统上，您应该在**发布页面**下载koboldcpp-linux-x64-cuda1150预构建的PyInstaller二进制文件。只需下载并运行该二进制文件即可。

或者，您也可以通过在终端中运行以下命令将koboldcpp安装到当前目录：

curl -fLo koboldcpp https://github.com/LostRuins/koboldcpp/releases/latest/download/koboldcpp-linux-x64-cuda1150 && chmod +x koboldcpp

运行此命令后，您可以使用终端中的./koboldcpp从当前目录启动Koboldcpp（对于CLI用法，请使用--help运行）。

在Colab上运行

KoboldCpp现在有一个官方Colab GPU笔记本！这是一个无需安装任何东西就能在一两分钟内轻松入门的方法。在此尝试！
请注意，KoboldCpp不对您使用此Colab笔记本负责，您应确保自己的使用符合Google Colab的使用条款。

在RunPod上运行

KoboldCpp现在可以在RunPod云GPU上使用！这是一个无需安装任何东西就能在一两分钟内轻松入门的方法，并且非常可扩展，能够以合理的成本运行70B+模型。在此尝试我们的RunPod镜像！

Docker

官方docker可在https://hub.docker.com/r/koboldai/koboldcpp找到
如果您正在构建自己的docker，请记得设置CUDA_DOCKER_ARCH或启用LLAMA_PORTABLE

MacOS

您需要克隆仓库并从源代码编译，请参阅下面的MacOS编译说明。

获取GGUF模型

KoboldCpp使用GGUF模型。这里不包含模型，但您可以从其他地方下载GGUF文件，例如TheBloke的Huggingface。在huggingface.co上搜索"GGUF"可以找到大量兼容的.gguf格式模型。
对于初学者，我们推荐Airoboros Mistral或Tiefighter 13B（更大的模型）。
或者，您可以在此下载工具自行将模型转换为GGUF格式。运行convert-hf-to-gguf.py进行转换，然后运行quantize_gguf.exe对结果进行量化。

提高性能

GPU加速：如果您使用带有Nvidia GPU的Windows，可以使用--usecublas标志（仅限Nvidia）或--usevulkan（任何GPU）获得开箱即用的CUDA支持，请确保选择正确的带有CUDA支持的.exe。
GPU层卸载：添加--gpulayers将模型层卸载到GPU。卸载到VRAM的层数越多，生成速度就越快。实验以确定要卸载的层数，如果内存不足，请减少几层。
增加上下文大小：使用--contextsize（数字）增加上下文大小，允许模型读取更多文本。请注意，您可能还需要在KoboldAI Lite UI中增加最大上下文（单击并编辑数字文本字段）。
旧CPU兼容性：如果遇到崩溃或问题，可以尝试使用--noblas标志关闭BLAS。您还可以尝试使用--noavx2在非avx2兼容模式下运行。最后，您可以尝试使用--nommap关闭mmap。

欲了解更多信息，请务必使用--help标志运行程序，或**查看wiki**。

从源代码编译KoboldCpp

在 Linux 上编译（使用 koboldcpp.sh 自动编译脚本）

当无法直接使用预编译二进制文件时，我们提供了一个自动构建脚本，该脚本使用 conda 获取所有依赖项，并从源代码生成一个可直接使用的 pyinstaller 二进制文件供 Linux 用户使用。

使用 git clone https://github.com/LostRuins/koboldcpp.git 克隆仓库
只需执行构建脚本 ./koboldcpp.sh dist 并运行生成的二进制文件。（不推荐已有 conda 安装的系统使用。依赖项：curl, bzip2）

./koboldcpp.sh # 启动 GUI 进行简单配置和启动（需要 X11）。
./koboldcpp.sh --help # 列出所有可用的终端命令，您可以像使用 Python 脚本和二进制文件一样使用 koboldcpp.sh。
./koboldcpp.sh rebuild # 自动生成新的 conda 运行时并编译库的新副本。在更新 Koboldcpp 后执行此操作以保持功能正常。
./koboldcpp.sh dist # 生成您自己的预编译二进制文件（由于 Linux 编译的特性，这些只能在等于或新于您自己的发行版上工作。）

在 Linux 上编译（手动方法）

要从源代码编译二进制文件，使用 git clone https://github.com/LostRuins/koboldcpp.git 克隆仓库
提供了 makefile，只需运行 make。
可选 OpenBLAS：使用 make LLAMA_OPENBLAS=1 手动链接您自己安装的 OpenBLAS
可选 CLBlast：使用 make LLAMA_CLBLAST=1 手动链接您自己安装的 CLBlast
注意：对于这些，您需要获取并链接 OpenCL 和 CLBlast 库。
- 对于 Arch Linux：安装 cblas openblas 和 clblast。
- 对于 Debian：安装 libclblast-dev 和 libopenblas-dev。
您可以尝试使用 LLAMA_CUBLAS=1（或 AMD 的 LLAMA_HIPBLAS=1）进行 CuBLAS 构建。您需要安装 CUDA Toolkit。有些人也报告使用 CMake 文件成功，不过那主要是针对 Windows。
要进行全功能构建（所有后端），执行 make LLAMA_OPENBLAS=1 LLAMA_CLBLAST=1 LLAMA_CUBLAS=1 LLAMA_VULKAN=1。（注意，LLAMA_CUBLAS=1 在 Windows 上不起作用，您需要 Visual Studio）
构建完所有二进制文件后，您可以使用命令 koboldcpp.py [ggml_model.gguf] [port] 运行 Python 脚本

在 Windows 上编译

我们鼓励您使用发布的 .exe 文件，但如果您想在 Windows 上从源代码编译二进制文件，最简单的方法是：
- 获取最新版本的 w64devkit（https://github.com/skeeto/w64devkit）。确保使用"vanilla"版本，而不是 i686 或其他不同的版本。如果尝试其他版本，它们会与预编译库冲突！
- 使用 git clone https://github.com/LostRuins/koboldcpp.git 克隆仓库
- 确保您使用的是 w64devkit 集成终端，然后在 KoboldCpp 源文件夹中运行 make。这将创建 .dll 文件。
- 如果您想生成 .exe 文件，确保已通过 pip 安装 PyInstaller Python 模块（pip install PyInstaller）。然后运行脚本 make_pyinstaller.bat
- koboldcpp.exe 文件将位于 dist 文件夹中。
使用 CUDA 构建：需要 Visual Studio、CMake 和 CUDA Toolkit。克隆仓库，然后在 Visual Studio 中打开 CMake 文件并编译。将生成的 koboldcpp_cublas.dll 复制到与 koboldcpp.py 文件相同的目录中。如果您正在打包可执行文件，可能需要包含 CUDA 动态库（如 cublasLt64_11.dll 和 cublas64_11.dll），以确保可执行文件在不同的 PC 上正常工作。
替换库（不推荐）：如果您希望使用自己版本的其他 Windows 库（OpenCL、CLBlast 和 OpenBLAS），可以这样做：
- OpenCL - 测试用 https://github.com/KhronosGroup/OpenCL-SDK 。如果您希望编译它，请按照仓库说明进行操作。您需要 vcpkg。
- CLBlast - 测试用 https://github.com/CNugteren/CLBlast 。如果您希望编译它，需要引用 OpenCL 文件。只有使用 MSVC 编译才会生成 ".lib" 文件。
- OpenBLAS - 测试用 https://github.com/xianyi/OpenBLAS 。
- 将相应的 .lib 文件移动到项目的 /lib 文件夹，覆盖旧文件。
- 同时，替换项目目录根目录中现有版本的相应 .dll 文件（如 libopenblas.dll）。
- 按照上述说明构建 KoboldCpp 项目。

在 MacOS 上编译

您可以从源代码编译二进制文件。您可以使用 git clone https://github.com/LostRuins/koboldcpp.git 克隆仓库
提供了 makefile，只需运行 make。
如果您想要 Metal GPU 支持，请运行 make LLAMA_METAL=1，注意需要安装 MacOS metal 库。
构建完所有二进制文件后，您可以使用命令 koboldcpp.py --model [ggml_model.gguf] 运行 Python 脚本（如果希望将层卸载到 GPU，请添加 --gpulayers (层数)）。

在 Android 上编译（Termux 安装）

从 F-Droid 安装并运行 Termux
输入命令 termux-change-repo 并选择 Mirror by BFSU
使用 pkg install wget git python 安装依赖项（以及任何其他缺失的包）
安装依赖项 apt install openssl（如果需要）
克隆仓库 git clone https://github.com/LostRuins/koboldcpp.git
导航到 koboldcpp 文件夹 cd koboldcpp
构建项目 make
获取一个小型 GGUF 模型，例如 wget https://huggingface.co/concedo/KobbleTinyV2-1.1B-GGUF/resolve/main/KobbleTiny-Q4_K.gguf
启动 Python 服务器 python koboldcpp.py --model KobbleTiny-Q4_K.gguf
在移动浏览器中连接到 http://localhost:5001
如果遇到任何错误，请确保使用 pkg up 更新您的包
Termux 的 GPU 加速可能是可行的，但我尚未探索。如果您找到一个适用于多设备的好解决方案，请分享或提交 PR。

AMD 用户

请查看 https://github.com/YellowRoseCx/koboldcpp-rocm

第三方资源

这些非官方资源由社区贡献，可能已过时或未维护。不会提供官方支持！
- Arch Linux 软件包：CUBLAS 和 HIPBLAS。
- 非官方 Docker：korewaChino 和 noneabove1182
- Nix & NixOS：KoboldCpp 已在 Nixpkgs 上提供，只需将 koboldcpp 添加到您的 environment.systemPackages 中即可安装。
  - 请确保将 nixpkgs.config.allowUnfree、hardware.opengl.enable（如果使用不稳定版本则为 hardware.graphics.enable）和 nixpkgs.config.cudaSupport 设置为 true 以启用 CUDA。
  - macOS 默认启用 Metal，Linux 和 macOS 默认启用 Vulkan 支持，ROCm 支持尚未提供。
  - 您还可以使用 nix3-run 运行 KoboldCpp：nix run --expr ``with import <nixpkgs> { config = { allowUnfree = true; cudaSupport = true; }; }; koboldcpp`` --impure
  - 或使用 nix-shell：nix-shell --expr 'with import <nixpkgs> { config = { allowUnfree = true; cudaSupport = true; }; }; koboldcpp' --run "koboldcpp" --impure
  - 可以覆盖软件包（如 OpenBlast、CLBLast、Vulkan 等），请参阅 Nix Pills 第 17 章 - Nixpkgs 覆盖软件包

问题和帮助维基

首先，请查看 KoboldCpp 常见问题解答和知识库，可能已经有您问题的答案！另外请搜索以往的问题和讨论。
如果找不到答案，请在此 GitHub 上提出问题，或在 KoboldAI Discord 上与我们联系。

KoboldCpp 和 KoboldAI API 文档

KoboldAI 和 KoboldCpp 端点的文档可在此处找到

KoboldCpp 公开演示

KoboldCpp 公开演示可在我们的 Huggingface Space 上找到。请勿滥用。

注意事项

Windows：无需安装，单文件可执行程序（开箱即用）
自 v1.0.6 起，需要 libopenblas，本仓库中包含预编译的 Windows 二进制文件。如果找不到，将回退到不使用 BLAS 的模式。
自 v1.15 起，如果启用则需要 CLBlast，本仓库中包含预编译的 Windows 二进制文件。如果找不到，将回退到不使用 CLBlast 的模式。
自 v1.33 起，您可以将上下文大小设置为超过模型官方支持的大小。这会增加困惑度，但在 4096 以下应该仍能在未调优的模型上良好工作。（适用于 GPT-NeoX、GPT-J 和 Llama 模型）使用 --ropeconfig 自定义。
自 v1.42 起，支持 LLAMA 和 Falcon 的 GGUF 模型
自 v1.55 起，Linux 上的 lcuda 路径是硬编码的，如果不使用 koboldcpp.sh 进行编译，可能需要手动更改 makefile。
自 v1.60 起，提供使用 StableDiffusion.cpp 的原生图像生成功能，您可以加载任何 SD1.5 或 SDXL .safetensors 模型，它将提供兼容 A1111 的 API 供使用。
我尽量保持与所有过去的 llama.cpp 模型的向后兼容性。但为获得最佳结果，也鼓励您尽可能重新转换/更新您的模型。

许可证

原始 GGML 库和 ggerganov 的 llama.cpp 采用 MIT 许可证
然而，KoboldAI Lite 采用 AGPL v3.0 许可证
KoboldCpp 代码和其他文件也采用 AGPL v3.0 许可证，除非另有说明

注释

如果您愿意，在使用 make 构建 koboldcpp 库后，可以使用 make_pyinstaller.bat 通过 pyinstaller 自行重新构建可执行文件
API 文档可在 /api（例如 http://localhost:5001/api）和 https://lite.koboldai.net/koboldcpp_api 获取。在 /v1 路由（例如 http://localhost:5001/v1）也提供了兼容 OpenAI 的 API。
支持所有最新的 GGUF 模型，KoboldCpp 还包括对旧版本/传统 GGML .bin 模型的向后兼容性，但某些较新的功能可能不可用。
列出了不完整的模型和架构列表，但还有数百个其他 GGUF 模型。通常，如果是 GGUF 格式，就应该能正常工作。
- Llama / Llama2 / Llama3 / Alpaca / GPT4All / Vicuna / Koala / Pygmalion / Metharme / WizardLM
- Mistral / Mixtral / Miqu
- Qwen / Qwen2 / Yi
- Gemma / Gemma2
- GPT-2 / Cerebras
- Phi-2 / Phi-3
- GPT-NeoX / Pythia / StableLM / Dolly / RedPajama
- GPT-J / RWKV4 / MPT / Falcon / Starcoder / Deepseek 等等
- Stable Diffusion 1.5 和 SDXL safetensor 模型
- 基于 LLaVA 的视觉模型和多模态投影器（mmproj）
- 用于语音转文本的 Whisper 模型