部署 4.8k star 的 Xinference 给知识库接入本地 Rerank 模型

首先说说为什么会想要部署 Xinference？

起因是因为前几天白嫖的 Jina API token 用完了，而付费的话又感觉自己的那些知识库没有必要使用商用的（好吧好吧，其实还是舍不得花钱?），开源免费的对我来说也足够了，所以想要找找可以本地部署的。

刚开始想使用 Ollama 的，不过查了下它好像不支持 Rerank 模型，因此又找上了 Xinference 这款产品。

简介

Xorbits Inference (Xinference) 是一个开源平台，用于简化各种 AI 模型的运行和集成。借助 Xinference，我们可以使用任何开源 LLM、嵌入模型和多模态模型在云端或本地环境中运行推理，并创建强大的 AI 应用。

它支持的模型种类有：

• 语言模型：比如 qwen2、baichuan、deepseek、gemma 等场景的语言模型

• Embedding 模型：有 Jina 的 Embedding 模型（结合 Rerank，知识库检索不就起来了嘛?）；

• Rerank 模型：有 Jina 的 Rerank 模型；

• 图像模型：除了 Stable Diffusion 之外，还有 Flux 模型；

• 语音模型：有 ChatTTS 以及 whisper 等等；

• 视频模型：这类模型还没了解过，Xinference 里是 CogVideoX 模型；

• 自定义模型：需要先注册，然后才可以在这里看到；

相较于 Ollama 来说，Xinference 在部署之后会为我们提供一个可视化界面，我们可以通过图形化界面安装部署大模型，这个下来会详细进行讲解。

部署

官方介绍了三种部署方式，分别是：

• 本地运行：也就是使用终端命令行的方式进行部署，需要 Python 环境；

• 在集群中部署：对于个人用户来说用不上，虽然现在都在上云，但是 Kubernetes 的使用还是多存在于企业中；

• 使用 Docker 部署：废话不多说，Run 起来！

在使用 Docker 部署 Xinference 时，如果你的机器有 GPU，可以执行（把 your_version 改为你想运行的镜像版本，比如 latest）：

docker run -e XINFERENCE_MODEL_SRC=modelscope -p 9998:9997 --gpus all xprobe/xinference:<your_version> xinference-local -H 0.0.0.0 --log-level debug

如果是只有 CPU 的机器，则执行：

docker run -e XINFERENCE_MODEL_SRC=modelscope -p 9998:9997 xprobe/xinference:<your_version>-cpu xinference-local -H 0.0.0.0 --log-level debug

在启动容器之后，我们访问 localhost:9998 就可以看到这样一个页面：

大概介绍一下界面构成：

• Launch Model：其实就是目前 Xinference 里内置支持的模型，种类繁多，大家自行选择；

• Running Models：在 Xinference 中已经下载和运行起来的模型

• Register Model：对于 Custom Models 来说，需要先注册，才能运行；

• Cluster Information：在这个页面里可以看到项目运行时的资源消耗情况

实战：安装 Rerank 模型并集成到 Dify 中

在 RERANK MODELS 中选择一个模型进行部署启动，以 bce-reranker-base_v1 为例：

点击左下角的那个小火箭开启下载～

下载好之后，可以到 Running Models 中的 RERANK MODELS 里看到对应的模型：

我们到 Dify 中集成一下 Xinference（在模型供应商的地方）：

因为我们下载的是 Rerank 模型，所以这里「模型类型」为 Rerank 模型；

模型名称和模型 UID 分别填入下图中红框框住的部分（ID 对应 UID，名称对应 Name）：

服务器 URL 这里填 http://host.docker.internal:9998，这样写的原因在之前的文章中《Dify 教程二：使用本地大模型 Ollama》也说过。如果不是 Docker 部署而是本地运行或者集群部署则可以直接写「 服务器 IP：端口号 」。

保存！开测～

在 Dify 中新建一个知识库，并上传数据集（本次上传了《断舍离》这本书进行测试），知识库的检索设置如下：

最终得到 261 个分段，召回测试如下：

我们将这个知识库加到应用中试试看：

效果还不错，感兴趣的小伙伴可以试试看。