作者：子白、冬岛
AI 技术正在引领科技创新浪潮，随着 ChatGPT 和 Midjourney 的走红，AIGC 技术正在世界范围内掀起一股 AI 技术浪潮。开源领域也涌现了许多类似模型，如 FastGPT、Moss、Stable Diffusion 等。这些模型展现出的惊人效果吸引企业和开发者们投身其中，但是复杂繁琐的部署方式成为了拦路虎。阿里云 ASK 提供 Serverless 化的容器服务，用户无需关心资源及环境配置，可以帮助开发者们零门槛快速部署 AI 模型。本文以开源的 FastChat 为例，详细展示如何在 ASK 中快速搭建一个私人代码助理。目前，ASK 已加入阿里云免费试用计划，为开发者、企业提供一定额度的试用资源。如对 ASK 感兴趣，欢迎大家通过点击文末的“此处” 访问并领取。
效果预览
Cursor + GPT-4 的代码生成是不是觉得很智能，我们通过 FastChat + VSCode 插件也能做到一样的效果！
- 快速生成一个 Golang Hello World
- 快速生成一个 Kubernetes Deployment
背景介绍
ASK(Alibaba Serverless Kubernetes)是阿里云容器服务团队提供的一款面向 Serverless 场景的容器产品。用户可以使用 Kubernetes API 直接创建 Workload，免去节点运维烦恼。ASK 作为容器 Serverless 平台，具有免运维、弹性扩容、兼容 K8s 社区、强隔离四大特性。
大规模 AI 应用训练和部署主要面临以下挑战。
- GPU 资源受限且训练成本较高
大规模 AI 应用在训练及推理时都需要使用 GPU，但是很多开发者缺少 GPU 资源。单独购买 GPU 卡，或者购买 ECS 实例都需要较高成本。
- 资源异构
并行训练时需要大量的 GPU 资源，这些 GPU 往往是不同系列的。不同 GPU 支持的 CUDA 版本不同，且跟内核版本、nvidia-container-cli 版本相互绑定，开发者需要关注底层资源，为 AI 应用开发增加了许多难度。
- 镜像加载慢
AI 类应用镜像经常有几十 GB，下载往往需要几十分钟甚至数小时。
针对上述问题，ASK 提供了完美的解决方案。在ASK 中可以通过 Kubernetes Workload 十分方便的使用 GPU 资源，无需其前置准备使用，用完即可立即释放，使用成本低。ASK 屏蔽了底层资源，用户无需关心 GPU、CUDA 版本等等的依赖问题，只需关心 AI 应用的自身逻辑即可。同时，ASK 默认就提供了镜像缓存能力，当 Pod 第 2 次创建时可以秒级启动。
部署流程
1. 前提条件
- 已创建 ASK 集群。具体操作，请参见创建 ASK 集群[1]。
- 下载 llama-7b 模型并上传到 OSS 。具体操作，请参见本文附录部分。
2. 使用 Kubectl 创建
替换 yaml 文件中变量
${your-ak} 您的 AK
${your-sk} 您的 SK
${oss-endpoint-url} OSS 的 enpoint
${llama-oss-path} 替换为存放 llama-7b 模型的地址（路径末尾不需要/），如 oss://xxxx/llama-7b-hf
apiVersion: v1 kind: Secret metadata: name: oss-secret type: Opaque stringData: .ossutilconfig: | [Credentials] language=ch accessKeyID=${your-ak} accessKeySecret=${your-sk} endpoint=${oss-endpoint-url} --- apiVersion: apps/v1 kind: Deployment metadata: labels: app: fastchat name: fastchat namespace: default spec: replicas: 1 selector: matchLabels: app: fastchat strategy: rollingUpdate: maxSurge: 100% maxUnavailable: 100% type: RollingUpdate template: metadata: labels: app: fastchat alibabacloud.com/eci: "true" annotations: k8s.aliyun.com/eci-use-specs: ecs.gn6e-c12g1.3xlarge spec: volumes: - name: data emptyDir: {} - name: oss-volume secret: secretName: oss-secret dnsPolicy: Default initContainers: - name: llama-7b image: yunqi-registry.cn-shanghai.cr.aliyuncs.com/lab/ossutil:v1 volumeMounts: - name: data mountPath: /data - name: oss-volume mountPath: /root/ readOnly: true command: - sh - -c - ossutil cp -r ${llama-oss-path} /data/ resources: limits: ephemeral-storage: 50Gi containers: - command: - sh - -c - "/root/webui.sh" image: yunqi-registry.cn-shanghai.cr.aliyuncs.com/lab/fastchat:v1.0.0 imagePullPolicy: IfNotPresent name: fastchat ports: - containerPort: 7860 protocol: TCP - containerPort: 8000 protocol: TCP readinessProbe: failureThreshold: 3 initialDelaySeconds: 5 periodSeconds: 10 successThreshold: 1 tcpSocket: port: 7860 timeoutSeconds: 1 resources: requests: cpu: "4" memory: 8Gi limits: nvidia.com/gpu: 1 ephemeral-storage: 100Gi volumeMounts: - mountPath: /data name: data --- apiVersion: v1 kind: Service metadata: annotations: service.beta.kubernetes.io/alibaba-cloud-loadbalancer-address-type: internet service.beta.kubernetes.io/alibaba-cloud-loadbalancer-instance-charge-type: PayByCLCU name: fastchat namespace: default spec: externalTrafficPolicy: Local ports: - port: 7860 protocol: TCP targetPort: 7860 name: web - port: 8000 protocol: TCP targetPort: 8000 name: api selector: app: fastchat type: LoadBalancer
3. 等待 FastChat Ready
等待 pod ready 后，在浏览器中访问 http://${externa-ip}:7860
📍启动后需要下载 vicuna-7b 模型，模型大小约 13GB
下载模型时间大概耗时约 20 分钟左右，如果提前做好磁盘快照，通过磁盘快照创建磁盘并挂载到 pod，就是秒级生效
kubectl get po |grep fastchat # NAME READY STATUS RESTARTS AGE # fastchat-69ff78cf46-tpbvp 1/1 Running 0 20m kubectl get svc fastchat # NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE # fastchat LoadBalancer 192.168.230.108 xxx.xx.x.xxx 7860:31444/TCP 22m
效果展示
Case 1：通过控制台使用 FastChat
在浏览器中访问 http://${externa-ip}:7860，可以直接测试聊天功能。比如使用自然语言让 FastChat 写一段代码。
输入：基于 Nginx 镜像编写 Kubernetes Deployment Yaml 文件
FastChat 输出如下图所示。
Case 2：通过 API 使用 FastChat
FastChat API 监听在 8000 端口，如下所示，通过 curl 发起一个 API 调用，然后返回结果。
- curl 命令
curl http://xxx:xxx:xxx:8000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "vicuna-7b-v1.1", "messages": [{"role": "user", "content": "golang 生成一个 hello world"}] }'
- 输出结果
{"id":"3xqtJcXSLnBomSWocuLW2b","object":"chat.completion","created":1682574393,"choices":[{"index":0,"message":{"role":"assistant","content":"下面是使用 Go 语言生成 \"Hello, World!\" 的代码：\n```go\npackage main\n\nimport \"fmt\"\n\nfunc main() {\n fmt.Println(\"Hello, World!\")\n}\n```\n运行该代码后，会输出 \"Hello, World!\"。"},"finish_reason":"stop"}],"usage":null}
Case 3: VSCode 插件
既然有了 API 接口，在 IDE 中怎么快速集成这个能力呢。你是不是想到了 Copilot、Cursor、Tabnine ，那咱们就通过 VSCode 插件集成一下 FastChat 看看吧。VSCode 插件几个核心文件：src/extension.ts、package.json 和 tsconfig.json
这三个文件的内容分别如下：
- src/extension.ts
import * as vscode from 'vscode'; import axios from 'axios'; import { ExtensionContext, commands, window } from "vscode"; const editor = window.activeTextEditor export function activate(context: vscode.ExtensionContext) { let fastchat = async () => { vscode.window.showInputBox({ prompt: '请输入代码提示语' }).then((inputValue) => { if (!inputValue) { return; } vscode.window.withProgress({ location: vscode.ProgressLocation.Notification, title: '正在请求...', cancellable: false }, (progress, token) => { return axios.post('http://example.com:8000/v1/chat/completions', { model: 'vicuna-7b-v1.1', messages: [{ role: 'user', content: inputValue }] }, { headers: { 'Content-Type': 'application/json' } }).then((response) => { // const content = JSON.stringify(response.data); const content = response.data.choices[0].message.content; console.log(response.data) const regex = /```.*\n([\s\S]*?)```/ const matches = content.match(regex) if (matches && matches.length > 1) { editor?.edit(editBuilder => { let position = editor.selection.active; position && editBuilder.insert(position, matches[1].trim()) }) } }).catch((error) => { console.log(error); }); }); }); } let command = commands.registerCommand( "fastchat", fastchat ) context.subscriptions.push(command) }
- package.json
{ "name": "fastchat", "version": "1.0.0", "publisher": "yourname", "engines": { "vscode": "^1.0.0" }, "categories": [ "Other" ], "activationEvents": [ "onCommand:fastchat" ], "main": "./dist/extension.js", "contributes": { "commands": [ { "command": "fastchat", "title": "fastchat code generator" } ] }, "devDependencies": { "@types/node": "^18.16.1", "@types/vscode": "^1.77.0", "axios": "^1.3.6", "typescript": "^5.0.4" } }
- tsconfig.json
{ "compilerOptions": { "target": "ES2018", "module": "commonjs", "outDir": "./dist", "strict": true, "esModuleInterop": true, "resolveJsonModule": true, "declaration": true }, "include": ["src/**/*"], "exclude": ["node_modules", "**/*.test.ts"] }
好，插件开发完咱们就看一下效果。
- 快速生成一个 Golang Hello World
- 快速生成一个 Kubernetes Deployment
总结
ASK 作为容器 Serverless 平台，具有免运维、弹性扩缩容、屏蔽异构资源、镜像加速等能力，非常适合 AI 大模型部署场景，欢迎试用。
附录：
1. 下载 llama-7b 模型
模型地址：
https://huggingface.co/decapoda-research/llama-7b-hf/tree/main
# 如果使用的是阿里云 ECS，需要运行如下命令安装 git-lfs # yum install git-lfs git clone https://huggingface.co/decapoda-research/llama-7b-hf git lfs install git lfs pull
2. 上传到 OSS
可参考文档：
https://help.aliyun.com/document_detail/195960.html
参考文档：
[1] 创建 ASK 集群
[2] ASK 概述
https://help.aliyun.com/document_detail/86366.html?spm=a2c4g.750001.0.i1
点击此处，领取 ASK 免费试用限额资源
