在当今数字化时代，人工智能（AI）技术正以前所未有的速度改变着我们的生活方式和工作模式。其中，开源大模型作为AI领域的重要成果，为各行各业提供了强大的技术支持。魔搭社区（ModelScope）作为开源大模型的聚集地，为广大开发者提供了一个便捷的平台。通过结合函数计算，我们不仅能够快速部署这些大模型，还能利用函数计算的诸多优势，如按使量付费和弹性伸缩，高效地为用户提供文本生成服务。以下是我对魔搭社区与函数计算结合使用的测评体验。
一、初识魔搭社区与函数计算
魔搭社区（ModelScope）是一个开放的AI模型共享平台，汇聚了众多优质的开源大模型。这些模型涵盖了自然语言处理、计算机视觉、语音识别等多个领域，为开发者提供了丰富的选择。无论是想要进行文本生成、图像识别还是语音识别，都能在这里找到合适的模型。
函数计算则是一种无服务器计算服务，它允许开发者在不管理服务器的情况下运行代码。函数计算会根据实际请求量自动伸缩计算资源，并按实际使用量收费，极大地降低了运维成本和时间成本。可以将更多的精力投入到算法优化和业务逻辑上，而无需担心底层资源的配置和管理。
二、基于函数计算快速部署开源大模型
1、 方案概览
只需10分钟就可以将开源大模型轻松部署到阿里云函数计算上，畅享大模型的强大功能。无需拥有或维护昂贵的GPU资源，按需付费的模式更能帮助您节省成本，尽情体验云计算带来的便利与灵活性。
2、 环境准备
1）注册阿里云账号 2）开通函数计算 3）开通文件存储NAS服务 4） 注册ModelScope账号，并绑定阿里云账号。
在魔搭访问(https://www.modelscope.cn/my/myaccesstoken) 按照下图绑定阿里云账号。
3、 部署应用
1）在魔搭访问(https://www.modelscope.cn/my/myaccesstoken) 获取令牌。
2）访问函数计算应用模板，
- 参考图片模型来源选择ModelScope；
- 模型ID填入ZhipuAI/chatglm3-6b；
- 模型版本填入v1.0.2；
- 地域目前仅支持华东1（杭州）或华东2（上海），选择华东2（上海）；
- 模型任务类型填入chat；
- Access Token 填入ModelScope 的访问令牌。
- 其余配置项保持默认值即可，单击创建应用。
创建中， 创建时间2024年11月2日 20:30:31，完成时间2024年11月2日 20:38:37 耗时为8分钟。
3）创建成功后，为应用开启闲置预留模式。配置预留实例，可以有效避免因实例冷启动导致的请求延迟问题。同时，可以配置预留实例的弹性伸缩规则如定时伸缩和水位伸缩，提高实例使用率，解决资源浪费问题。
应用部署完成后，在资源信息区域单击后缀为model-app-func的函数名称跳转至函数详情页。
在函数详情页，选择配置页签，在左侧导航栏，选择预留实例，然后单击创建预留实例数策略。
在创建预留实例数策略页面，版本和别名选择为LATEST，预留实例数设置为1，启用闲置模式，然后单击确定。
等待容器实例成功启动后，可以看到当前预留实例数为1，且显示已开启闲置模式字样，表示闲置预留实例已成功启动
整个部署过程非常顺畅耗时8分钟，只需要关注模型的选择、版本和任务类型，无需担心底层资源的配置和管理。函数计算平台会根据实际请求量自动伸缩计算资源，确保服务的稳定性和高效性。
三、体验使用LLM应用
部署完成后，可以使用函数计算应用提供的域名访问服务，与模型进行对话。
1、在环境详情页面，点击访问域名右侧的域名，使用LLM应用。
2、输入文本信息，然后单击Submit，您可以看到模型的回答结果。
初次的处理结果每次交互大概1分钟左右。
四、资源清理
1、删除ModelScope使用的函数
登录函数计算控制台，在左侧导航栏，单击应用。在应用页面，找到目标应用，单击右侧操作列的删除应用。
删除应用提示失败
需要手动删除函数和域名
2、登录NAS文件存储控制台，在左侧导航栏选择文件系统 > 文件系统列表。在文件系统列表，找到目标文件系统，在其右侧操作列，然后单击删除。
五、总结
通过本次对魔搭社区与函数计算结合使用的体验，深刻感受到了开源大模型和无服务器计算技术的强大魅力。这些技术不仅为开发者提供了丰富的选择和便捷的工具，还极大地提高了服务的稳定性和高效性。
关于本次实践体验的反馈和建议如下：
1、本次实践中配置了预留实例，但没有很好体现出预留实例的功能及作用，可以增加下配置预留实例和不配置预留实例的使用对比。
2、在部署过程中函数应用创建时在日志里有报错，但可以部署成功，暂时也没有影响使用，可以看下是否需要优化。
Duration: 342752.33 ms, Billed Duration: 342753 ms, Memory Size: 16384 MB, Max Memory Used: 11980.74 MB
========= FC invoke Logs end =========
Invoke instanceId: c-67261bcd-1663628b-aa8652a176d2
Code Checksum: 13447116201843826969
Qualifier: LATEST
RequestId: 1-67261bcd-169f5165-95f2f369919d
Error Type: InvocationError
Invoke Result:
{
"errorMessage": "File pytorch_model.bin.index.json download incomplete, content_length: None but the file downloaded length: 20437, please download again",
"errorType": "FileDownloadError",
"stackTrace": [
[
"File \"/code/index.py\"",
"line 13",
"in handler",
"snapshot_download (model_id =model_id,"
],
[
"File \"/code/modelscope/hub/snapshot_download.py\"",
"line 153",
"in snapshot_download",
"http_get_file("
],
[
"File \"/code/modelscope/hub/file_download.py\"",
"line 319",
"in http_get_file",
"raise FileDownloadError(msg)"
]
]
}
AI 代码解读
3、在清理函数资源的时候，发生了报错。需要手动删除函数和域名。针对这部分可以补充在清理资源部分——删除失败如何处理。
4、整个体验的场景中没有展现出函数计算的弹性伸缩优势，可以增加这部分的场景验证。比如模拟对话量请求量增加时，平台会自动增加计算资源以满足需求；当请求量减少时，平台会自动释放多余的计算资源以降低成本。
5、在实际生产中会使用多个大模型，如果需要在不同的模型之间切换，是否可以在当前的部署函数应用实现，还是每一个模型都需要部署一个函数应用。
6、若自己来选择大模型的配置，函数计算页面提示中模型ID、模型版本、模型任务类型获取方式不够详细，希望可以增加这个参数的获取魔搭具体页面截图。
7、什么情况下需要自己修改显存大小和内存大小？
8、访问模型的时候，在处理对话的期间，右上角的数字一直在增长，这是处理的时间吗？还是什么值，作用是什么？
