本地部署大模型text-generation-webui 模型下载的完整操作手册【免费下载链接】textgenOpen-source desktop app for local LLMs. Text, vision, tool-calling, OpenAI/Anthropic-compatible API. 100% private.项目地址: https://gitcode.com/GitHub_Trending/te/textgen用 text-generation-webui 跑本地 LLM模型获取是最容易卡住新手的一环。好消息是它的下载系统已经把脏活都包办了自动建目录、替你在多种格式里挑一个、断点续传、SHA256 逐文件校验网页界面和命令行两条路都能走。这篇按从第一次下载到出问题时怎么办的顺序把所有常用操作一次讲清楚。第一次下载一条命令或一个输入框这一节解决我手里只有模型路径怎么把它弄到本地的问题。最简路径是命令行python download-model.py facebook/opt-1.3b这条命令背后发生的事脚本解析出仓库名和分支默认 main想换分支就写成模型名:分支名扫描仓库文件清单按硬件适配规则选好格式把文件放进user_data/models/下的专属文件夹。下载完你不需要做任何配置刷新模型下拉列表就能看见它选中后点 Load 即可开始对话。如果你习惯图形界面打开 Model 标签页在 Download model or LoRA 输入框填同样的路径点 Download。两种入口功能等价网页版还能看到实时进度条适合盯着大文件慢慢下。按硬件挑格式GGUF 量化与 4-bit 加载这一节解决仓库里有十几种格式我该下哪个的问题也是 GGUF 模型下载教程里最常踩的坑。脚本替你做了大部分决策仓库里同时存在 safetensors 和 GGUF 时它只保留 safetensors如果仓库清一色 GGUF它只会挑文件名里带 Q4_K_M 的那个量化版本——这是体积和质量比较均衡的一档不想占磁盘的话正合适。显存宽裕的情况比如 12GB 以上用 Transformers 加载器加载 safetensors勾上load_in_4bit和use_double_quant多数 7B 到 13B 的模型都能在消费级显卡上跑起来。GGUF 仓库一般一次放出 Q2 到 Q8 好几个量化档全下会浪费几十 GB。正确做法是网页输入框里填好路径后先点 Get file list从列表里复制你想要的那个具体文件名粘贴到 File name 框再点 Download只拉一个文件。命令行进阶参数断点续传与镜像源这一节给批量下载或网络不稳定的场景准备的记住四五个参数就够。--threads 8并发文件数默认 4。--max-retries 10单文件重试上限默认 7 次采用指数退避。--output或--model-dir改保存到别的磁盘。--clean放弃断点续传重新下载。下载中途断网不用重新来。重跑同一条命令脚本会先比对本地已有字节数从断点继续写文件。访问 HuggingFace 本身很慢或不通时在运行前设置环境变量HF_ENDPOINT指向你的镜像源脚本里所有请求都会跟着换。私有模型则靠HF_TOKEN或HF_USER/HF_PASS带认证头代理直接配置系统常规的HTTPS_PROXY环境变量即可。校验失败与空间管理这一节处理两类事后问题文件对不对、磁盘够不够。下载完成后模型文件夹里会多一个huggingface-metadata.txt记录了来源 URL、分支、下载时间和全部文件的 SHA256 清单。怀疑文件损坏时加--check参数对已下文件重新算哈希比对全过才打印 Validated checksums of all model files个别文件不对用--clean重跑即可。几个省空间的实践优先选 4-bit 量化档不常用模型挪到机械硬盘再用--model-dir把下载目录指过去WebUI 照样会自动识别LoRA 文件不用操心脚本检测到 adapter 权重会自动改存到user_data/loras/和主模型分开放磁盘清理时互不干扰。模型落位后剩下的事就交给 Model 标签页的下拉列表了——本地部署大模型最难的一步到这里已经走完。【免费下载链接】textgenOpen-source desktop app for local LLMs. Text, vision, tool-calling, OpenAI/Anthropic-compatible API. 100% private.项目地址: https://gitcode.com/GitHub_Trending/te/textgen创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考