llama-cookbook

跟着官方菜谱，快速上手 Llama 模型开发

llama-cookbook 是 Meta 官方推出的 Llama 模型实战指南，以 Jupyter Notebook 形式提供从推理、微调到 RAG 的完整教程。它解决开发者上手 Llama 模型时缺乏系统性示例的问题，覆盖模型推理、参数微调、检索增强生成等核心场景，并展示如何结合不同云服务商（如 AWS、Azure）部署 Llama 模型。项目包含大量可运行的代码示例和端到端解决方案，帮助用户快速掌握 Llama 模型家族的应用开发，降低学习门槛。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 18559

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队meta-llama

所属国家

官网地址https://www.llama.com

GitHubhttps://github.com/meta-llama/llama-cookbook

定价模式free

价格说明开源教程仓库，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型ai,finetuning,langchain,llama,llama2,llm,machine-learning,python,pytorch,vllm

GitHub 星标★ 18559

30天Star增速

HF 下载量

上线时间2023-07-17 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 Python 环境（README 未指定版本，用于运行项目中的 Jupyter Notebook）
能访问 GitHub 与 Hugging Face 的网络环境
如需下载 gated 模型，需准备 Hugging Face meta-llama 组织的访问账号
部分示例涉及云服务商部署，需要对应的云账号

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 llama-cookbook 源码到本地，这是获取全部 Notebook 教程的前提。
```
git clone https://github.com/meta-llama/llama-cookbook.git
```
2进入项目目录

切换到克隆下来的仓库根目录，后续命令都在这里执行。
```
cd llama-cookbook
```
3创建虚拟环境

通用准备动作，用独立环境隔离依赖，避免污染系统 Python。README 未指定版本。
```
python -m venv .venv
source .venv/bin/activate
```
4安装并启动 Jupyter

项目全部内容以 Jupyter Notebook 形式提供，需先安装 Jupyter 再打开教程。
```
pip install jupyter
jupyter notebook
```
5按目录浏览教程

在 Jupyter 文件列表中打开具体 Notebook，按自身场景（推理、微调、RAG）选择阅读。

如何确认成功

浏览器自动打开 Jupyter 页面，能在文件列表中看到 llama-cookbook 仓库里的 Notebook 文件并可正常打开。

常见问题

Q：README 里没有具体的安装命令怎么办？

A：当前节选主要是官网、模型卡和 Hugging Face 等链接，未给出安装步骤。建议以仓库内各 Notebook 自身的说明和官方文档为准。

Q：需要 GPU 才能运行吗？

A：README 节选未说明硬件要求。纯阅读 Notebook 不需要 GPU，实际跑推理或微调教程时才需要按具体 Notebook 的要求准备算力。

Q：怎么获取 Llama 模型权重？

A：README 提供了 Hugging Face meta-llama 组织入口与 Llama 官方文档链接，可前往这些官方渠道按指引申请和下载。

Q：可以用云服务部署吗？

A：项目包含结合云服务商部署 Llama 的示例，需要自备对应云账号，具体步骤参考相应 Notebook。

注意事项

本次 README 节选几乎全是徽章与官方链接，没有正式安装说明，步骤中的环境准备为通用动作，confidence 标为 low。
请以仓库内各 Notebook 的具体依赖安装说明为准，不同教程所需依赖可能不同。
下载 Llama 系列模型通常需要在 Hugging Face 上申请访问权限并登录。
遇到问题优先查阅 README 中给出的 Llama 官方文档与模型卡链接。

核心亮点

Meta 官方维护，教程质量高且与最新模型同步
覆盖推理、微调、RAG 三大核心场景，示例可直接运行
提供多服务商集成案例，便于云端部署

不足之处

依赖 Jupyter 环境，对非 Python 开发者不友好
部分教程深度有限，高级定制需查阅其他文档

适用场景

学习 Llama 模型推理和 API 调用
基于 Llama 进行领域微调
构建 RAG 应用并集成到生产环境

替代项目

Hugging Face Transformers、LangChain、Ollama

项目介绍

llama-cookbook 是开发框架领域的开源项目，由 meta-llama 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（18,559）位列前 3%，在开发框架分类的 795 个项目里位列前 3%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。开源教程仓库，MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：学习Llama模型推理和API调用。同类可对比的替代方案包括 Hugging Face Transformers、LangChain、Ollama。

上一篇：toon

下一篇：generative-ai