2025年无疑将是大模型技术飞速跃进的一年，其影响力势必跨越界限，深入渗透至更为广泛的行业领域。随着成本持续且显著地削减，整个大型语言模型（LLM）行业的版图正悄然酝酿着变革。这一变革不仅预示着更多人群将从中获得实实在在的利益，更使得LLM技术日益贴近民众生活，更加接地气，融入社会的每一个角落。

在这个意义非凡的历史转折点，立于巨人之巅，是否渴望孕育专属于你的大型语言模型（LLM）？给它赋予一个悦耳动听的名字，精心勾勒其角色定位，让它成为你智慧与创意的结晶，如同“亲儿子”般，共同成长。

本次分享不讲复杂的Distill蒸馏技术，而讲如何给大模型定义角色，起个名字，就如同你创造的一般。

本次分享以DeepSeek模型为例，进行阐述。操作很简单，人人都可以学会，直接上干货。

一、安装环境

关于环境安装，可以参考之前的文章： https://bbs.huaweicloud.com/blogs/446678

注：本教程中的所有操作步骤均在华为鲲鹏服务器上完成，同时，这些操作在其它类型的服务器上同样适用且流程完全一致。

二、构建自己的LLM

首先，通过命令 ollama list 查询本机的基础模型。如下所示：

NAME                   ID              SIZE      MODIFIED           
llama3.2:1b            baf6a787fdff    1.3 GB    About a minute ago      
deepseek-r1:1.5b       a42b25d8c10a    1.1 GB    2 days ago  

我们使用基础模型DeepSeek R1，构建自己的大模型。具体步骤如下所述。

注：使用其它基础模型构建，如llama、qwen等，步骤完全一致。

2-1、生成 DeepSeek 模型文件

在 Shell 中执行如下命令，生成 Modelfile 模型文件：

ollama show deepseek-r1:1.5b --modelfile > deepseek-r1.modelfile

2-2、编辑模型文件，定制自己的需求

需求如下：

• 定义身份；
• 起个名字；

通过 SYSTEM 指令实现如上需求。请把如下内容添加到 deepseek-r1.modelfile 文件中：

SYSTEM 你是由中华软件公司创造的通用大模型。你的姓名是小言。

添加位置，如下图所示：

注：如果你熟悉 dockerfile，那么 modelfile 和它原理是类似的。

2-3、构建大模型

使用刚才编辑的 deepseek-r1.modelfile 文件，构建自己的DeepSeek大模型。

• 执行如下命令进行构建，速度很快，一般秒级完成。

ollama create deepseek-r1-my:1.5b --file deepseek-r1.modelfile

输出内容如下：

transferring model data 100% 
using existing layer sha256:aabd4debf0c8f08881923f2c25fc0fdeed24435271c2b3e92c4af36704040dbc 
using existing layer sha256:369ca498f347f710d068cbb38bf0b8692dd3fa30f30ca2ff755e211c94768150 
creating new layer sha256:c859dda4a9d77ad2468ee327cd94887c9f4c489049950b612df48ed8f5c630ab 
using existing layer sha256:f4d24e9138dd4603380add165d2b0d970bef471fac194b436ebd50e6147c6588 
creating new layer sha256:ee85258424655828b07a32f3fc3261197e787d987f07a01a7a62d5d2056b8a1b 
writing manifest 
success 

• 通过命令 ollama list 查询我们的大模型

NAME                   ID              SIZE      MODIFIED       
deepseek-r1-my:1.5b    b3975b070879    1.1 GB    2 minutes ago     
llama3.2:1b            baf6a787fdff    1.3 GB    30 minutes ago    
deepseek-r1:1.5b       a42b25d8c10a    1.1 GB    2 days ago   

注：比之前多了1个 deepseek-r1-my:1.5b，说明构建成功。

三、测试自己的LLM

我们向 DeepSeek基础模型 与 自定义的DeepSeek模型，问同一个问题，看看有何区别呢？

问题：你是谁

• 运行DeepSeek基础模型

ollama run deepseek-r1:1.5b

• 运行自定义的DeepSeek模型

ollama run deepseek-r1-my:1.5b

下图所示，两者回答的结果：

需求搞定！你也快来试试吧！

至此分享结束！

Enjoy It！