python中ollama.create()函数如何使用
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
轻量 GraphRAG 实战:实体关系图谱 + 多跳检索,零 Key 离线可跑(Python 源码)
轻量 GraphRAG 实战包。从样例知识库抽取实体关系,支持 k-hop 多跳检索与社区摘要;无 Key 可 Mock 离线问答。含样例与 smoke。
语义路由实战:关键字+假向量意图分类,零 Key 离线可跑(Python 源码)
意图/语义路由实战包。关键字+轻量向量混合分类,阈值回退;无 Key 离线可跑。含工具路由样例与 smoke。
ReAct Agent Lite 实战:Thought-Action-观察循环,零 Key 离线可跑(Python 源码)
用标准库实现经典 ReAct 循环(Thought / Action / Observation / Final Answer)。内置 AST 安全计算器、本地天气桩(非实时)和中文 FAQ 检索。默认离线 Mock,零 Key 可跑;可选通义千问。与 Function Calling、LangGraph 互不替代。含 4 个样例与冒烟脚本。MIT。作者 blog.csdn.net/mtl1994
Ollama完整使用流程指南[代码]
本文详细介绍了Ollama这一轻量级大模型本地部署工具的完整使用流程,涵盖从安装到进阶配置的全步骤。Ollama支持一键安装,可快速运行LLaMA 3、Mistral、Phi等主流开源模型,无需复杂配置,适合新手。文章首先说明了硬件要求(CPU 4核+、内存16GB+、可选NVIDIA GPU)和系统支持(Windows、macOS、Linux及魔搭社区Notebook)。随后分平台详细讲解了安装步骤,包括Windows、macOS(官网下载或Homebrew)、Linux(一键安装脚本)及魔搭Notebook的安装方法。核心操作部分介绍了如何通过命令行下载并运行模型(如ollama run llama3:8b),并提供了常用模型命令、退出对话及进阶配置(自定义参数、查看/删除模型、后台运行、Modelfile自定义模型)。此外,文章还说明了如何通过内置API服务将模型集成到应用中(Python调用示例),并列举了常见问题(安装失败、内存不足、无响应、GPU未调用等)的排查与解决方法。最终总结Ollama的核心优势在于简单易用,三步即可完成本地部署。
Ollama导入本地模型[代码]
本文详细介绍了在Ubuntu系统中使用Ollama导入本地微调好的Qwen系列模型的四种方法。方法1推荐使用llama.cpp将safetensors或.bin文件转换为GGUF格式,包括安装工具、准备模型文件和转换步骤。方法2直接使用Ollama导入支持的格式,需创建Modelfile并设置参数。方法3通过transformers库转换模型,适用于前两种方法不工作的情况。方法4适用于已有GGUF文件的情况。文章还提供了验证安装、常见问题解决和最佳实践,如内存不足时的量化处理、模型格式检查等。最后补充了图形化界面使用和模型删除操作。
ollama and ragflow启停脚本放入D盘data目录.zip
ollama and ragflow启停脚本放入D盘data目录.zip
Ollama本地大模型指南[源码]
本文详细介绍了Ollama作为本地大模型的“平替神器”,从入门到实战的全面指南。Ollama的设计理念类似于Docker,用户只需一句命令即可在本地运行大模型,无需复杂的环境配置。文章涵盖了Ollama的安装方法、支持的模型类型(如Llama3、Qwen、DeepSeek等)、Python API调用方式以及如何自定义模型(Modelfile)。此外,还提供了三分钟安装与运行方法(Windows/Mac/Linux)、一行命令拉取并启动本地模型的技巧,以及Python如何调用Ollama进行推理的示例代码。对于进阶用户,文章还介绍了如何通过Modelfile对模型进行微调,使其更符合特定需求。
LangChain 最新版 create-agent 实战:智能天气查询助手(完整可运行 + 多工具联动)
LangChain 最新版 create-agent 实战:智能天气查询助手(完整可运行 + 多工具联动)
如何在本地免费借助 DeepSeek 与 Ollama 抓取任意网站内容
资源下载链接为: https://pan.xunlei.com/s/VOYpgDImnnk4l0OHaScnoWKpA1?pwd=ytuh conda create -n ai python=3.11 -y conda activate ai sudo apt update sudo apt install -y libgstreamer1.0-0 gstreamer1.0-plugins-base gstreamer1.0-plugins-good gstreamer1.0-plugins-ugly sudo apt install -y libavif-dev pip install playwright playwright install pip install crawl4ai[all] crawl4ai install crawl4ai doctor
Win10本地大模型部署[可运行源码]
本文详细介绍了在Win10系统上部署本地大模型的步骤,特别适用于配备4090显卡、CUDA 12.2、24G显存和64G内存的高性能电脑。首先需要下载并安装ollama框架,安装成功后通过CMD窗口验证安装。文章还介绍了如何从Hugging Face下载带Safetensors格式的模型,并创建Modelfile文件进行模型量化。最后通过ollama命令运行模型,完成部署。整个过程简洁明了,适合初学者快速上手。
SpringAIOllama.7z
Ollama.7z
NVIDIA DGX Spark部署[项目代码]
本文介绍了在NVIDIA DGX Spark设备上部署NemoClaw的实际操作方案,包括环境准备、安装Ollama和本地大模型、一键安装NemoClaw、配置沙盒和本地推理以及验证部署的详细步骤。同时,文章还阐述了NemoClaw在实际应用中的便利性,如安全沙盒隔离、隐私保护优势、性能和成本优势、企业级应用便利性、扩展性和维护性等。此外,还列举了典型应用场景,如企业私人秘书、代码开发助手、数据分析师和网络安全监控,并提出了部署注意事项,强调安全第一和资源监控的重要性。NVIDIA DGX Spark与NemoClaw的结合为企业提供了强大的本地AI部署能力,提升了安全性并充分发挥了DGX Spark的算力。
Qwen2.5对接OpenClaw卡死解决方案[项目源码]
本文详细分析了本地部署Qwen2.5:0.8b模型对接OpenClaw后电脑卡死的原因,主要是由于OpenClaw强制要求16000 token的上下文、无限历史记录和Agent调度导致显存/内存爆满。文章提供了五个关键解决方案:1) 强制设置16384上下文;2) 修改OpenClaw配置,限制历史记录和CPU线程;3) 开启轻量化模式;4) 优化Ollama保活设置;5) 关闭OpenClaw非核心功能。最后给出了低配电脑的终极配置方案,帮助用户解决卡顿问题。
N1飞牛NAS部署New-API[项目代码]
本文详细介绍了如何利用N1飞牛NAS在五分钟内快速部署New-API,实现本地AI模型与云端API的统一接口中转。New-API作为大模型API聚合网关,能够将各种渠道(如Ollama、OpenAI等)统一接管并转换为标准OpenAI格式,方便下游应用接入。文章从准备工作开始,逐步指导读者完成Docker一键部署New-API、配置Ollama渠道、创建令牌测试以及通过cpolar实现公网访问的全过程。最终,读者可以搭建一套专属的AI接口中转站,实现本地模型的公网调用,提升模型管理与分发效率。
RAGSystemLangchain
RAGSystemLangchain
LangChain 1.0 Agent基础实战[项目源码]
本文是一篇关于使用LangChain 1.0从零搭建智能助手的实战教程。文章首先介绍了环境准备与依赖安装,包括Python 3.11+环境要求、核心依赖安装(如langchain、langchain-core等)、环境变量配置以及模型初始化封装。接着,通过一个天气查询助手的完整代码示例,详细展示了如何定义工具、初始化模型、创建Agent并运行。文章深入解析了ReAct(推理与行动)范式,通过可视化流程图和流式输出代码,展示了Agent的“推理—行动—观察”闭环执行过程。此外,还介绍了Tavily网络搜索工具的集成、常用内置工具列表、create_agent核心参数(如system_prompt、checkpointer、recursion_limit)的最佳实践,以及不同stream_mode(values、updates、messages)的使用场景和对比。最后,总结了常见问题(如工具不被调用、调用错误、循环过多)及其解决方案,为读者提供了全面的Agent开发基础技能。
Trellis AI编程指南[可运行源码]
本文详细介绍了如何使用Trellis开源脚手架来规范AI编程流程。Trellis能够帮助开发者在使用Claude Code、Cursor等AI工具时保持代码规范,解决AI编程中代码风格不一致的问题。文章从安装前的准备工作开始,包括确保Node.js环境的配置,然后分三步完成Trellis的安装与初始化。接着,文章分类介绍了Trellis的核心命令,包括启动与规划、核心日常以及救急与维护等场景下的使用。最后,文章提供了一个完整的新手工作流,从启动并规划需求到收尾与记录,帮助开发者快速上手并高效使用Trellis。通过遵循这些步骤,开发者可以显著提升AI编程的效率和代码质量。
大模型入门(提示词编写,参数介绍,api配置.......)
大模型入门(提示词编写,参数介绍,api配置.......)
Hermes Agent部署指南[可运行源码]
本文详细介绍了如何从零开始部署Hermes Agent,这是一款由Nous Research开发的开源自托管AI Agent,以其自我成长和丰富的工具能力著称。文章首先解释了Hermes Agent的核心特性,包括持久记忆、自动生成技能、技能自我优化等闭环学习机制,以及其支持的29种工具集。随后,文章对比了Hermes Agent与OpenClaw的区别,强调了Hermes Agent在长期运行和自动化任务中的优势。接着,文章推荐使用Docker Compose进行安装,并详细说明了安装前的硬件和软件要求,以及实战安装的完整流程,包括创建项目目录、编写docker-compose.yml文件、启动容器和配置向导。最后,文章提供了常用命令速查和小结,帮助用户轻松拥有一个7×24小时在线、越用越聪明的私人AI助手。
图腾柱无桥PFC变换器+平均电流控制+PI电压双闭环前馈控制设计(Simulink仿真实现)
内容概要:本文围绕图腾柱无桥PFC变换器的Simulink仿真实现,系统阐述了基于平均电流控制策略与PI电压双闭环前馈控制的设计方法,旨在提升功率因数校正系统的动态响应、稳态精度及抗干扰能力。文档详细介绍了主电路拓扑结构、控制环路架构设计、电流内环与电压外环的PI控制器参数整定方法,并重点分析了前馈补偿机制在改善系统瞬态性能中的作用。通过构建完整的Simulink仿真模型,验证了控制策略的有效性与鲁棒性,涵盖了信号采样、PWM调制、闭环调节及系统稳定性分析等关键环节。此外,内容还延伸至该技术在新能源发电、高效率电源系统及工业电力电子装置中的典型应用背景,具有较强的工程实践指导意义。; 适合人群:具备电力电子技术、自动控制理论及Simulink仿真基础,从事新能源变换器、电源产品研发或相关方向研究的科研人员、工程师及高年级本科生、研究生。; 使用场景及目标:①深入理解图腾柱无桥PFC变换器的工作原理及其控制难点;②掌握平均电流模式控制与双闭环PI前馈控制的系统化设计流程;③在Simulink环境中独立搭建高性能PFC仿真模型,用于科研验证、课程设计或实际工程项目开发。; 阅读建议:建议结合Simulink仿真平台边学习边实践,重点关注控制参数的整定过程与系统稳定性的频域分析,可通过对比不同工况下的仿真结果,进一步探究控制策略的优化空间,并推荐与同类PFC控制方案进行性能比较以深化理解。
最新推荐




