<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[StarkLi 的博客]]></title><description><![CDATA[天行健，君子以自强不息；地势坤，君子以厚德载物。]]></description><link>https://blog.youkuaiyun.com/StarkLi</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; StarkLi]]></copyright><item><title><![CDATA[运用llama.cpp将LoRA训练模型转换为GGUF，适配Ollama本地化部署，降低企业资源投入成本！（接上篇，AI实战系列）]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/149578158</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/149578158</guid><author>StarkLi</author><pubDate>Wed, 23 Jul 2025 18:12:35 +0800</pubDate><description><![CDATA[本文介绍了企业如何利用LoRA训练结果实现大模型本地化部署。文章首先说明llama.cpp作为开源推理框架的特性，支持多系统运行和模型量化，降低企业部署成本。接着详细讲解操作步骤：1）安装llama.cpp；2）从LLaMA-Factory导出训练好的模型；3）将模型转换为GUFF格式；4）通过Ollama创建Modelfile并导入转换后的模型，最终实现本地部署使用。该方案为企业提供了一种安全、低成本的大模型私有化部署方案，特别适合对数据安全有要求的中小企业。]]></description><category></category></item><item><title><![CDATA[FineTune+LLaMA-Factory+DeepSeek+LoRA企业数据训练，全流程详细教程，构建AI电商客服等应用（AI实战系列，附实战经验）]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/149569579</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/149569579</guid><author>StarkLi</author><pubDate>Wed, 23 Jul 2025 14:13:41 +0800</pubDate><description><![CDATA[本文针对企业垂直领域需求，介绍了如何使用LLaMA-Factory工具对开源大模型进行微调。相比通用大模型，微调更适合医疗、法律等专业领域，以及需要特定风格或降低服务成本的场景。文章详细演示了从环境搭建到模型训练的完整流程：通过Alpaca格式准备电商客服数据集（包含价格咨询、物流查询等场景），配置LLaMA-Factory参数，使用DeepSeek-1.5B模型进行LoRA微调。最后指出优化方向：选用更强基础模型、增加高质量数据、延长训练周期等。]]></description><category></category></item><item><title><![CDATA[企业知识管理混乱？RAG+LangChain+DeepSeek构建会思考的企业知识库！（AI实战系列，附有详细代码）]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/149292513</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/149292513</guid><author>StarkLi</author><pubDate>Sat, 12 Jul 2025 13:22:49 +0800</pubDate><description><![CDATA[本文介绍了如何利用RAG技术搭建企业知识库，实现高效的知识管理和智能问答。主要内容包括：1）企业知识库、RAG、微调与蒸馏以及LangChain的概念介绍；2）使用LangChain框架实现全流程，包括文档加载、向量化处理、索引构建和问答系统开发；3）提供了Python代码示例，展示了从文档处理到问答实现的完整过程。文章还对比了不同模型的效果差异，并指出通过合理选择模型和优化提示词可以提升系统性能。该方案为企业提供了安全、高效的AI知识管理解决方案。]]></description><category></category></item><item><title><![CDATA[教你打造企业自有大模型（基于ollama、deepseek），走出定制化第一步，沉淀AI技术能力，让AI变成生产力！【AI实战系列】]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/149259590</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/149259590</guid><author>StarkLi</author><pubDate>Thu, 10 Jul 2025 22:11:12 +0800</pubDate><description><![CDATA[企业私有化AI模型构建指南 本文介绍了如何为企业或个人构建专属大模型（LLM），重点基于Ollama平台实现模型定制化。实操步骤涵盖Modelfile编写、模型创建（ollama create）及交互测试（ollama run），为企业提供从0到1的轻量化AI落地方案。适合需要垂直领域定制、兼顾效率与隐私的场景应用。]]></description><category></category></item><item><title><![CDATA[DeepSeek本地运行全流程解析，企业私有化，数据安全、降本增效双搞定！含ollama命令聊天、chatbox界面聊天效果（AI实战系列，保姆级教程）]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/149242139</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/149242139</guid><author>StarkLi</author><pubDate>Thu, 10 Jul 2025 15:21:12 +0800</pubDate><description><![CDATA[国内大语言模型快速发展，DeepSeek以开源、本地部署和中文优化优势脱颖而出。本文介绍了如何通过ollama工具在本地运行DeepSeek-R1等模型：1)安装ollama环境；2)下载模型文件；3)通过命令行或ChatBox可视化工具进行交互。该方法支持企业私有部署，保障数据安全，为AI项目落地提供基础方案，显著提升工作效率。]]></description><category></category></item><item><title><![CDATA[CentOS 6.5中SVN的搭建.]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/53367943</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/53367943</guid><author>StarkLi</author><pubDate>Sun, 27 Nov 2016 22:26:57 +0800</pubDate><description><![CDATA[在CentOS 6.5环境中进行SVN服务的搭建，介绍了SVN服务的安装、检测及测试等过程。]]></description><category></category></item><item><title><![CDATA[Centos 6.5中Nginx的安装.]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/51484745</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/51484745</guid><author>StarkLi</author><pubDate>Mon, 23 May 2016 21:03:36 +0800</pubDate><description><![CDATA[本文基于CentOS 6.5环境，初步部署搭建Nginx，有利于认识Nginx，阅读之后，可以学会安装、测试及简单的维护。]]></description><category></category></item><item><title><![CDATA[《高性能网站建设指南》的阅读总结.]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/51165739</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/51165739</guid><author>StarkLi</author><pubDate>Sat, 16 Apr 2016 00:14:04 +0800</pubDate><description><![CDATA[引言：去年的时候，公司的平台需要对访问速度等进行优化，大致的方向就是从缓存、压缩、减少请求等方面进行处理，不光需要对网络有一定的理解，也需要对浏览器的机制以及前端的技术等有些许的了解，在这个过程中，阅读了《高性能网站建设指南》，其中就描述了雅虎的工程师们，总结出的“性能黄金法则”：“只有10%~20%的最终用户响应时间花在了下载HTML文档上。其余的80%~90%时间花在了下载页面中的所有组件上”]]></description><category></category></item><item><title><![CDATA[Tomcat catalina.out文件过大的解决方案整理.]]></title><link>https://blog.youkuaiyun.com/StarkLi/article/details/51072250</link><guid>https://blog.youkuaiyun.com/StarkLi/article/details/51072250</guid><author>StarkLi</author><pubDate>Wed, 06 Apr 2016 09:54:21 +0800</pubDate><description><![CDATA[解决Tomcat日志catalina.out文件过大的问题，主要是在相关博客中寻找了一些方案，也留做一个备忘。]]></description><category></category></item></channel></rss>