编码人生

在这个 AI 日新月异的时代，AIGC（AI生成内容）已迅速席卷全球，甚至掀起了一场技术革命。然而，当我们谈论这些炫酷的大模型时，你是否思考过它们背后的秘密？是什么让这些开源模型如此强大？它们是如何被训练出来的，又如何能够在我们本地运行？更重要的是，这场技术浪潮已经涌来，我们要如何在这股洪流中找到自己的方向，不被时代所抛下？所以作者决定出一系列的文章来和大家一起探索一下AIGC的世界，专栏就叫《重生之我要学AIGC》，欢迎大家订阅！！！

现在基本很多公司也加入了ai的队列里面去，也有了很多的ai产品，例如ai智能客服，大家第一个想到的是用什么语言进行开发呢，当我第一次听到java也能开发一个ai智能客服的时候我是很震惊的，后面了解到其实java也是调用的事别人的api，例如阿里对外开发的通义模型的接口给大家调用，那么这次我们就来带大家来开发一款基础的一个ai智能客服出来。这次我们整体的架构图类似是这样的：我们要用到的中间件为mysql，用来存储对话的数据，用到的orm框架为mybatisplus，后端框架自然是Springboot啦。首先

PUT /test2"dims": 3},my_vector是一个密集向量（dense vector），用于存储多维数据，如嵌入式表示；而my_text是一个关键字类型的字段，通常用于精确匹配和聚合。dims: 3：指定向量的维度为 3。这意味着每个文档的 my_vector 字段将包含 3 个浮点数。除了上面的内置函数，这些算法在信息检索、推荐系统、聚类分析等领域有广泛应用。"query": {"query": {},",-0.5,10,7],脚本逻辑// 获取文档中的向量。

今年回了个年，约高中同学去聚一聚，发现不是行内的同学都知道了deepseek，而且过年这段时间几乎被deepseek给刷屏了，还有人公众号作者在评论区说deepseek就是一个搜索引擎（啊？是这样的吗？那么我心中有个疑问deepseek是个啥啊？于是就去了解了一下，并且在本地部署了一套deepseek，就有了这篇文章。

这篇我们就来让大模型在我们本地跑起来，这次我们要学习的是一个工具：Ollama，Ollama 的一个关键特性是简化了模型的部署过程，使用户能够更方便地在本地使用和实验最新的 AI 模型。