freewebsys的专栏

Go 1.27.3 为最新稳定版本，提供 Windows、macOS（ARM64/x86-64）及 Linux 系统的二进制安装包。Windows 使用 MSI 安装程序，macOS 使用 PKG 包，Linux 推荐使用 tar.gz 解压至 /usr/local 并配置环境变量。安装后可通过 go version 验证。详细信息参见官方安装文档与发布历史。

本文介绍企业内部搭建Wiki的主流开源项目，涵盖现代化（如Wiki.js、BookStack）、轻量级（MM-Wiki）、经典老牌（DokuWiki、XWiki、MediaWiki）及基于Git的文档即代码方案（Docusaurus等）。重点推荐将BookStack核心功能迁移至Go语言的Wiki Go项目，采用GoFrame框架实现单二进制部署，支持SQLite与本地文件存储，保留“书-章-页”结构与权限体系，架构清晰可扩展，适合中小团队快速私有化部署。

xinf-go 是 Xinference 的 Go 语言重写版本，基于 GoFrame v2 构建，集成 eino ReAct Agent，通过模拟引擎实现无依赖的推理接口执行。支持 OpenAI 兼容调用、模型管理与 Agent 对话，提供内嵌前端的自包含二进制，兼容 Windows/macOS，可通过 Makefile 快速构建与部署。完整文档涵盖架构、配置、API 参考与开发指南，适用于本地或边缘部署的轻量级大模型服务。

Wails v3.0.0 正式发布，带来彻底重构的多窗口、服务化架构与原生UI支持，涵盖系统托盘、全局快捷键、液态玻璃效果等特性。基于Go 1.26+，支持跨平台构建与应用内更新，提供全新文档与迁移指南。虽修复多数安全漏洞，但Linux同源iframe仍存限制，移动端为实验性功能。v2版本将持续维护，两者可共存。

本文介绍将 fly-iot-backend-python 全量后端迁移至 Go + GoFrame v2 的完整方案。目标为保持外部契约不变，实现功能等价、灰度切换与无缝回滚。基于154个路由、54张数据表、9个服务及多协议交互等现状，采用“契约优先、分层重写、同库共存”策略，重点解决认证、动态注册、异步任务、定时调度等复杂热点问题。通过显式路由、统一上下文、兼容JWT与ORM行为，确保性能不劣于原系统，支持现有部署方式与运维流程，最终达成无感迁移。

PicoClaw 是一个用 Go 编写的、可运行在边缘设备（树莓派、LicheeRV Nano、Android/Termux 等）上的个人 AI Agent 运行时。核心能力：多 IM 渠道接入（Telegram、Slack、Discord、飞书、QQ、微信/企微、WhatsApp、Matrix、IRC、MQTT、Teams、LINE、VK 等）多 LLM Provider（Anthropic、OpenAI、Azure、AWS Bedrock、OpenAI 兼容接口、CLI 后端）工具调用。

Rancher 是一款开源的企业级 Kubernetes（K8s）多集群管理平台。它最初由 Rancher Labs（后于 2020 年被企业软件巨头 SUSE 收购）开发。 随着企业在生产环境中部署的 Kubernetes 集群数量增加（涉及本地数据中心、私有云、边缘计算及各大公有云如 AWS、Azure、GCP 等），管理和维护这些异构集群变得异常复杂。Rancher 的核心目的就是提供一个“单一管理平台”（Single Pane of Glass），简化 Kubernetes 集群的部署、运行和管

ZincSearch 是基于 Go 语言的轻量级全文搜索引擎，主打「单二进制部署、开箱即用」，兼容 Elasticsearch API，支持 Web 管理界面与 Docker 快速启动。相比 Elasticsearch，其资源占用更低，适合中小规模数据检索、日志搜索及边缘环境。虽生态较弱，但对追求简单高效部署的场景而言，是极具性价比的替代方案。

完成项目开发，接口开发。把相关内容总结成文档，并录制课程。记录项目开发过程。计划录制 20-30 节课。

fly-iot飞凡物联专栏：https://blog.youkuaiyun.com/freewebsys/category_12219758.html可以加wx：fly-iot 一起参与下。项目地址：https://gitee.com/fly-iot/fly-iot-backend-go【fly-iot】（8）：开源飞凡物联项目重启，使用go重写后端代码，感兴趣的小伙伴可以一起参加，使用apache协议开源原始项目叫：ActorCloud Server，此项目为重新整理开源项目的代码关于actorcloud项目，

在linux上使用一个二进制文件，成功运行embeddings和qwen-1.5大模型，速度特别快，有gitee配置说明。它允许您在本地使用消费级硬件运行 LLM（不仅如此），支持与 ggml 格式兼容的多个模型系列。支持CPU硬件/GPU硬件。LocalAI 是一个用于本地推理的，与 OpenAI API 规范兼容的 REST API。本身localai的后端实现就是 llama.cpp ，所以也可以支持qwen大模型。modelscope.cn 进行下载，速度会更快。支持gguf的量化版本。

【LocalAI】（3）：超级简单！在linux上使用一个二进制文件，成功运行embeddings和qwen-1.5大模型，速度特别快，有gitee配置说明。它允许您在本地使用消费级硬件运行 LLM（不仅如此），支持与 ggml 格式兼容的多个模型系列。支持CPU硬件/GPU硬件。LocalAI 是一个用于本地推理的，与 OpenAI API 规范兼容的 REST API。

编译成功，虽然有一点 warning 警告信息，问题不大。

Ollama 是一个强大的框架，设计用于在 Docker 容器中部署 LLM。Ollama 的主要功能是在 Docker 容器内部署和管理 LLM 的促进者，它使该过程变得非常简单。它帮助用户快速在本地运行大模型，通过简单的安装指令，可以让用户执行一条命令就在本地运行开源大型语言模型，例如 Llama 2。速度哦还是挺快的，经过一段时间的等待就可以服务启动成功了。

然后因为是docker 虚拟环境，需要手动启动服务： ollama serve。项目使用golang+llama.cpp 项目进行开发的。有切换的时间，模型会重新载入到显存。简化了模型的安装，非常的方便。可以发现 支持中文效果也不错。然后启动 gemma:7b。

然后经过漫长的编译，就而可以生成了在 build 文件夹。里面有相关的liib库了。框架本质上还是使用了 llama.cpp 项目的。需要编译 llama.cpp 的代码，

报错，没有找到库，但实际上有代码。估计下一个版本会支持。

golang 的代码可以执行 f32 的模型，但是不能执行 f16 和 int4 的模型。这部分工作并没有开发完成。因为模型 有 26G 所以使用 CPU 执行速度并不快，有 0.37 tokens/s。项目目前看已经 10 个月没有更新了。从代码量看，确实都不算太多。可以研究研究里面的算法。

然后在autodl上申请服务器，选择 30G内存的服务器：# 克隆项目： git clone https://github.com/gotzmann/llama.go.git # 然后进入 cd llama.go/ # 执行 make # 然后在 builds 目录里面就有了三个文件： ls builds确实是能运行，目前看不支持最新的 GGUF 文件格式。同时是非量化版本 f32 的，造成模型比较慢。而且这个是 llama的第一代的产品。要是有二代的模型且 int4 版本的就好了。

关于项目：https://github.com/gotzmann/llama.go确实是因为研究使用 c++ 在win 上面安装环境，折腾的时候特别的麻烦所以找到了这个使用 纯golang 编写的llama 模型执行项目 MIT 协议。golang 环境安装：其实就是执行了三次 go build 命令：3，下载模型，然后运行测试目前可能之支持使用 llama 模型：https://modelscope.cn/models/Xorbits/Llama-2-7B-Chat-GGML/files下载模型

参考的代码是 提到的 issues。/session 接口。

使用 wails 和 chatgpt-web项目 整合还是非常容易的。可以封装成接口路径地址。然后返回信息。

【代码】【wails】（3）：解决 go-chatglm.cpp 项目部署编译的问题，在Linux本地环境成功运行，可以使用CPU进行模型训练，速度还可以，后续可以将模型继承到wails项目中。

LaMA.cpp 项目是开发者 Georgi Gerganov 基于 Meta 释出的 LLaMA 模型（简易 Python 代码示例）手撸的纯 C/C++ 版本，用于模型推理。所谓推理，即是给输入-跑模型-得输出的模型运行过程。无需任何额外依赖，相比 Python 代码对 PyTorch 等库的要求，C/C++ 直接编译出可执行文件，跳过不同硬件的繁杂准备；虽然模型回答的不太对，但是可以运行了，速度确实还可以。那么，纯 C/C++ 版本有何优势呢？具有 F16 和 F32 的混合精度；

Wails 是一个可让您使用 Go 和 Web 技术编写桌面应用的项目。将它看作为 Go 的快并且轻量的 Electron 替代品。您可以使用 Go 的灵活性和强大功能，结合丰富的现代前端，轻松的构建应用程序。同时golang 开发相对友好些，各种库都十分丰富，也是一个非常不错的选择。

未经博主允许不得转载。grpc 的服务确实比其他服务开发麻烦一点点。主要是proto工具的安装和配置。但是掌握了之后就发现也是非常的方便的，同时可以支持多种语言的互相调用。同时有了goframe 的工具集成，更容易了，直接帮忙把配置服务。都帮忙写了，剩下就可以去编写业务逻辑了，非常方便。值得推荐。

chatgpt开发对话上下文，一定要把数据都存储上。使用比较原始的方法，直接在controller 上面编写dao 方法。可以把上下文信息都保存起来，这样在查询的时候非常的方便。

goframe里面有很多非常实用的工具类，可以非常方便的解决开发中遇到的问题。类似spring 库和 apache 库，都哟非常丰富的基础类，同时文档非常强大。可以直接使用即可。

GoFrame是一款模块化、低耦合设计的开发框架，包含了常用的基础组件和开发工具，既可以作为完整的业务项目框架使用也可以作为独立的组件库使用。我们为大家提供的快速开始章节，主要以完整的业务项目介绍框架的基本入门和使用。关于独立组件库使用，可以查看独立的组件章节介绍。go installgfUSAGEOPTION会启动web端口在8000，接口和 api 都有。goframe框架还是一个非常不错web框架，同时也尽可能的把开发需要的工具。

可以使用golang 然后控制音频，播放音乐，也是非常不错的库，库也是非常的强大。可以需要在linux上，调用alsa的库，然后播放音频mp3文件。

未经博主允许不得转载。完成度非常高的BBS论坛，有很多实用的功能，部署也是非常的方便的。源代码加上docker-compose可以非常方便的部署起来。部署完成之后支持快速安装，可以使用admin帐号进行登陆。要是本地测试密码可以使用简单些，要是线上的服务，密码要复杂。能完成论坛的很多功能了。非常适合实际使用的场景。特别好。

终于折腾明白整个论坛了，同时使用最简单的办法，使用docker-compose的方式把相关的服务。docker-compose的配置文件已经提交了：casdoor和casnode服务都跑起来。同时了解到casdoor是非常不错的管理帐号的服务。收获还是非常多的。

论坛casnode需要 casdoor 进行权限控制，需要进行登陆页面展示。最重要的技术 clientId 和 clientSecret 和对应的服务器地址。然后就可以进行跳转了。但是还差一点callback的校验。就可以跳转成功了。

未经博主允许不得转载。看着项目还是不错的，使用前后端分离的技术进行开发的。前端使用reactjs 开发，后端使用golang + beego 进行开发。还没有看代码，可以使用docker-compse通过镜像把项目跑起来。而且apache2.0开源的项目，虽然现在论坛不 流行了，但是也有很多地方需要BBS。而且还支持多语言。

调研物联网平台，调研云IOT的费用，用起来非常的贵，但是：省钱费事，省事费钱。

想开发一个使用golang 用的管理后端，发现还是使用beego开发方便。每个框架都有自己适合的地方。现在很多项目都在使用 api + vue 前后端分离的方式进行开发，微服务的方式开发。但是也有些场景可以使用 刷新页面的方式开发。节约时间成本。如果你是老老程序员，还会jquery,可以尝试下。如果你要新学习的话，直接vue做项目，然后启动两个工程吧，就别学jquery了。

总体上感觉 go-zero 还是比较好上手的，使用起来也是非常的方便，但是 curd 的 model 里面的查询略少。而且没有分页查询的数据，需要自己组装。把分页其他的啥的模板都修改下。还是非常不错的框架的。慢慢学习中。

realworld 项目还是不错的，但是前端和后端的匹配还不是特别好。需要自己去解决问题，解决问题的过程就是学习的过程。再有这些接口用例都要自己动手去写，这样才可以学习到技术。

非常强大的golang 管理系统，使用gin进行项目开发，同时完成了基本的权限，角色，日志管理等非常多的功能。还集成了swagger 接口开发。非常容易使用，源代码已经开放了，直接可以用来做个内部系统然后再进行二次开发了。

golang 感觉上要是使用其他语言也可以实现和plc 进行数据对接的。使用golang 进行开发的好处是可以方便、快速的进行数据上报，接口联调。做边缘计算，做云计算。打造工业化4.0服务。