墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.2k累计阅读
1.3k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
“极客分享”是一个书签分享的网站（hackershare.dev），“每周精选”是该网站汇总精选书签的一个栏目。
原文链接: https://hackershare.dev/weekly_selections/6
官方适用于 Apple M1 硬件的 Docker 尚未能运行，如何使用其他方法跑起来呢？本期的推荐博文中会指导你操作。另外还有四个其他值得你了解的书签，包括算法和数据库规范等。“极客分享”网站的内容会围绕技术，但不会局限于技术的一个领域。
独立开发者/远程工作者盈利产品案例分享, 定期和您分享最新独立开发者和远程工作者们的盈利产品案例
标签: #独立开发 #remotejob
Mac本地AI实战指南：Ollama+Llama.cpp+MLX全栈部署
本地大模型推理是指在终端设备（如Mac）上直接运行语言模型，无需依赖云端API。其核心原理基于硬件加速（Apple Silicon统一内存与Metal API）、轻量级推理引擎（Llama.cpp的GGUF量化加载、MLX对神经引擎的深度优化）及服务化封装（Ollama提供OpenAI兼容API）。该技术显著提升响应速度、保障数据隐私、降低使用成本，已广泛应用于代码补全、多模态内容生成、学术研究辅助等场景。本文聚焦Mac平台，详解如何利用Ollama调度、Llama.cpp/MLX执行、ComfyUI/LM
Mac本地部署Hermes Agent+Gemma4实战指南
大模型本地推理正从云端回归终端，Mac凭借Apple Silicon统一内存与ANE神经引擎成为高能效AI工作站的理想平台。其核心原理在于绕过传统x86兼容层与黑盒服务，直接利用oMLX框架深度调度Metal GPU及Apple Neural Engine（ANE），实现GGUF格式模型的低延迟、低功耗推理。技术价值体现在无需Docker、Ollama或Electron即可构建安全可控的离线Agent系统，显著降低内存占用与启动延迟。典型应用场景包括开发者本地AI工具链搭建、产品经理离线原型验证，以及技术爱
Docker Compose 安装全指南：Linux/macOS/Windows 三平台 v2 正确部署
Docker Compose 是容器编排的基础工具，其本质已从独立 Python 应用（v1）演进为 Docker CLI 原生插件（v2），依赖 gRPC 通信与上下文管理。理解这一架构转变，是规避 'command not found'、'unknown command' 及跨平台路径解析失败等高频问题的关键。技术价值在于实现开发环境一致性、CI/CD 流水线可复现性及多环境安全升级能力。典型应用场景包括本地微服务调试、云服务器一键部署、WSL2 与 Docker Desktop 深度集成等。本文聚焦
DeepSeek-Coder 6.7B 本地部署实战：零API、全离线、12分钟跑通
大语言模型本地化运行是保障数据主权、降低长期成本与提升工程确定性的关键技术路径。其核心原理在于绕过云端API，将模型权重、推理引擎与上下文管理全部收敛于终端设备，依托GGUF量化格式与Ollama轻量服务实现跨平台高效加载。技术价值体现在隐私可控、调用零费用、响应低延迟及完全离线可用；典型应用场景覆盖代码辅助、技术文档处理、Shell/SQL脚本生成等开发者高频任务。DeepSeek-Coder 6.7B凭借在HumanEval达75.2%的实测性能、3.8GB q4_k_m量化体积与主流硬件兼容性，成为当
本地运行大模型工具选型实战指南：离线能力、硬件适配与生产就绪
本地运行大模型正从技术尝鲜走向企业级刚需，其核心在于保障数据主权、响应确定性与定制可控性。本质是将大语言模型推理能力下沉至终端或私有服务器，依托GGUF格式、量化压缩、Metal/CUDA加速等关键技术实现轻量部署。技术价值体现在规避云端合规风险、支持内网数据库直连、降低长文本处理中断率，并满足《生成式人工智能服务管理暂行办法》对数据不出域的要求。典型应用场景包括医疗文档离线分析、金融合同自动起草、工业边缘智能诊断等。本文基于217次实测，聚焦LM Studio、Ollama、Jan、Llamafile四大
本地AI助手搭建实战：Ollama、llama.cpp与Qwen2.5全栈指南
本地AI助手是指在个人设备上离线运行的大语言模型系统，其核心在于模型本地化部署、推理全程不联网、数据零外泄。技术原理基于GGUF量化格式与硬件加速（Metal/CUDA）协同优化，通过Q4_K_M等轻量级量化实现精度与速度的平衡，显著降低内存占用和响应延迟。该方案具备强隐私保障、低成本可持续、低延迟高可控三大技术价值，广泛适用于代码补全、文档摘要、合同审阅、RAG知识库等办公与开发场景。本文聚焦Windows/macOS/Linux平台下Ollama、llama.cpp及LM Studio三类主流工具链的实
SillyTavern本地部署与云端托管深度对比指南
SillyTavern作为主流开源AI角色扮演前端，其核心价值在于解耦界面与模型，支持Ollama、vLLM、KoboldAI等多后端接入。理解其运行原理需把握Electron架构特性、本地推理链路（模型→API→前端）与网络代理机制。技术价值体现在数据主权可控、低延迟交互及长周期稳定性，广泛应用于小说创作、游戏NPC训练、个性化AI陪伴等隐私敏感场景。本文聚焦SillyTavern部署决策中的四大硬指标——隐私控制粒度、首字响应时间（TTFT）、硬件资源占用与持续运行稳定性，结合Windows/macOS
PhpStorm专业PHP开发环境配置全指南
PHP是一种动态弱类型语言，其运行时灵活性给代码导航、调试和静态分析带来天然挑战。理解PHP语言引擎与IDE深度集成的原理，是构建高效开发流的关键——它通过内置的Composer支持、Xdebug精准调试、框架路由识别及数据库直连等能力，将动态语言的不确定性转化为可预测的工程实践。这种技术价值在Laravel、Webman、ThinkPHP等主流框架的开发中尤为显著，尤其适用于需要快速定位N+1查询、模型关联异常或CLI子进程调试的中大型项目场景。本文聚焦PhpStorm作为专业PHP集成开发环境的底层配置
四大操作系统深度对比：Windows、macOS、Linux与鸿蒙的核心差异与跨平台协作指南
这次我们来看一个多设备用户最关心的问题：Windows、macOS、Linux、鸿蒙，这四大主流操作系统到底有什么区别？对于开发者、运维、设计师和普通用户来说，选择哪个系统，或者如何让不同系统的设备协同工作，是一个绕不开的难题。这篇文章不聊枯燥的历史和架构，直接从实际使用场景出发，帮你理清它们的核心差异、适用领域和跨平台协作的最佳实践。 如果你手头同时有Windows笔记本、Mac Mini、Linux服务器和鸿蒙平板，想知道哪个系统最适合编程、哪个做设计最顺手、哪个跑服务最稳定，以及如何让它们无缝互通，那
vLLM与Ollama本地部署实战：高并发、低延迟、国产化落地指南
大模型推理引擎是AI工程化落地的核心基础设施，其性能、稳定性与部署效率直接决定企业级应用成败。vLLM凭借PagedAttention机制显著提升GPU显存利用率与吞吐量，成为高并发低延迟场景的首选；Ollama则以极简命令封装模型下载、量化与API服务，大幅降低轻量验证门槛。二者并非替代关系，而是分层协作：vLLM负责生产级性能压测，Ollama支撑快速POC与边缘交付。结合Docker容器化保障环境一致性，再通过Dify或Open WebUI构建业务可感知的交互界面，即可形成从裸机到可商用API服务的完
四大操作系统核心差异解析：从内核架构到应用场景的实战指南
1. 从“能用”到“好用”：四大操作系统的核心分野 如果你刚接触编程或系统运维，面对 Windows、macOS、Linux 和鸿蒙这四个名字，最直接的困惑可能就是：我该选哪个？它们到底有什么不同？网上的对比文章要么太学术，要么太零散。作为一个在 Windows 上写代码、在 macOS 上做设计、在 Linux 上跑服务，并且持续关注鸿蒙生态的开发者，我的看法是： 它们的区别远不止于界面和软件商店，而是根植于设计哲学、目标用户和生态策略的深层差异。 简单来说，你可以这样理解： Windows 是面向最广泛
笔记本免费跑ChatGPT：Ollama+Open WebUI+RAG本地部署指南
大语言模型（LLM）正从云端服务走向个人设备，其核心在于轻量化推理、图形化交互与知识增强生成（RAG）三大能力的协同落地。Ollama作为专为LLM设计的运行时，通过量化压缩与硬件自适应，让7B级模型在16GB内存的笔记本上秒级启动；Open WebUI则超越传统UI，提供开箱即用的RAG工作流、文档解析与权限管理，将复杂工程封装为拖拽式操作；而RAG技术通过检索增强，从根本上抑制幻觉，使模型能精准响应用户私有文档中的具体问题。这一组合已成熟支撑行政、法务、教育、科研等真实办公场景，实现真正离线、可控、可审
本地部署Qwen与DeepSeek：从零搭建可信AI工作流
大语言模型本地化部署是保障数据安全、响应确定性与系统可控性的关键技术实践。其核心原理在于绕过云端API的网络依赖与权限限制，通过量化压缩（如GGUF/AWQ）、轻量推理引擎（如Ollama/vLLM/llama.cpp）及硬件适配（CPU/GPU/Metal），实现模型在私有环境中的稳定运行。技术价值体现在低延迟推理、全链路可审计、无数据出域风险，广泛应用于企业合规审核、私有知识库RAG、边缘智能终端及AI编码助手等场景。本文聚焦Qwen2.5与DeepSeek系列模型在Windows、Mac及Linux平
Fiddler抓包实战：5分钟搞定微信公众号历史消息接口分析（附完整Python代码）
本文详细介绍了如何使用Fiddler抓包工具逆向分析微信公众号历史消息接口，并提供完整的Python代码实现。从环境准备、动态参数捕获到商业级采集系统架构设计，全面解析了突破官方接口限制的技术方案，帮助开发者高效获取公众号文章数据。
Star CCM+ 202206 (17.04) 详细安装步骤
StarCCM+ 17.04 安装包和详细安装步骤
loadStop的原因导致的SSUSP
Total内存值是可用来调度的可用内存，当前可用内存为 0M。 loadSched和loadStop的阈值是根据 Total 内存和节点内存来做限制的。 loadStop 50G，现在有大量作业SSUSP，说明之前某个时间点该节点内存可能有低于50G的时候，导致作业SSUSP，具体是否是这个原因引起的需要用 bjobs -l JobID 看下作业的详细信息。 如果是loadStop的原因导致的 SSUSP，根据loadStop设置的阈值，Total 值高于loadStop值后，将逐步恢复挂起的作业
USRP N210与MATLAB连接实战：从驱动安装到信号接收
本文详细介绍了USRP N210与MATLAB连接的完整流程，涵盖驱动安装、网络配置、支持包安装及信号接收实战。重点解决了安装过程中的常见错误和硬件连接问题，并通过MATLAB代码示例展示了如何配置接收器、处理信号数据，帮助用户快速实现从设备对接到信号分析的全过程。
5.13华为OD机试真题 新系统 - 社交网络相同爱好好友查询 (Java/Py/C/C++/Js/Go)
5.13华为OD机试真题 新系统 - 社交网络相同爱好好友查询 (Java/Py/C/C++/Js/Go)
2026AI漫剧放心大胆做！小白也能轻松出片（附保姆级教程）
要是在2025，我大概率会劝他再等等，毕竟那时工具还没这么顺手。但到了2026年的今天，我的回答得很干脆：放心去做，绝对没问题。这一年多来，AI漫剧这块的变化真可谓翻天覆地。过去你想拍个像样的短片，哪怕再简陋，也得凑齐拍摄设备、找场地、找演员，后期剪辑更是折磨。但现在，时代变了，AI已经把创作的门槛踏平了。你不需要请演员，也不用操心灯光布景，更不用为剪辑特效烧钱。一个人，一台电脑，花几天时间就能做一部完整的AI漫剧。你只要有有想表达的故事，突发的灵感，剩下的，都能直接交给AI落地。
PCL 逐点插入法构建Delaunay三角网（C++详细过程版）
点云构建Delaunay三角网的逐点插入法基于PCL点云库的C++详细过程版实现
英伟达（NVIDIA） 显卡型号、计算能力（CC）、CUDA版本、PyTorch版本 对照表
本文全面梳理NVIDIA显卡型号与其计算能力（CC）的对应关系，并详解各代CUDA版本对不同架构的支持与弃用情况，帮助用户判断硬件兼容性。同时，结合PyTorch官方发布版本，整理其支持的CUDA版本清单，指导开发者合理选择深度学习环境配置。涵盖从Jetson嵌入式设备到H100、Blackwell等最新旗舰显卡，是一份实用的AI开发环境搭建参考指南。
Data-Structures-and-Algorithm-Analysis-in-Java.pdf
作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
大中型超市收银系统(可直接运行)
光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
386
扫一扫
