- 博客(28)
- 收藏
- 关注
原创 Compose文件越攒越多,我开始懒得翻终端:Dockge把Stack管理搬进了浏览器
Dockge 是一款开源、轻量级的 Docker Compose 可视化管理工具(Web UI),旨在让你通过图形界面轻松创建、编辑、部署和管理 Docker Compose 项目(也称为 “stacks”),而无需频繁使用命令行。核心功能可视化 Stack 管理在浏览器中以卡片或列表形式查看所有 Compose 项目(stacks);一键启动、停止、重启、更新或删除服务。在线 YAML 编辑器内置语法高亮和自动缩进的编辑器,直接在网页上编写或修改 docker-compose.yml;
2026-11-12 11:28:53
12190
原创 Fenrus导航页教程:极空间Docker部署、搜索配置与远程访问
Fenrus这种工具很难用“功能多不多”来评价,因为它真正的价值就在每天那几次打开浏览器的瞬间。常用入口都在眼前以后,很多原来要翻书签、找历史记录的小动作自然就少了。我更愿意把它看成NAS服务的门厅,而不是一个单独应用。服务以后可以继续换、继续加,但入口保持一个就行。如果你本来就有自己的NAS和一堆自建工具,花一点时间把入口整理好,后面每天都会省回来一点。
2026-11-05 16:02:17
10109
原创 密码散在浏览器和备忘录里,还总重复用同一套?Vaultwarden把它们迁进自己的私人密码库
是一款开源的密码管理解决方案,用于集中保存和管理账号密码等敏感数据,并兼容Bitwarden客户端和浏览器扩展。完全私有:数据全部存放在自己的设备(如 NAS)中,不上传任何第三方云端。端到端加密:只有你自己能解密,真正做到隐私自由。安全防护支持个人 API 密钥,强化数据访问安全。支持全方位多因素认证(MFA),包括验证器 App、邮箱、FIDO2、YubiKey 等。提供紧急访问功能,可设置可信联系人,特殊情况下也能调取保险库数据。客户端兼容。
2026-10-29 14:23:36
10491
1
原创 qBittorrent WebUI真正方便的不是下载:而是让长期任务和电脑彻底解耦
飞牛NAS + Docker8860改密码 → Tracker → 语言 → URL任务 → torrent文件二级子域名SSH;Docker检查;配置目录;下载目录;容器启动;docker ps;日志查看初始密码;WebUI登录;修改密码;Tracker设置;替代WebUI入口;中文界面;URL任务;torrent文件任务;cpolar安装;8860公网访问;二级子域名;外部设备管理。
2026-10-22 15:11:14
15719
1
原创 百元N1也能跑OpenClaw:飞牛NAS部署、微信接入与远程SSH运维实战
这次把OpenClaw放进N1以后,最值得确认的一点不是“百元盒子居然能跑超大模型”,而是这种低成本ARM设备完全可以承担AI Gateway:微信消息在这里接入、配置和转发,真正的大模型推理由外部API完成。从Node环境、OpenClaw onboard、模型Provider,到腾讯微信插件扫码和微信真实对话,整条链已经完整跑通。N1承担的是常驻和连接,云端模型负责算力,这也是为什么老设备仍然有利用价值。真正需要警惕的是版本。
2026-10-15 14:25:52
10109
1
原创 Paperless-ngx部署实战:PostgreSQL、OCR与文档归档完整教程
整套部署可以拆成三层:PostgreSQL 和 Redis 提供数据与任务基础;Paperless-ngx、Tika 和 Gotenberg 负责文档处理、OCR 与 Web 管理;远程访问部分则负责把已经运行好的9981服务带到局域网之外。本地部署完成以后,还要继续做用户注册、文档上传、打开和编辑等实际验证。只有这些操作跑通,才能说明这套文档管理系统真正可以使用,而不只是容器状态正常。需要外部访问时,再创建9981隧道,并继续配置固定二级子域名。这样从文档导入、管理、检索到远程查看,整个使用链才完整。
2026-10-08 11:48:36
10696
原创 本地 AI 绘图怎么远程用?从 Stable Diffusion WebUI 安装到固定公网入口
这套 Stable Diffusion WebUI 的重点,不只是“装完一个 AI 绘图页面”。真正顺手的状态,是本地环境稳定、启动路径清楚、提示词和中文界面都能正常使用,再按需要补上远程访问入口。哪一层出问题,就处理哪一层,不必把模型、WebUI 和网络混在一起排查。远程访问以后,模型和显卡仍然留在自己的 Windows 电脑上,cpolar 只是把7860页面提供给外部浏览器。把这点想清楚以后,固定公网地址更像一把远程入口钥匙,而不是“把 Stable Diffusion 搬到云端”。
2026-09-24 15:43:14
24097
原创 Docker 容器谁在吃 CPU?用 cAdvisor 把资源占用直接看清楚
cAdvisor(Container Advisor)是一款用于收集、分析和展示容器资源使用情况的工具。它更适合解决的不是“自动修复故障”,而是先把容器运行状态变得可见。CPU 使用情况;内存用量;磁盘 I/O;网络 I/O;容器镜像、启动时间、标签等元数据;宿主机整体资源状态。cAdvisor 自身以容器或进程运行,通过 Linux 的 cgroups、procfs、sysfs 等机制读取资源统计信息,再通过 Web 页面展示。
2026-09-17 14:48:34
11503
原创 Linux 部署 Whisper 语音识别服务完整教程
基于Whisper和FastAPI的语音识别系统搭建指南 本文介绍了使用OpenAI Whisper和FastAPI搭建GPU加速的语音识别系统的完整流程。系统支持多种音频格式(mp3/wav/m4a等),提供API接口调用,可实现自动语音转文字功能。文章详细说明了不同Whisper模型的显存占用情况(从0.5GB到12GB不等),并给出了服务器配置建议(推荐8GB以上显卡)。项目采用Nginx+FastAPI+Whisper架构,包含环境搭建、接口开发、测试部署等完整步骤。
2026-05-11 09:57:06
567
原创 知识图谱实战第五章:关系抽取技术全面指南
本文系统介绍关系抽取的四种主流方法:基于人工规则、传统Pipeline(如BiLSTM+Attention)、联合抽取模型(如Casrel)以及大模型微调策略。通过四张核心图解,清晰展示每种方法的流程、优缺点及适用场景。规则方法可解释性强但泛化差;Pipeline实现简单但存在误差传播;联合模型端到端训练效果更优;大模型则在少样本下表现突出。文章结合代码与实践,为NLP工程师提供技术选型参考。
2026-05-11 09:26:38
771
原创 知识图谱实战第四章:实体抽取全攻略——从规则到深度学习(含Viterbi算法)
本文带你系统掌握命名实体识别(Named Entity Recognition, NER) 的核心技术与实践方法,从零开始构建一个完整的中文 NER 系统。内容覆盖 NER 的基本概念、主流实现方式(规则、传统机器学习、深度学习),并深入剖析当前工业界广泛应用的 BiLSTM+CRF 模型
2026-04-14 09:43:50
1246
原创 知识图谱实战第三章:Neo4j入门这一篇就够了!Cypher核心命令+安装全攻略
Neo4j是一款基于Java的开源图数据库,自2003年研发并于2007年发布首个版本,现已被广泛用于企业级应用。它支持ACID事务、集群部署等完整数据库特性,提供社区版(免费)和企业版(付费)两种版本。Neo4j的数据模型包含节点(Node)、关系(Relationship)、属性(Property)和标签(Label)等核心概念。安装需先配置JDK环境,再下载Neo4j社区版并设置环境变量,通过命令行启动后可在浏览器访问管理界面。Cypher是Neo4j的查询语言,支持创建节点(CREATE)、查询(M
2026-04-11 10:21:53
858
原创 知识图谱实战第二章:用 Doccano 数据标注 + Neo4j 存储 + Cypher/SPARQL 查询全攻略(附Doccano安装与使用教程)
本文介绍了四种自然语言处理工具:Doccano数据标注平台、Flask框架、Gunicorn服务组件和Neo4j图数据库。重点讲解了Doccano的安装与使用方法,包括创建项目、导入语料库和添加标签等步骤。Flask作为轻量级Web框架用于API开发,Gunicorn作为高性能WSGI服务器与Flask配合使用,而Neo4j则是重要的图数据库工具。这些工具共同构成了NLP项目开发的基础技术栈,从数据标注到服务部署的全流程支持。
2026-04-04 18:34:06
1367
原创 知识图谱实战第一章:知识图谱全景解析其定义、技术演进与十大应用场景
知识图谱是以图结构形式描述客观世界概念、实体及其关系的语义网络,由节点(实体/概念)和边(关系/属性)组成。其技术架构包含数据获取、信息抽取(实体/关系/属性抽取)、知识融合(消歧/对齐)和知识加工等核心环节。知识图谱在搜索引擎、智能助手、金融风控、医疗诊断等领域具有广泛应用,通过结构化表达实现知识的有效组织与管理。典型应用包括商业股权投资分析、教育知识管理和政务数据处理等,能显著提升信息处理效率与决策质量。
2026-04-04 17:20:16
3632
原创 Ragflow Docker部署及问题解决方案(界面为Welcome to nginx,ragflow上传文件失败,Docker中的ragflow-cpu-1一直重启)
RAGFlow 是一款基于检索增强生成(RAG)技术的开源智能问答系统,支持本地知识库构建与高效语义检索。本文详细介绍了如何通过 Docker 快速部署 RAGFlow 本地环境,涵盖 Docker 安装、镜像拉取、容器配置及服务启动等关键步骤,并对常见部署问题(如端口冲突、依赖缺失)提供实用解决方案。通过本教程,用户无需复杂环境配置,即可在个人电脑或服务器上一键运行 RAGFlow,快速搭建私有化智能问答应用。适合 AI 工程师、开发者及对 RAG 技术感兴趣的初学者参考实践。
2026-03-28 12:02:57
3570
20
原创 1.自然语言处理入门
本文系统介绍自然语言处理(NLP)的基本概念,梳理其从规则驱动、统计方法到深度学习的发展历程,并结合机器翻译、智能客服、情感分析等典型应用场景,展现NLP如何赋能人机交互与智能决策。
2026-01-24 11:29:16
1831
2
原创 GPTQ模型量化
GPTQ是一种高效的后训练量化算法,可将大模型权重压缩至低比特(如4-bit)而不显著降低性能。其核心思想是通过Hessian矩阵评估权重重要性,逐层最小化量化误差。实践步骤包括:1)创建专用环境并安装依赖;2)准备校准数据;3)执行量化流程,保存量化模型。测试显示量化后模型参数量显著减少(如Qwen2.5-7B从13.5GB降至4.2GB),推理速度提升约30%。该方法为大模型部署提供了高效的轻量化解决方案。
2026-01-19 10:00:54
1526
原创 vLLM的使用
vLLM是加州大学伯克利分校开发的高效大型语言模型推理框架,其核心创新PageAttention技术通过内存分页管理优化KV缓存,使显存利用率达96%。支持批量任务并行处理和多个LoRA模块加载,显著提升推理速度与资源利用率。部署时可在Linux环境下安装vLLM,通过简单命令启动模型服务,并支持LoRA模块灵活切换。测试显示,相比传统方式,vLLM能实现数倍的推理速度提升,同时提供完善的Token统计和性能监控功能。该框架特别适合需要高效处理长文本和多任务并行的应用场景。
2026-01-19 10:00:38
1986
原创 LLaMA-Factory使用
LLaMA-Factory是一个多功能大模型训练框架,支持LLaMA、Qwen等上百种模型的多种训练方式。本文演示了使用LLaMA-Factory微调Qwen2.5模型的过程,包括环境安装、数据准备和全量微调配置。关键步骤:1)安装指定版本LLaMA-Factory;2)准备JSON格式训练数据并注册;3)下载Qwen2.5模型;4)配置全量微调参数(含DeepSpeed优化)。该框架支持多种精度和算法,提供高效的大模型训练解决方案。
2026-01-18 14:44:08
1385
原创 DeepSpeed使用
DeepSpeed是由微软开发的开源深度学习优化库,专注于大规模模型训练。它通过创新的并行化策略(数据并行、模型并行)、内存优化技术(ZeRO系列)和混合精度训练,显著提升训练效率并降低资源需求。核心特点包括:支持超大规模模型训练(如130亿参数模型在单卡V100上运行)、优化显存利用率(ZeRO技术减少冗余)、灵活配置(兼容PyTorch)。实践部分介绍了安装方法和关键配置文件参数设置,适用于语言模型、图像分类等多种深度学习任务。
2026-01-18 14:22:04
1273
原创 LLaMa-Factory应用到实战(二)
本文系统介绍了开源大模型微调框架 LLaMA-Factory 的核心特性、技术优势与实战应用。相较于 Firefly、SWIFT、XTuner 等同类工具,LLaMA-Factory 提供了从数据预处理、高效微调(支持 LoRA/QLoRA/全参数训练)、自动评估到本地推理部署(含 Gradio 可视化界面)的端到端工具链,显著降低大模型定制化门槛。
2026-01-17 12:38:15
1515
原创 LLaMa-Factory应用到实战(一)
本文系统介绍了开源大模型微调框架 LLaMA-Factory 的核心特性、技术优势与实战应用。相较于 Firefly、SWIFT、XTuner 等同类工具,LLaMA-Factory 提供了从数据预处理、高效微调(支持 LoRA/QLoRA/全参数训练)、自动评估到本地推理部署(含 Gradio 可视化界面)的端到端工具链,显著降低大模型定制化门槛。
2026-01-17 11:05:32
1669
原创 不止是 Prompt:LangChain 如何让 AI 真正“行动”起来?
LangChain是一个围绕大语言模型(LLMs)构建的开发框架,旨在简化LLM应用的开发流程。它提供统一接口连接多种模型组件,包括LLMs、聊天模型和文本嵌入模型,并支持提示管理、记忆存储、索引构建等功能。LangChain的核心包包括基础抽象层、集成包和社区维护组件,通过模块化设计帮助开发者快速构建复杂的AI应用。文章详细介绍了如何使用不同模型进行文本生成和嵌入计算,并展示了提示模板的应用实例。该框架显著降低了LLM应用开发门槛,使开发者能更专注于业务逻辑实现。
2026-01-16 13:49:27
1180
原创 Milvus向量数据库的使用
摘要: Milvus是一个开源的向量数据库,专为高效存储和检索AI模型生成的向量数据设计。它将非结构化数据(如文本、图像、音频)转换为高维向量,支持毫秒级相似性搜索。关键特性包括高性能、高可用性、混合查询和开发者友好性。核心概念包括非结构化数据、嵌入向量、向量相似度搜索以及Collection和Field的数据结构。Milvus支持多种索引类型(如FLAT、IVF_FLAT、HNSW)和相似度度量方法(如L2、IP、COSINE)。操作上,可通过Python客户端进行数据库连接、集合创建和数据管理,支持动态
2026-01-16 10:08:53
1205
原创 部署Milvus和Redis教程
本文提供Windows 11和macOS系统下使用Docker部署Milvus向量数据库和Redis键值存储的详细教程。内容包括:硬件要求(8GB+内存,20GB+磁盘)、软件准备(Docker Desktop安装)、网络配置及端口占用检查。重点讲解Windows环境下的部署步骤:1) 安装WSL和Docker Desktop;2) 配置Docker Compose文件;3) 解决镜像拉取问题;4) 启动容器并验证服务状态。教程还包含Milvus Python SDK安装方法,帮助用户快速搭建开发环境。通过
2026-01-15 18:26:57
1559
原创 RAG讲解及小demo实现
RAG(检索增强生成)技术通过结合大语言模型与外部知识源检索,有效解决了LLM的幻觉问题、知识滞后和领域专业性不足等局限性。其工作原理分为索引、检索、生成三阶段:将文档向量化存储,检索相关文本块后与查询共同构成提示词输入LLM生成回答。相比传统检索问答和纯LLM方案,RAG兼具可靠性(答案可溯源)、知识可更新性和自然语言表达能力。技术优势包括支持私有数据、实时更新、降低幻觉风险及增强数据安全。示例代码展示了如何利用LlamaIndex框架快速构建RAG系统,通过外挂知识库显著提升模型回答的准确性和专业性。
2026-01-15 17:33:40
1338
原创 私有化大模型部署_基于ollama+ChatBox实现chatBot(二)
Ollama提供完整的本地大模型管理方案,包含命令行工具和API接口。客户端支持run(运行模型)、show(查看信息)、pull(下载模型)、list/ls(列出模型)、ps(查看运行模型)、rm(删除模型)等命令,其中run命令支持指定模型版本、提示词及运行参数。API方面采用HTTP协议,支持GET/POST请求,提供模型生成、聊天、创建等接口,返回JSON格式数据。典型API包括生成接口(/api/generate)和聊天接口(/api/chat),支持stream模式实时返回结果。
2026-01-11 14:00:48
1386
1
原创 私有化大模型部署_基于ollama+ChatBox实现chatBot(一)
私有大模型因数据隐私与安全问题成为企业AI应用的新方向,典型案例如三星员工使用ChatGPT导致机密泄露。Ollama和LMstudio等工具应运而生,支持本地化部署大模型。Ollama作为开源轻量级框架,提供一站式管理、热加载模型、多平台支持等特性,简化了LLM的本地运行与开发。安装方式涵盖Windows、Mac和Linux,Linux可通过手动或脚本安装。以通义千问(Qwen)为例,演示了模型下载与终端交互流程,并说明如何通过环境变量修改默认存储路径。私有大模型兼顾安全与效率,是企业AI部署的理
2026-01-10 14:35:28
1296
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅