Heartsuit的博客

结合实际的应用场景，本次主要关注在纯CPU场景下，对于中文文本的合成效果（人声自然）与合成效率（时间短）两个方面。以下将通过对eSpeak，ChatTTS，CoquiTTS这三种语音合成TTS服务离线部署测试，分析三种方案的优劣。

Dify本地部署后遇到的几个问题及其解决方案：首先是忘记密码，可以通过官方提供的flask reset-password命令重置；其次是密码错误次数超限导致账户锁定的问题，可以通过删除Redis中对应的限制Key来解决；再次是端口占用和HTTPS配置，可以通过修改EXPOSE_NGINX_PORT和NGINX_HTTPS_ENABLED等配置来解决；最后介绍了如何通过调整UPLOAD_FILE_SIZE_LIMIT和UPLOAD_FILE_BATCH_LIMIT参数来突破知识库文档上传的大小限制和数量限制。

介绍了如何使用Dify平台结合Qwen2.5(7B)模型和Flux.1文生图工具，打造一个专属的文生图智能体（Agent），实现了中文输入到高质量图片生成的功能。文章详细说明了从创建应用、配置工具、编写提示词到实际使用的完整流程，并展示了多个成功的文生图示例。主要技术要点：1. 使用Dify的Agent功能作为基础框架2. 集成SiliconFlow的FLUX.1-schnell作为文生图工具3. 使用Qwen2.5(7B)作为LLM模型通过优化提示词实现中英文转换，提升生图质量。

本文通过组合 Dify 的工作流编排、 Tavily Search 搜索引擎工具以及 Qwen2.5 模型，成功实现了一个能够回答实时问题的 AI 搜索引擎，步骤详细，极具可操作性。后续想办法解决模型对相对时间（今天、昨天、去年等）的理解存在局限性。这个 AI 搜索引擎能够回答一些实时新闻和事件相关的问题，展示了 Dify 工作流编排功能的便捷性、实用性。

介绍了如何使用Ollama和Dify搭建个人AI助手。首先通过Ollama私有化部署了Qwen2.5(7B)模型，然后使用Docker Compose一键部署了Dify社区版平台。在Dify平台上，创建了基于Qwen2.5模型的聊天助手，并添加了个人知识库作为上下文，实现了真正的个人助手功能。文章最后还介绍了离线部署方案，包括如何导出/导入Docker镜像和迁移模型文件，方便在无互联网环境下部署使用。整个过程展示了从模型部署到应用构建的完整流程，为搭建私有化AI助手提供了实践指导。

你是不是也有私有化部署大模型的需求？如今有了Ollama，HuggingFace，ModelScope等开源平台，我们可以非常方便地搭建一个属于自己的大模型，如果网速给力，真是分分钟~~。简单起见，这篇文章仅用到了Ollama官方提供的一个2G大小的模型：llama3.2（3B），后续还可以私有化部署通义千问（Qwen）、智谱AI（glm）等知名大模型。在一台纯CPU的虚拟机上部署Ollama与Open WebUI，整个部署过程简单直观，为用户提供了一个便捷的私有化大模型解决方案。

这两天体验了下最新生产力工具Cursor，基于最新的 GPT-4 大模型，目前免费，国内可访问，不限次数，你确定不来体验一把？以下通过12个简单的问题，从*语言支持*、*语法支持*、*业务场景*、*代码解释*、*代码优化*等方面来体验一把这个编程生产力利器。理论上，对于复杂的任务，只要分解到GPT能够理解的那一步，都可以胜任。程序员的AI助手，自然语言编程真的来了。至于下面生成的代码能不能用，还需要进行实际验证，但目测从语言支持、语义理解以及逻辑推理等方面来看，可用率至少80%。