yajunjiao的专栏

其实，搭建挺简单的，只要会用合适的工具，随着社会的发展，这块会越来越没有门槛，只不过，我还是要写一篇，记录下过程。有兴趣，还是要去学习下底层，比如，C++，有兴趣，可以去。如何本地搭建deepseek等大模型，这个是个好玩的事情；一直在网页玩，不知道里边都有啥，也不知道自己该做些什么，这里写下流程，学习学习。选择自己要加载的模型，然后可以去聊天，因为我这只有deepseek和千问的模型。先去下载LM Studio，这个具体怎么做，直接去。然后就是安装，具体安装流程，不多说了。去设置页面，找到下边页面，

本地，可以用ollama或者LM Studio搭建本地的环境，下载大模型，然后可以去提问题，大模型回答；根据上边的流程，还差一个搭建AI知识库管理工具，这个可以用AnythingLLM或者Cherry Studio，应该是都可以的；我倾向于选择LM Studio，Cherry Studio这套组合，之前玩过Ollama，觉得还好，后来就想看看别的，都使用下，多体验，找到适合的。这篇，主要是把原理，用的工具说下，然后，后边开始去写点具体的操作。不过，虽然都有工具了，还是要学习底层，的有兴趣，可以去。

主要流程就是网页端发送一个信息，然后，通过agent，调用deepseek的模型，最后deepseek返回信息。因为代码都是用python写的，而python很多东西都是要跟C++交互的，都是语言层面的东西，有兴趣，可以去这里看看。结束，回头看看抽空写点跟streamlit相关的。

Pandas 是一个功能强大的库，广泛应用于数据科学的各个方面。它不仅简化了数据的加载、清洗、分析、可视化等操作，还提供了丰富的工具来处理时间序列数据、进行数据合并与连接、执行高级分析任务等。对于任何需要进行数据处理和分析的任务，Pandas 都是一个不可或缺的工具。当然，想学习，python，还是要懂点C++，有兴趣，可以去这里看看。

本文分享了一个爬取《三国演义》小说内容的Python爬虫项目。作者通过AI辅助编写代码，实现了从目标网站自动获取小说目录和各章节内容的功能。代码包含两个主要函数：download_chapter_content()用于获取目录并协调下载流程，get_chapter_content()负责具体章节内容的提取。项目采用了请求头伪装、随机延时等防反爬措施，并将结果按章节保存为文本文件。作者强调这是一个实践导向的项目，建议读者通过实际操作用AI辅助调试来学习，代码已托管在GitHub。

文章摘要：该项目实现了一个在Unreal Engine中跨平台（含Shipping模式）绘制线段的解决方案，通过创建ULineBatchComponent组件来替代DebugDrawLine功能。代码以插件形式提供，包含RuntimeLineDrawer类和相关实现文件，支持自定义线段颜色、粗细、生命周期等参数。完整代码已托管在GitHub仓库，采用标准的UE插件目录结构，可方便集成到现有项目中。该方案解决了原项目在发布版无法使用调试绘图功能的问题。

一直说要开始写大模型相关的文章，一直没开始，这不就开始了吗？文生图大模型，这只是一个粗略的模型，回头lora那些模型都弄完了，再更新。

好了，就写到这里了。本篇主要详细的写了怎么本地编译，部署fish-speech；如果第一次，难免中间会出现很多问题，一点一点解决。最终能部署成功的。

开始写人工智能模块。既然决定开始写这些，那就开始吧！