飞询聊AI_个人页

2025年09月

• 09.21 16:22:04
  发表了文章 2025-09-21 16:22:04

  docker 安装 Postgres 17.6

  本文介绍如何通过Docker安装和配置PostgreSQL 17.6。内容包括拉取镜像、导出配置文件、运行容器并挂载数据与配置文件目录，以及进入容器使用psql操作数据库的完整步骤，便于持久化管理和自定义配置。

  
• 09.18 21:17:11
  发表了文章 2025-09-18 21:17:11

  docker 部署 sftp

  本文介绍SFTP服务的部署与配置，包括users.conf用户配置规则、Docker容器运行命令及上传目录权限说明，重点解析atmoz/sftp镜像的chroot机制与子目录映射，确保用户登录后正确访问/upload目录，并提供Python脚本实现文件上传示例。

  

2025年07月

• 07.27 21:56:23
  发表了文章 2025-07-27 21:56:23

  Window 部署 coze-stdio（coze 开发平台）

  本指南介绍了如何在本地环境部署 Coze Studio，包括环境配置、镜像源设置、模型配置及服务启动步骤。内容涵盖 Docker 配置、模型添加方法及常见问题解决方案，适用于 Windows 11 系统，需最低 2 核 CPU 和 4GB 内存。

  
• 07.27 13:34:09
  发表了文章 2025-07-27 13:34:09

  window 部署 coze-loop

  本教程介绍了如何在 Linux 系统上安装 Go 环境、Docker 以及 Coze Loop，并配置多模型运行。内容包括安装步骤、环境变量设置、代码拉取、模型配置及服务启动等关键流程，适用于搭建本地化的 AI 模型服务环境。

  
• 07.06 11:34:22
  发表了文章 2025-07-06 11:34:22

  1668. 最大重复子字符串

  本题要求从字符串 `sequence` 中查找是否存在子串等于 `word`，若存在则返回其最大连续重复次数，否则返回 0。思路是遍历 `sequence`，逐个字符匹配 `word` 的起始位置，若匹配成功则继续判断后续字符是否完整匹配 `word`，并统计连续重复次数。最终取所有匹配中的最大值作为结果。

  

2025年06月

• 06.23 21:15:56
  发表了文章 2025-06-23 21:15:56

  ms-swift 部分命令行参数说明

  本资源介绍了机器学习训练中的关键参数设置及其影响，包括训练轮数、批量大小、学习率、梯度累积、模型微调等，并提供了针对不同任务和硬件配置的推荐值，帮助提升模型训练效率与性能。
• 06.23 21:14:03
  发表了文章 2025-06-23 21:14:03

  ms-swift 微调 internlm3-8b-instruct（论文分类任务）

  本文介绍了使用InternLM系列模型进行论文分类任务的微调全过程，包括环境配置、数据准备、预训练与SFT（监督微调）、权重合并、模型评测及上传至魔搭社区等步骤。使用ms-swift框架和Lora训练方法，在具备40GB显存的A100 GPU环境下完成训练，并通过Swift工具进行效果评估。

  
• 06.20 20:25:11
  发表了文章 2025-06-20 20:25:11

  vLLM 部署 Qwen3

  本文介绍了在特定环境下安装和使用 vLLM 的步骤。环境配置包括 CUDA 12.2、40GB 显存，使用 conda 进行 Python 包管理，并基于 Qwen3-8B 模型。首先通过创建 conda 环境并安装 vLLM 实现部署，接着启动 API 服务以支持对话功能。文中提供了 curl 和 Python 两种调用方式示例，方便用户测试与集成。

2025年05月

• 05.01 22:03:38
  发表了文章 2025-05-01 22:03:38

  Ollama 本地运行 Qwen 3

  本指南介绍如何安装和配置Ollama。首先，从官网下载Ollama并选择适合的安装方式：傻瓜式安装或指定路径安装。安装完成后，可通过系统环境变量配置模型下载路径（可选）。最后，运行对应模型命令进行测试使用，包括选择参数量、复制命令并在命令行工具中执行，验证安装是否成功。
• 05.01 21:58:35
  发表了文章 2025-05-01 21:58:35

  RAG 是什么？一文带你看懂 AI 的“外挂知识库”

  RAG（检索增强生成）是一种结合信息检索与文本生成的技术，通过“先查资料后回答”机制解决传统模型知识更新滞后及幻觉问题。其核心流程包括：1) 检索：从外部知识库中查找相关文本片段；2) 生成：将检索结果与用户查询输入给大语言模型生成回答。RAG利用Embedding模型将文本转为向量，通过语义匹配实现高效检索，提供更准确、实时的回答。

  

2025年04月

• 04.14 10:17:02
  发表了文章 2025-04-14 10:17:02

  MCP：让大语言模型不只是聊天，更能"动手做事"的开放协议

  MCP（Model Context Protocol，模型上下文协议）是一种开放协议，旨在标准化应用程序向大语言模型提供上下文的方式。通过 MCP，大模型不仅能聊天，还能执行如查数据库、写代码等任务。相比 Function Calling，MCP 解耦了工具调用，提升灵活性和复用性，实现“一次开发，多处调用”。其架构包括 MCP Hosts、Clients、Servers，以及本地数据源和远程服务，支持安全访问多种资源。相关资源可在 GitHub 和 mcp.so 获取。