ollama

爱和冰阔落

Ollama 本地大模型部署实战：从安装到 RAG 知识库完整指南🔥个人主页：爱和冰阔乐 📚专栏传送门：《数据结构与算法》、C++ 🐶学习方向：C++方向学习爱好者 ⭐人生格言：得知坦然，失之淡然

Cursor + Claude Code 全流程实战：搭一套生产级 AI 编程工作流（2026 最新版）这是专栏「AI编程实战：Cursor与Claude Code」的第 1 篇。读完你会得到一套可以照抄进真实项目的 AI 编程工作流：Cursor 与 Claude Code 各自的定位与协作分工、项目级提示词（rules）的写法、一个真实小项目从 0 到跑通的多文件改造、以及 8 个我在生产中真实踩过的报错的「原文 + 根因 + 解法」。不是"怎么装个插件试试看"，而是"明天上班就能用上、还能少踩坑"。

小刘爱搬砖

Ollama本地部署大模型，告别TOKEN焦虑手把手教你从0开始，在你的电脑上跑起来本地大模型，彻底告别TOKEN焦虑。说明：大模型的能力取决于你的电脑性能，如果你的电脑很拉胯，建议直接放弃。

Tauri2+Vue3+Ollama 实战｜依托 AI 协同开发全离线隐私记账桌面软件（开源）当下各类理财记账软件普遍强制用户持仓、交易数据上传厂商云端，敏感资产数据存在泄露隐患；付费第三方 AI 接口做交易复盘又会带来隐私外泄问题。基于痛点，我依托多年金融客户端开发经验，落地一套全本地离线投资复盘系统 Invest Record Pro，全程通过标准化人机协作模式，指挥 AI 完成从产品设计、架构编码到测试上线全流程，项目已 MIT 开源。

omlx实战：5分钟让Apple Silicon本地跑通Claude Code——分页SSD KV缓存把TTFT从90秒压到1秒（附安装踩坑+实测）🍃作者介绍：AI 应用负责人/AI产品架构师，阿里云专家博主。专注 LLM 应用开发、Agent 系统设计、具身智能与工业 AI 落地。日常在大模型训练、Coding Agent 工具链、AI 产品商业化等方向持续输出实战内容。 🦅个人主页：@逐梦苍穹 🐼GitHub主页：https://github.com/XZL-CODE ✈ 您的一键三连，是我创作的最大动力🌹

多模态模型详解：从拼接式到原生统一架构2026年，多模态AI已经从"新鲜事物"变成"基础设施"。GPT-4o 原生多模态架构的全面铺开、Gemini 2.5 的"统一表征空间"、Claude 4 的视觉理解能力跃升、以及 GPT-6（代号"Spud"）于2026年4月14日正式发布——这些事件背后，是一个核心技术范式的转变：

如何在本地搭建天气智能体项目本文将介绍如何在本地搭建一个完整的天气智能体项目。项目主要分为两部分：根据 2026 年 Ollama 最新公告（v0.18.0），我们使用以下技术：

Codex CLI 使用 Ollama 本地模型本次目标是在 macOS 上让 OpenAI Codex CLI 使用 Ollama 本地模型，例如：

Codex Desktop App 使用 Ollama 本地模型技术方案让 Codex Desktop App 不再走 ChatGPT/Codex 云端额度，而是使用本地 Ollama 模型，例如：

DeepSeek 大模型本地部署与调用实战指南最近在大模型本地化部署的圈子里，DeepSeek 系列模型凭借出色的中文理解能力和极高的性价比，迅速成为了开发者们的新宠。很多刚接触本地大模型的朋友往往被各种复杂的术语劝退，或者在环境配置的第一步就卡住了。其实，只要理清思路，利用现有的开源工具，在自己的电脑上跑通一个高性能的本地大模型并没有想象中那么困难。

一键部署私人 LLM：Ollama + Docker 极简指南10 分钟本地跑起大模型，支持 Windows / Mac / Linux，无需代码基础想用 GPT-4 级别的大模型，但不想每次都担心隐私泄露、API 费用爆表？

Ollama 2026最新实践：从本地大模型到本地+云端+Agent工具链如果你在 2024 或 2025 年写过一篇 Ollama 入门文章，那么到 2026 年，这篇文章大概率已经过时了。

从零封装 Ollama AI 服务：TypeScript 流式对话工具开发最近本地 AI 越来越火，Ollama 可以说是我用过最省心的工具了 —— 不用复杂配置，拉个模型就能在本地跑 Qwen、Llama 这些主流大模型，对开发者太友好了。

霸道流氓气质

Windows 图形界面配置 Ollama 镜像地址完整教程通过 Windows 系统设置来配置环境变量，无需使用命令行，更加直观。注：博客：https://blog.csdn.net/badao_liumang_qizhi

【从零搭建本地电商智能客服 Agent：Dify+Ollama+Qwen3.5 部署全流程】本文针对开源电商智能客服 Agent 的部署与落地，提供一套基于 Docker 自托管 Dify + Ollama 本地大模型 + SQLite 商品数据库的完整技术方案。该方案完全脱离 OpenAI 付费 API，以 Qwen3.5:4b 为核心模型，实现免费、离线、可定制的电商智能客服系统，解决了传统客服系统依赖付费接口、数据隐私风险高、部署成本高的痛点。文中详细记录了从 WSL2 环境配置、Dify 容器部署、Ollama 模型对接，到 Agent 业务逻辑实现的全流程，为个人开发者和中小企业提供

【基于 ReAct 框架的电商智能客服 AI Agent 设计与实现】目录一、引言二、系统整体架构三、核心模块设计与实现3.1 环境依赖与项目目录结构3.2 模型配置文件 config.json

《n8n self-hosted-ai-starter-kit 安装部署教程：用 Docker Compose 快速搭建本地 AI 工作流环境》如果你最近想体验“本地 AI 工作流”这件事，但又不想自己从 n8n、Ollama、Qdrant、PostgreSQL 一路手搓到怀疑人生，那 n8n self-hosted-ai-starter-kit 基本就是现成答案。这篇文章就走最务实的路线：用 Docker Compose 把整套环境拉起来，跑通官方内置工作流，并验证服务是否正常可用。先跑通，再谈花活。

【时间之外】私有化部署AI的3个优点和3个缺点目录💡 3个核心优点1. 绝对的数据安全与隐私合规2. 极高的定制化与业务深度融合3. 长期运行的成本可控与零调用费

如何在本地部署大模型-ollama_(保姆级教程)大家可以按需自我选择，我的推荐是本地自己玩使用ollama，在企业使用最好用vLLM如果官网能下载就用官网，不能就镜像地址，懂得都懂

福大大架构师每日一题

ollama v0.23.3 发布：MLX 性能优化、安全加固与传输并发控制2026年5月12日，Ollama 团队正式发布了 v0.23.3 版本。本次更新虽然只有 6 个 commit，但涉及 MLX 推理引擎优化、应用更新机制安全加固、传输并发控制、测试体系完善等多个关键领域。本文将基于官方发布说明，逐条解析本次更新的技术细节和实际影响。