ollama

docx 报表进 OpenClaw 本地 RAG：memory 索引实践与 6 个坑正文：D1 把对话模型换到本机 Ollama 之后，D2 的问题变成：业务里的 docx、xlsx 报表，能不能不进云、在内网完成建库和检索。

福大大架构师每日一题

ollama v0.30.8 最新更新解读：修复启动提供方选择错误，提示词缓存更稳，MLX 推理与递归模型全面增强2026年6月13日，ollama 发布了 v0.30.8 版本。这次更新虽然看起来条目不多，但每一项都非常关键，尤其是围绕启动选择、提示词缓存、MLX 推理稳定性、快照机制以及循环模型支持的增强，都直接影响实际使用体验和推理可靠性。对于正在使用 ollama 或关注其更新的开发者来说，这个版本值得认真看一遍。

大佐不会说日语～

在 Windows 本地用 Docker 部署向量模型（bge-m3）在 CMD 里执行：检查输出中是否有 bge-m3。如果是空的或只有其他模型，请执行下一步。注意：务必盯紧日志，看到success才算成功。

05_Dify接入Ollama本地大模型本文档介绍了在 Dify 平台中集成和使用 Ollama 大模型的具体步骤。首先需要完成 Ollama 的安装与配置。然后登录 Dify，进入设置界面，在模型供应商中找到并安装 Ollama 供应商。接着添加模型，填写模型信息时需注意基础 URL 的设置：若 Dify 与 Ollama 部署在同一 Docker 机器上，使用 http://host.docker.internal:11434；若在不同机器上，则使用本机 IP（如 http://192.168.x.x:11434）。配置完成后，可在 Dif

Windows 平台 Ollama AMD GPU 一键编译指南：基于 ROCm 7.1 的自动化实战去年我们在 Windows 上编译 Ollama 的 AMD GPU 版本时，需要在 PowerShell 里小心翼翼地把环境变量逐个敲进去，手动搞定 CMake 和 Ninja，稍有不慎就可能因为一个架构参数而前功尽弃。如今，随着 ROCm 7.1 正式支持 RDNA 3.5 架构，社区也打磨出了一套高度自动化的构建脚本——只需一行命令，就能把 Ollama 源码编译成原生调用 AMD GPU 的 Windows 可执行文件。

Ollama【部署 07】搭建本地智能体的简单说明（局域网离线部署Ollama+模型迁移+Docker部署AnythingLLM）核心流程：安装Ollama（运行模型的基础工具）→ 下载模型 → 安装Chatbox（可视化聊天界面）→ 配置Chatbox连接Ollama。

部署 Nacos + Ollama + vLLM + MCP 完整图文教程（1Panel 面板，命令行安装两种方式）架构的介绍在基于Nacos+Ollama+vLLM+MCP的企业级私有化AI智能体最佳技术方案中有详细的描述

小七-七牛开发者

本地模型为什么能跑起来？从 llama.cpp 量化说起上周，Google 发布了 Gemma 4 12B。这个模型最大的亮点是，官方说它可以在 16GB VRAM 或 unified memory 的消费级笔记本上本地运行。

OpenClaw 局域网调用 Ollama 本地大模型：完整配置与踩坑指南OpenClaw 是一个非常好用的 AI 助手平台，但它默认依赖云端 API。用量确实很大，费用真的不便宜，每月至少几百块打底。而本地模型呢？一次硬件投入，零边际成本。数据不出门，连隐私问题也一并解决了。

程序员阿卢

01-基于springboot框架调用ollama下的模型完成基本功能上一篇讲述了ollama优势以及本地安装和验证。通过上一篇的学习，希望大家能掌握ollama工具的本地化安装已寄出测试验证

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：