qwen

Qwen3-VL-2B vs BLIP-2：轻量视觉模型部署效率对比分析你有没有遇到过这样的场景：想在一台没有显卡的办公电脑上跑一个能看图说话的AI工具，结果发现动辄十几GB的模型根本加载不动？或者在边缘设备上部署图文理解服务时，推理延迟高达几十秒，用户等得不耐烦直接关掉页面？

汀江游非侠

模型下载与使用根据个人电脑配置及使用场景，我选择模型为Qwen-4B-Chat-Q4_K_M模型需要从Huggingface模型库下载，需要使用平台工具来下载

Spring with AI (6): 记忆保持——会话与长期记忆本文代码： https://github.com/JunTeamCom/ai-demo/tree/release-6.0 (JDBC-MySQL版本的会话持久化)

Spring with AI (5): 搜索扩展——向量数据库与RAG(下)本文代码： https://github.com/JunTeamCom/ai-demo/tree/release-5.0 https://github.com/JunTeamCom/ai-demo-tools/tree/release-5.0/data-loader

Spring with AI (4): 搜索扩展——向量数据库与RAG(上)本文代码： https://github.com/JunTeamCom/ai-demo/tree/release-4.0 https://github.com/JunTeamCom/ai-demo-tools/tree/release-4.0/data-loader

Qwen3.5-4B 微调实战：LLaMA-Factory 打造医疗AI助手最近在帮一个医疗创业团队做技术支持，他们想把通用大模型改造成能回答专业医疗问题的智能助手。今天就把整个过程整理出来，希望对有类似需求的朋友有所帮助。

Linux环境安装SGLang框架运行自选大模型（以Rocky9.7为例）以下安装过程本人已验证可行，供君参看：1、安装系统、配置网卡（/root文件夹尽量大一些） 2、装gcc和g++，直接运行gcc --version和g++ --version和有提醒安装 4、禁用nouveau，重建 initramfs 镜像（这一步至关重要，确保引导时加载新配置），重启 echo -e 'blacklist nouveau\noptions nouveau modeset=0' | sudo tee /etc/modprobe.d/blacklist-nouveau.conf sudo

小田学Python

Dify+Ollama模型搭建攻略：本地环境实战指南Dify 是基于 Docker 运行的开源大模型应用开发平台，在 Windows 系统上直接运行 Docker 或 Dify 容易出现兼容性、性能问题，而 WSL2（Windows Subsystem for Linux 2）能提供更原生的 Linux 环境，更适配 Docker 和 Dify 的运行需求。

大模型--OpenAI&创建阿里云百炼API Key简单来说，OpenAI 大模型是由美国人工智能公司 OpenAI 开发的一系列大型语言模型（LLMs）。你可以把它们想象成拥有巨大“知识储备”和“学习能力”的超级大脑，它们被训练用来理解和生成人类语言，并完成各种复杂的任务。

Spring with AI (3): 定制对话——Prompt模板引入本文代码：https://github.com/JunTeamCom/ai-demo/tree/release-3.0 Spring with AI系列，只关注上层AI的应用程序（基于JAVA搭建），不关注底层的LLM原理、搭建等技术。

本地模型工具ollama配置使用openclaw指南本文介绍先对于已经熟悉ollama的小伙伴，在安装ollama之后，如何安装并配置openclaw。ollama也在不断地更新版本，建议老版本的小伙伴可以安装最新的ollama。ollama官网，这里，会检测操作系统，给出对应的命令，如下是windows的命令，以管理员权限打开powershell运行即可；

Spring with AI (2): 评估答案——UnitTest引入本文代码：https://github.com/JunTeamCom/ai-demo/tree/release-2.0 Spring with AI系列，只关注上层AI的应用程序（基于JAVA搭建），不关注底层的LLM原理、搭建等技术。

openclaw部署及qwen模型配置环境说明：windows 10、node v25.2.1 网络环境：科学上网参考：https://help.aliyun.com/zh/model-studio/openclaw?spm=a2c4g.11186623.0.i1

在Windows11利用llama.cpp调用Qwen3.5量化模型测试1.下载llama.cpp二进制文件访问 https://github.com/ggml-org/llama.cpp/releases 或者 https://bgithub.xyz/ggml-org/llama.cpp/releases 选择适合自己平台的。我没有独立显卡，所以选择CPU版本

qwen3.5 文字、图像、视频多模态openai接口案例参考： https://qwen.ai/blog?id=qwen3.5

重生之我要成为代码大佬

AI框架设计与选型写在前面：本博客全部基于知乎的大模型课程所做的笔记和整以及和在实操过程中遇到的问题和处理方法，（老师们讲的都很好，解答的也很细致）博主也正在学习中，如果有错误的地方期待和我沟通。大多代码都来自于上课的资料，加入了一些注释和梳理，或者对我没有跑通的代码做了一些修改让他符合我的需求。第一节链接：langchain多任务应用开发

智能体大赛总结与展望比赛总结“智研星图”智能体的设计与开发，是我们在2025“万方数据杯”智能体大赛中针对“研学效率工具”赛道所提出的一项系统性、创新性解决方案。本项目立足于当前科研工作者在“知识爆炸”时代所面临的严峻挑战——信息过载、检索低效、整合困难、创新乏力，通过深度融合LLM的强大能力与权威学术数据库的可靠数据，构建了一个以真实性为基石、以智能化为引擎、以激发创新为愿景的新一代AI研究辅助平台。本次参赛过程不仅是对我们技术能力的一次全面检验，更是对未来人机协同科研范式的一次深刻探索与实践。

背离赤道逆光而行

Clawdbot部署实操：解决‘gateway token missing’授权问题的完整步骤Clawdbot 是一个统一的 AI 代理网关与管理平台，它的核心目标很实在——让开发者不用反复折腾模型对接、权限配置和会话管理，就能快速把自主AI代理跑起来、管起来、用起来。

leniou的牙膏

Clawdbot部署教程：解决‘gateway token missing’授权问题的完整步骤Clawdbot 是一个统一的 AI 代理网关与管理平台，专为开发者设计，目标很实在：让你不用反复折腾配置、写胶水代码、搭中间层，就能快速构建、部署和监控自己的自主 AI 代理。