正经教主是个热衷于正经学习分享的教主。

github生成API-key的操作过程记录。

openrouter创建API-key的页面，给大家翻译了一下，大家对照英文界面操作。

用n8n搭建一个MCP服务，然后用开发环境的MCP测试工具，测试调用一下。

n8n提供的云测试环境，测试了一下，好用。

硅基流动邀请注册获得200万tocken，及相关大模型调用示例。

n8n是一款开源的低代码自动化工具，专注于AI工作流构建，支持灵活的自定义与集成。本节目标：n8n调用公网的大数据模型，完成一个简单的工作流。

n8n是一款开源的，专注于AI工作流构建，支持灵活的自定义与集成。就是可以把大模型和其他工具联合起来，这就厉害了。而且，免费功能又强大，目前很火，来研究一下。

偶然发现，一个教学神器，324页的一个pdf技术书籍，一分析就生成了18集，每集7~8分站左右的视频教程，这就是秘塔的心功能，特别来分享一下。

autoit的图形化界面创建。

终极目标：通过python调用大模型，获得结果，然后根据返回信息，控制AutoIT操作电脑软件，执行具体工作。让AI更具有执行力。已完成部分：本文，总结用python调用AutoIT，这样就离我们的目标更近了，加油💪。。。

目标：通过python调用大模型，获得结果，然后根据返回信息，控制AutoIT操作电脑软件，执行具体工作。让AI更具有执行力。本文，继续学习AutoIT，通过一个简单的示例，来快速了解基本语法。本文，继续学习AutoIT，autoit的重点，是其他通用语言不具备的，桌面对象的操控，即模拟人工的点击鼠标、键盘等系统操作功能，这就是本节的内容，所以本节很重要，很重要，很重要

目标：通过python调用大模型，获得结果，然后根据返回信息，控制AutoIT操作电脑软件，执行具体工作。让AI更具有执行力。本文，继续学习AutoIT，通过一个简单的示例，来快速了解基本语法。

终极目标：通过python调用大模型，获得结果，然后根据返回信息，控制AutoIT操作电脑软件，执行具体工作。让AI更具有执行力。本文，继续学习AutoIT，掌握鼠标控制。

通过python调用大模型，获得结果，然后根据返回信息，控制AutoIT执行，本节介绍AutoIT的入门。

AI大模型进行文章总结，输出markdown==》markdown通过markmap转为html文件=》网页内容转成图片

AI果然是可以根据提供的信息学习的，而且学的很快很快，但学多了还是会“飘”。

前文已经有了调用AI大模型的经验，现在搞点自己的实际需求，如果要了解一下实现过程，作为一篇技术文档，这一篇可以看看。

python三种API方式调用本地Ollama+DeepSeek：openai、requests、ollama api。

通过vsCode用python访问deepseek。

本节介绍用Dify接入deepseek，搭建本地知识库。Dify则是一个基于大语言模型(LLM)的应用开发平台，和Ragflow相比较，它提供了丰富的功能和灵活的工作流编排，虽然Ragflow没有工作流编排，但Ragflow专注于深度文档理解和检索增强生成（RAG），它特别适合处理复杂格式的文档，并能够进行无幻觉生成，确保生成结果的准确性和可靠性。所以，两者各有利弊，可以选择使用，也可以联合使用，后面其他文章介绍联合的使用方式，本文介绍Dify接入deepseek的部分。

默认ollama安装，没有给设置安装目录的地方，本文提供在自定义目录安装ollama的方式。

deepseek+ollama+RAGFlow搭建本地知识库。

都是给deepseek提供使用界面，一个简单版，一个豪华版，Page Assis是网页插件，操作简单，AnythingLLM提供了桌面客户端，方便用户使用；能够从多种不同来源获取数据，包括但不限于文档、网页、数据库等，适用于对本地知识库要求高的朋友。

在ollama上，部署‌DeepSeek-R1‌，就可以在自己机器上，离线使用了，也就是deepseek的私有化部署。

用Page Assist管理本地知识库，让deepseek分析我们自己的数据。

本节给本地deepseek穿个外衣，套了浏览器的皮，可以通过浏览器来访问。

ollama就是帮助我们管理和使用这些大语言模型的工具，具体看一下ollama的安装和设置。