大家一起互帮互助

的模型文件，大家根据电脑的配置安装对应的模型，如果不是4090显卡建议就安装deepseek-r1:1.5b。其中json中的model的值为“deepseek-r1:1.5b”可替换为其他模型的名称，可以通过。已经有很多大佬们说了不少部署本地化部署deepseek的工作了，我就不过多重复了。需要注意的是，安装ollama后，所有ollama指令通过CMD触发。在python中主要是通过以下代码实现调用。通过这个地址也可以利用浏览器进行调用。，再通过Ollama获取。

流式输出（Streaming），一言以蔽之，就是每当 Kimi 大模型生成了一定数量的 Tokens 时（通常情况下，这个数量是 1 Token），立刻将这些 Tokens 传输给客户端，而不再是等待所有 Tokens 生成完毕后再传输给客户端。当你与 Kimi 智能助手 进行对话时，Kimi 智能助手的回复是按字符逐个“跳”出来的，这即是流式输出的表现之一，流式输出能让用户第一时间看到 Kimi 大模型输出的第一个 Token，减少用户的等待时间。

在【001】调用kimi实现AI对话_#py对Kimi有了一定的介绍，以及简单对话和连续对话的程序编写。本次主要希望能通过kimi分析文件，总结文件的能力。

如果是自己一个人用的话，注意 RPM，每分钟可以询问次数。刚注册的话，每分钟只能对话三次，超过的话，就会报警。的网址，按照如下操作获取key，并记住其值，方便后续使用。替换上述两个代码块即可实现连续对话的功能。上面有着丰富的学习资料，可以参考和借鉴。内容输入时将新的内容添加入对话中。调用API时加载初始对话。