JovaZou的成长之路

在大语言模型（LLM）和生成式 AI 爆发的今天，数据采集的效率与质量直接决定了 AI 应用的落地效果。传统爬虫工具在动态渲染处理、AI 友好输出和大规模部署上的局限性日益凸显，而专为 AI 设计的 Crawl4AI 框架正成为企业级数据管道的首选方案。

在数字化办公与自动化流程日益普及的今天，高效地整合各种工具和服务，实现工作流的自动化，已成为提升生产力的关键。n8n 作为一款强大的开源工作流自动化平台，为我们提供了一种灵活且强大的方式，来连接不同的应用程序，自动化复杂的任务流程。本文将详细介绍 n8n 的特性，并一步步引导你完成 n8n 的本地部署，最后探索如何使用它创建实用的工作流。

在人工智能飞速发展的今天，大模型的应用越来越广泛。然而，许多人在使用大模型时面临着各种限制，例如数据隐私问题、高昂的云服务费用等。本地部署大模型并结合有效的工具来提升其性能成为了一种极具吸引力的解决方案。本文将为大家详细介绍如何通过 RAGFlow 进行本地部署，并利用 Dify 进行调用，让你的本地大模型发挥出更强大的能力，为各种应用场景提供有力支持。

Firecrawl 是一个可以提供 API 服务的开源爬虫工具，我们只需要给它一个 URL，无需提供网站地图（sitemap），它就能抓取该 URL 的当前网页或更深层的网页，并可以把抓到的数据转变成 markdown 格式，这种格式更适合 LLM 阅读，在当今的 AI 浪潮下可以说是非常适合了。

在人工智能蓬勃发展的当下，Ollama 以其独特的魅力崭露头角。本篇深入探讨了如何借助 Python 语言高效调用 Ollama。通过详实的代码示例和深入浅出的讲解，无论是编程新手还是经验丰富的开发者，都能从中掌握利用 Python 与 Ollama 交互的技巧，挖掘 Ollama 在文本处理、模型推理等多方面的强大潜力，开启 AI 应用开发的新篇章。

​Ollama 提供了一个 RESTful API，允许开发者通过 HTTP 请求与 Ollama 服务进行交互。这个 API 覆盖了所有 Ollama 的核心功能，包括模型管理、运行和监控。在之前介绍 Ollama API 的文章当中已经介绍了生成文本、生成聊天和创建模型的 API 接口的使用，本篇将介绍其他 Ollama 的 RESTful API 接口，分别有列出本地模型、打印模型信息、复制模型、删除模型、从库中拉取模型、推送模型到库中、生成嵌入、列出运行中的模型、查看版本。

Ollama 提供了一个 RESTful API，允许开发者通过 HTTP 请求与 Ollama 服务进行交互。这个 API 覆盖了所有 Ollama 的核心功能，包括模型管理、运行和监控。本篇将介绍如何调用 Ollama 的 RESTful API 来创建模型。

Ollama 提供了一个 RESTful API，允许开发者通过 HTTP 请求与 Ollama 服务进行交互。这个 API 覆盖了所有 Ollama 的核心功能，包括模型管理、运行和监控。本篇将介绍如何调用 Ollama 的 RESTful API 来生成聊天。

Ollama 提供了一个 RESTful API，允许开发者通过 HTTP 请求与 Ollama 服务进行交互。这个 API 覆盖了所有 Ollama 的核心功能，包括模型管理、运行和监控。本篇将介绍如何调用 Ollama 的 RESTful API 来生成文本。

随着 DeepSeek 在春节期间的爆火，DeepSeek 的 app 在登上了应用下载的 Top1 宝座，但是实际使用时却发现经常出现“服务器繁忙，请稍后再试。”的提示，导致用户体验非常差，而且也没办法做一些自定义的开发，如果你家里刚好有一台电脑，也刚好有张显卡（Mac 电脑用的是统一内存，所以不一定需要显卡，如果有显卡坞那肯定是锦上添花），那就跟着我来一起本地部署一下吧，本文将以 Windows11 系统来安装。