如果你是一名开发者，最近一定被各种云端大模型 API 的成本、延迟和隐私问题困扰过。调用 GPT-4 固然强大，但每次对话都在“烧钱”，敏感数据出域也让人提心吊胆。更现实的是，当你需要一个 7x24 小时在线的智能客服、一个深度定制化的代码助手，或者只是想不受网络限制地折腾模型时，云端方案就显得捉襟见肘。

这时，“本地推理”就成了一个无法回避的选项。它听起来很硬核——在自己的电脑或服务器上运行大型语言模型。很多人望而却步，认为这需要昂贵的显卡、深奥的模型部署知识，是只有大厂算法工程师才能玩转的领域。

但这篇文章要告诉你一个反直觉的判断： 本地推理的门槛正在急剧降低，它已经从一个“科研玩具”变成了一个“工程选项” 。借助一系列成熟的开源工具和优化后的轻量级模型，在消费级硬件上获得可用的 LLM 能力，其难度可能比你配置一个微服务框架还要低。真正的挑战，不在于“能不能跑起来”，而在于“如何跑得好”——如何在有限的硬件资源下，平衡速度、效果和成本。

本文将为你彻底拆解“本地推理”这件事。我们不会空谈概念，而是从一个开发者的实战视角出发，回答三个核心问题：第一，为什么现在要考虑本地推理？第二，从零开始，我需要准备什么，具体步骤是什么？第三，上线后，如何优化性能、排查问题？你将得到一份包含环境准备、工具选型、代码示例、性能调优和避坑指南的完整攻略。

1. 本地推理：为什么现在是时候了？

在深入技术细节之前，我们必须先达成共识：本地推理解决的到底是什么问题？它不仅仅是“离线运行”那么简单，其价值体现在四个关键维度上，这些正是云端 API 的软肋。

1.1 成本控制的确定性 云端 API 按 token 计费，流量大时账单不可预测。本地推理则是一次性硬件投入（或租赁成本）加上持续的电费。对于中高频调用场景，长期来看本地方案的总拥有成本往往更低，且预算完全可控。你可以精确计算出单次推理的硬件折旧成本，这对项目规划和商业化至关重要。

1.2 数据隐私与安全的绝对掌控 这是许多企业级应用无法妥协的红线。当你的数据涉及商业秘密、个人隐私或受监管行业信息时，将数据发送到第三方云端存在合规风险。本地推理意味着数据不出域，从根源上杜绝了泄露风险，满足最严格的隐私保护要求。

1.3 延迟与可用性的自主权 网络抖动、API 服务限流或中断，这些都不再是你需要关心的问题。本地推理的延迟稳定，仅取决于你的本地硬件性能。这对于需要实时交互的应用（如语音对话、游戏 NPC）或对服务 SLA 要求极高的场景来说，是唯一可靠的选择。

1.4 深度定制与可调试性 云端模型是一个黑盒，你无法干预其内部逻辑。本地部署的模型，你可以进行微调、量化、裁剪，甚至修改模型架构以适应特定任务。当出现不符合预期的输出时，你可以完整地追踪推理过程，进行深度调试，这是云端服务无法提供的灵活性。

然而，本地推理并非银弹。它需要你承担硬件运维、性能优化和模型更新的责任。因此，它最适合以下场景：

  • 数据敏感型项目 ：金融、医疗、法律、企业内部知识库。
  • 高频调用型应用 ：智能客服、代码补全、批量文本处理。
  • 对延迟敏感的产品 ：实时翻译、交互式娱乐。
  • 研究与开发环境 ：需要反复实验、调试模型行为的场景。

如果你的需求是低频、多样化且追求顶级模型效果，云端 API 仍然是更省心的选择。本地推理是关于“控制权”和“总成本”的权衡。

2. 核心概念与工具生态：不只是“下载一个模型”

开始动手前，理解核心概念和工具链能让你少走弯路。本地推理涉及几个关键部分：

2.1 模型格式与量化 原始的大模型（如 Llama、Qwen）动辄数十 GB，直接加载到内存几乎不可能。因此，模型格式转换和量化是第一步。

  • GGUF 格式 ：当前社区最流行的本地推理格式。它将模型权重转换为一种高效、跨平台的文件格式，并集成了多种量化级别（如 Q4_K_M, Q8_0）。量化在精度和模型大小/速度之间取得平衡。
  • 量化级别解读 ： Q4_K_M 表示 4-bit 量化，是精度和速度的黄金平衡点，大多数消费级显卡（如 RTX 4060 16GB）能流畅运行 7B/13B 参数模型。 Q8_0 是 8-bit 量化，精度损失极小，适合对输出质量要求极高的场景，但需要更多显存。

2.2 推理引擎/后端 这是运行模型的核心软件，负责将模型文件加载到硬件并执行计算。

  • llama.cpp ：C++ 编写的推理引擎，效率极高，支持 CPU 和 GPU 混合推理。它是本地推理的“事实标准”，生态丰富，工具链完善。
  • Ollama ：一个封装了 llama.cpp 的现代化工具，提供了类似 Docker 的体验。通过简单的命令行就能拉取、运行和管理模型，极大降低了入门门槛。
  • vLLM / Text Generation Inference (TGI) ：更侧重于生产环境的高吞吐量服务，支持连续批处理和高级调度，适合需要同时服务大量请求的场景。

2.3 硬件需求解读 硬件是最大的门槛，但需求被严重高估了。

  • 内存（RAM） ：决定你能加载多大的模型。一个 7B 参数的 Q4 量化模型大约需要 4-6GB 内存。 系统内存至关重要 ，因为当显存不足时，部分模型层会被卸载到内存，此时内存大小和速度直接影响性能。
  • 显存（VRAM） ：决定模型能多快运行。理想情况下，整个模型应放入显存。RTX 3060 12GB、RTX 4060 Ti 16GB 是性价比很高的入门选择。
  • CPU ：在纯 CPU 推理或 GPU 卸载时，CPU 的核心数和单核性能很重要。现代桌面级 CPU（如 i5/R5 以上）通常足够。
  • 存储 ：模型文件很大，建议准备充足的 SSD 空间。

对于初学者，我们推荐 Ollama + llama.cpp 的组合，它兼顾了易用性和性能。本文的实战部分也将围绕此展开。

3. 环境准备：从零搭建你的本地推理工作站

我们以最通用的 Windows/Linux/macOS 系统 ，搭配 NVIDIA GPU 为例。如果你使用 Apple Silicon Mac 或仅有 CPU，步骤会有所不同，但逻辑相通。

3.1 硬件与驱动检查 首先，确保你的硬件就绪。

  1. 检查显卡驱动 ：打开终端或命令提示符，输入 nvidia-smi 。如果能看到显卡信息和驱动版本，说明驱动已安装。如果没有，请前往 NVIDIA 官网下载并安装最新版显卡驱动。
  2. 检查 CUDA 工具包（可选但推荐） ： llama.cpp 的 GPU 加速需要 CUDA。运行 nvcc --version 查看。如果未安装，可以从 NVIDIA 开发者网站下载安装。对于只想用 Ollama 的用户，可以跳过，Ollama 会自动处理。

3.2 安装 Ollama Ollama 的安装极其简单。

  • Windows/macOS ：直接访问 Ollama 官网 下载安装程序，双击运行。
  • Linux ：在终端中执行以下一键安装脚本。 
curl -fsSL https://ollama.com/install.sh | sh

安装完成后，在终端输入 ollama --version 验证安装成功。

3.3 验证基础环境 创建一个工作目录，并运行一个超轻量模型来测试整个链路是否通畅。 

# 拉取并运行一个测试用的小模型（如 2.7B 参数的 Phi-2）
ollama run phi

首次运行会下载模型。完成后，你会进入一个交互式聊天界面。输入 Hello ，看模型是否能正常回复。按 Ctrl+D 退出。这一步确认了你的网络、Ollama 服务和基础硬件兼容性没问题。

4. 实战：部署并运行一个实用的中文模型

测试通过后，我们来部署一个更实用、支持中文的模型。我们选择 Qwen2.5-7B-Instruct ，它在中文理解和生成上表现优异，且 7B 参数规模对硬件友好。

4.1 拉取模型 使用 Ollama 拉取已经社区量化好的模型。注意，模型名称中的 :7b 指定了参数规模， q4_K_M 指定了量化格式。 

# 拉取 Qwen2.5 7B 指令微调版，Q4量化
ollama pull qwen2.5:7b

下载时间取决于你的网速，模型大小约 4-5GB。

4.2 运行模型进行交互测试 模型拉取完成后，直接运行进入聊天模式。 

ollama run qwen2.5:7b

在提示符 >>> 后，你可以用中文提问。例如： 

>>> 用Python写一个快速排序函数，并添加详细注释。

观察模型的回答速度和质量。第一次运行时，模型需要加载到内存/显存，会有一些延迟，后续对话会快很多。

4.3 通过 API 调用模型（关键步骤） 交互式聊天只是测试，真正的应用需要通过 API 集成。Ollama 默认在 11434 端口提供了兼容 OpenAI API 格式的接口。 保持 ollama run 在后台运行，或者直接以服务模式启动模型： 

# 在后台运行指定模型的服务
ollama serve &
# 或者直接运行模型，它会同时启动服务
ollama run qwen2.5:7b &

然后，我们可以用 curl 或任何 HTTP 客户端调用 API。

示例：使用 Python requests 库调用 

# 文件：test_ollama_api.py
import requests
import json

def query_ollama(prompt, model="qwen2.5:7b"):
    url = "http://localhost:11434/api/generate"
    payload = {
        "model": model,
        "prompt": prompt,
        "stream": False,  # 设为 True 可流式接收，此处为演示设为 False
        "options": {
            "temperature": 0.7,  # 控制随机性，0-1，越高越有创意
            "num_predict": 512   # 生成的最大token数
        }
    }
    headers = {'Content-Type': 'application/json'}
    
    try:
        response = requests.post(url, data=json.dumps(payload), headers=headers)
        response.raise_for_status()  # 检查HTTP错误
        result = response.json()
        return result.get("response", "No response generated.")
    except requests.exceptions.RequestException as e:
        return f"API请求失败: {e}"
    except json.JSONDecodeError as e:
        return f"响应解析失败: {e}"

if __name__ == "__main__":
    # 测试中文问答
    test_prompt = "请解释什么是机器学习中的‘过拟合’现象，并给出一个简单的比喻。"
    answer = query_ollama(test_prompt)
    print("用户提问:", test_prompt)
    print("\n模型回答:")
    print(answer)
    print("-" * 50)
    
    # 测试代码生成
    code_prompt = "写一个Python函数，用于判断一个字符串是否是回文。"
    code_answer = query_ollama(code_prompt)
    print("用户提问:", code_prompt)
    print("\n模型回答:")
    print(code_answer)

运行这个 Python 脚本： 

python test_ollama_api.py

如果一切正常，你将看到模型生成的中文解释和 Python 代码。这标志着你的本地大模型 API 服务已经成功搭建并可以集成到其他应用中。

5. 进阶配置与性能调优

基础服务跑通后，下一步是让它跑得更快、更稳、更省资源。Ollama 和底层 llama.cpp 提供了丰富的配置选项。

5.1 关键启动参数与环境变量 你可以通过修改 Ollama 的模型配置文件或设置环境变量来调整性能。 首先，查看模型的默认配置： 

ollama show qwen2.5:7b --modelfile

要自定义配置，需要创建一个 Modelfile 。例如，创建一个名为 Modelfile.qwen 的文件： 

# Modelfile.qwen
FROM qwen2.5:7b

# 设置系统提示词，塑造模型行为
PARAMETER system "你是一个乐于助人且专业的AI助手，回答请力求准确、简洁。"

# 关键性能参数
PARAMETER num_ctx 4096  # 上下文窗口大小，增大可处理更长文本，但消耗更多内存
PARAMETER num_batch 512 # 批处理大小，影响吞吐量，可根据显存调整
PARAMETER num_gpu 1     # 使用的GPU层数。设为-1表示所有层都使用GPU，设为0表示纯CPU

然后根据这个 Modelfile 创建自定义模型： 

ollama create my-qwen -f ./Modelfile.qwen
ollama run my-qwen

5.2 GPU 层数设定（核心优化） 这是影响推理速度最重要的参数。它决定了有多少层神经网络在 GPU 上计算。

  • 查看模型信息 ：运行 ollama run qwen2.5:7b 后，观察启动日志，会显示类似 total layers: 43, GPU layers: 43 的信息，表示所有层都在 GPU 上。
  • 如何设置 ：如果你的显存不足，可以指定 num_gpu 为一个较小的值（如 20），让剩余层在 CPU 上运行。这比纯 CPU 推理快，但比全 GPU 慢。你需要通过实验找到不触发内存交换（OOM）的最大 num_gpu 值。
    • 在启动时指定： ollama run qwen2.5:7b --num-gpu 35
    • 在 Modelfile 中设置 PARAMETER num_gpu 35

5.3 量化级别选择 如果你直接从 Ollama 拉取模型，社区已经提供了量化版本。但如果你想自己量化或使用其他格式的模型，需要了解：

  • q2_K : 极低精度，模型极小，质量损失明显。
  • q4_K_M (推荐): 最佳平衡点，质量和速度兼顾。
  • q6_K : 高质量量化，接近原始 FP16 精度。
  • q8_0 : 几乎无损，模型较大。 选择策略：显存充足选 q8_0 或 q6_K ；追求速度和内存占用选 q4_K_M 。

6. 集成到实际项目：构建一个简单的本地知识库问答

让我们将本地模型用在一个更实际的场景：基于本地文档的问答。我们将使用 LangChain ，一个流行的 LLM 应用框架。

6.1 安装依赖 

pip install langchain langchain-community chromadb pypdf sentence-transformers

6.2 项目代码结构 

local_rag_project/
├── docs/               # 存放你的PDF、TXT文档
│   └── your_document.pdf
├── app.py              # 主应用文件
└── vector_store/       # ChromaDB 向量数据库会自动创建在这里

6.3 核心实现代码 

# 文件：app.py
from langchain_community.document_loaders import PyPDFLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.embeddings import HuggingFaceEmbeddings
from langchain_community.vectorstores import Chroma
from langchain.chains import RetrievalQA
from langchain_community.llms import Ollama
import os

# 1. 加载并分割文档
def load_and_split_documents(pdf_path):
    loader = PyPDFLoader(pdf_path)
    documents = loader.load()
    # 将长文档分割成小块，便于嵌入和检索
    text_splitter = RecursiveCharacterTextSplitter(
        chunk_size=500,
        chunk_overlap=50,
        length_function=len,
    )
    splits = text_splitter.split_documents(documents)
    print(f"已将文档分割为 {len(splits)} 个文本块。")
    return splits

# 2. 创建向量数据库
def create_vector_store(splits, persist_directory="./vector_store"):
    # 使用开源的中文嵌入模型
    embeddings = HuggingFaceEmbeddings(
        model_name="sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
    )
    # 创建或加载向量存储
    vectordb = Chroma.from_documents(
        documents=splits,
        embedding=embeddings,
        persist_directory=persist_directory
    )
    vectordb.persist()
    print(f"向量数据库已创建并持久化到 {persist_directory}")
    return vectordb

# 3. 连接到本地 Ollama 模型
def get_local_llm():
    # 注意：这里使用 `Ollama` 类，并指定我们运行的模型名
    llm = Ollama(base_url="http://localhost:11434", model="qwen2.5:7b")
    return llm

# 4. 构建问答链
def build_qa_chain(vectordb, llm):
    # 设置检索器，返回最相关的2个文档块
    retriever = vectordb.as_retriever(search_kwargs={"k": 2})
    # 创建检索式问答链
    qa_chain = RetrievalQA.from_chain_type(
        llm=llm,
        chain_type="stuff",  # 简单地将检索到的文档拼接到提示词中
        retriever=retriever,
        return_source_documents=True,  # 返回参考来源
        verbose=True,  # 打印详细日志，便于调试
    )
    return qa_chain

# 主函数
if __name__ == "__main__":
    pdf_path = "./docs/your_document.pdf"  # 替换为你的PDF文件路径
    
    # 步骤1 & 2: 处理文档并构建向量库（首次运行需要，之后可注释掉）
    if not os.path.exists("./vector_store"):
        splits = load_and_split_documents(pdf_path)
        vectordb = create_vector_store(splits)
    else:
        print("加载已存在的向量数据库...")
        embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
        vectordb = Chroma(persist_directory="./vector_store", embedding_function=embeddings)
    
    # 步骤3 & 4: 连接LLM并构建问答链
    llm = get_local_llm()
    qa_chain = build_qa_chain(vectordb, llm)
    
    # 开始交互式问答
    print("\n本地知识库问答系统已启动！输入 'quit' 退出。")
    while True:
        query = input("\n请输入你的问题: ")
        if query.lower() == 'quit':
            break
        try:
            result = qa_chain.invoke({"query": query})
            print(f"\n回答: {result['result']}")
            print("\n参考来源:")
            for i, doc in enumerate(result['source_documents']):
                print(f"  [{i+1}] {doc.page_content[:200]}...")  # 打印来源片段
        except Exception as e:
            print(f"查询过程中发生错误: {e}")

6.4 运行与测试

  1. 将你的 PDF 文档放入 docs/ 文件夹，并修改 pdf_path 变量。
  2. 确保 Ollama 服务正在运行（ ollama run qwen2.5:7b ）。
  3. 运行应用： python app.py 。
  4. 首次运行会花费一些时间处理文档和生成嵌入向量。之后，你就可以针对文档内容提问了。

这个例子展示了如何将本地 LLM 与向量数据库结合，构建一个完全私有的、基于自有知识的智能问答系统。所有数据（文档、向量、模型）都在本地，没有任何数据泄露风险。

7. 常见问题与深度排查指南

本地推理过程中，90%的问题集中在资源不足和配置错误。下表列出了典型问题及解决方案。

问题现象 可能原因 排查步骤 解决方案
ollama run 下载模型极慢或失败 网络连接问题，或 Ollama 默认镜像源不可达。 1. 检查网络。
2. 运行 ollama pull 时观察错误信息。 		1. 使用代理或更换网络环境。
2. 手动下载 GGUF 模型文件，使用 ollama create 从本地文件创建。
启动模型时提示 CUDA out of memory 或 OOM 显卡显存不足以加载整个模型。 1. 运行 nvidia-smi 查看显存占用。
2. 确认模型大小和量化级别。 		1. 换用更小的模型（如 3B 参数）。
2. 换用更低比特的量化版本（如 Q4->Q2）。
3. 最有效 ：减少 num_gpu 参数，让部分层运行在 CPU 上。
推理速度非常慢 1. 模型完全运行在 CPU 上。
2. num_gpu 设置过小。
3. 系统内存不足，频繁交换。 		1. 检查启动日志，确认 GPU layers 数量。
2. 使用系统监控工具查看 CPU/内存/GPU 使用率。 		1. 确保安装了正确的 GPU 驱动和 CUDA。
2. 在显存允许范围内，增大 num_gpu 值。
3. 关闭不必要的程序，释放内存。考虑增加物理内存。
模型回答质量差、胡言乱语 1. 量化精度过低。
2. 系统提示词冲突或格式错误。
3. 模型本身不适合当前任务。 		1. 尝试同样的提示词在更高精度模型（如 q8_0 ）上的表现。
2. 检查 Modelfile 中的 system 参数。 		1. 升级量化级别（如从 Q2 换到 Q4_K_M）。
2. 简化或移除自定义的 system 提示词，使用模型默认行为测试。
3. 更换更适合任务的模型（如代码生成用 CodeLlama，通用对话用 Qwen）。
Ollama API 服务无法连接 ( Connection refused ) Ollama 服务没有运行，或运行在非默认端口。 1. 运行 ollama serve 查看输出。
2. 使用 netstat -an | grep 11434 (Linux/macOS) 或 netstat -ano | findstr 11434 (Windows) 检查端口监听。 		1. 确保先运行 ollama serve 或 ollama run <model> 。
2. 如果端口冲突，可通过环境变量 OLLAMA_HOST 修改主机和端口。
LangChain 调用 Ollama 超时 1. 模型首次生成响应时间过长。
2. 提示词过长，处理超时。 		1. 增加 LangChain 调用时的 timeout 参数。
2. 检查传递给模型的上下文是否过长。 		1. 在 Ollama 类初始化时设置 request_timeout=120 。
2. 优化文本分割策略，减少单次检索的文本块数量和大小。

深度排查命令：

  • 监控 GPU 使用 ： watch -n 1 nvidia-smi (Linux) 或使用 Windows 任务管理器性能选项卡。
  • 监控 Ollama 日志 ：以更详细的方式运行 Ollama： OLLAMA_DEBUG=1 ollama run qwen2.5:7b 。
  • 测试 API 连通性 ： curl http://localhost:11434/api/tags 应返回已拉取的模型列表。

8. 生产环境最佳实践与进阶路线

当你准备将本地推理从个人实验推向生产环境时，需要考虑更多工程化因素。

8.1 硬件选型与成本估算

  • 入门/开发环境 ：RTX 4060 Ti 16GB 显卡 + 32GB 系统内存。可流畅运行 7B Q4 模型，成本可控。
  • 中小型生产环境 ：单张 RTX 4090 24GB 或 A4000 16GB。可运行 13B-34B 参数的 Q4 模型，满足多数业务场景。
  • 高性能/多用户场景 ：考虑多卡服务器（如 2x/4x A100/H100），或使用 vLLM 等支持张量并行和连续批处理的推理服务器，以提升吞吐量。

8.2 模型管理与版本控制

  • 使用 Modelfile ：为每个业务场景创建独立的 Modelfile ，明确记录模型来源、系统提示词和所有参数。这相当于你的模型“Dockerfile”。
  • 模型版本化 ：Ollama 支持类似 Docker 的标签。例如 qwen2.5:7b-q4 和 qwen2.5:7b-q8 。在应用中固定模型标签，避免意外更新导致行为变化。
  • 私有模型仓库 ：对于微调后的模型，可以搭建私有的 Ollama 模型服务器，实现团队内部共享和安全管控。

8.3 性能、监控与高可用

  • 基准测试 ：使用 ab (Apache Bench) 或 wrk 工具对 Ollama 的 API 端点进行压力测试，了解单实例的 QPS（每秒查询率）和 P95/P99 延迟。
  • 添加监控 ：为 Ollama 进程添加基础监控（CPU/内存/GPU 使用率）。更进阶的，可以暴露 Prometheus 指标，或通过日志记录每次推理的耗时和 token 数。
  • 服务化与负载均衡 ：使用 systemd 或 supervisor 管理 Ollama 进程，确保异常退出后能自动重启。对于高并发需求，可以在多个节点上部署 Ollama 实例，并通过 Nginx 等反向代理进行负载均衡。
  • 设置超时与重试 ：在客户端代码中必须设置合理的超时和重试机制，处理模型推理可能出现的长时间等待或临时失败。

8.4 安全加固

  • 网络隔离 ：将运行 Ollama 的服务器置于内网，仅通过内部 API 网关暴露必要接口。
  • API 鉴权 ：Ollama 原生 API 无鉴权。生产环境务必在前端配置反向代理（如 Nginx），添加 API 密钥认证或 IP 白名单。
  • 输入输出过滤 ：对用户输入进行严格的清洗和过滤，防止提示词注入攻击。对模型输出也应有内容安全审核机制，避免生成有害内容。

本地推理不是终点，而是一个起点。它让你从 API 调用者转变为 AI 能力的拥有者和塑造者。你可以基于业务数据微调模型，可以为了极致性能而定制量化方案，可以设计复杂的多智能体工作流而不必担心网络延迟和成本飙升。

从今天开始，尝试在你的开发机上跑通第一个模型。然后，思考你的项目中，哪一个功能模块最需要这种可控、私有、低成本的语言智能。将它集成进去，你收获的将不仅仅是一个功能，而是对整个生成式 AI 技术栈的深刻理解和掌控力。

# Ollama
Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区