在 x（原帖链接见文章末尾） 上看到有人分享一组图解 LLM 工作原理的帖子，内容通俗易懂，就搬运过来汉化一下，和大家一起学习！

大模型本地化微调+部署：使用ollama进行本地化微调+部署（附教程）

Ollama 作为一款开源的跨平台大模型部署工具，凭借其高效的私有化部署能力以及对 DeepSeek 等先进模型的广泛支持，受到开发者和技术爱好者的青睐。然而，在追求技术便捷性的同时，安全风险往往被忽视，导致潜在的网络和数据安全隐患。

 你是否也曾面对复杂的AI Agent项目，却只能照着README文档傻傻使用？这篇文章将帮你彻底打破这一局面，轻松掌握AI Agent开发技能！从核心概念到实战框架，一文打尽！

Ollama 作为目前最主流的大模型管理工具，已经是玩转大模型必不可获取的一步。无论你是刚刚接触大模型的新手，还是已经有一定经验的老手，这篇文章都将带你一步一步地了解如何轻松地在本地部署大模型。

今天要挑战用我的4GB老显卡不做量化、不做压缩，看看能不能跑起来这个72B模型。

Ollama是一款专注于简化大型语言模型本地部署和运行的开源框架，基于Go语言实现，支持跨平台运行，并以“开箱即用”为核心理念，适合个人开发者和轻量化场景。

想必不少朋友都在纠结如何在WPS中使用DeepSeek，也被那些安装deepseek的插件教程弄得晕头转向。

FinMeM是使用文本模态信息，通过差异化召回不同时效性，重要性，相关性的不同金融市场信息，通过微调让模型学习个股交易决策型Agent

通过三篇内容将最近学的内容梳理了一遍，从基本概念理解，到动手搭建，再到参数调整，最终达到一个基本可用的状态，所有数据都在内网流转；效果没有想像中的那么完美，但是用于知识库是可行的。