DocForge平台是基于FastAPI实现的doc文档的操作web平台。其主要目的是为了结合ocr实现对pdf转换为word的操作。目前市面上有很多的在线转换工具，但都有一个点，转换的格式要不出错，要不识别的很烂。但是从今天开始，手把手教会你开始实现一个基于自己的本地端结合AI在页面实现pdf的转换并实现优化和翻译等操作，本平台的开发时间会很长，更多的是对系统的开发的梳理，在篇幅完结的时候将项目

本篇章将会教学如何基于mysql已有的对话历史实现上下文对话。关于这里有一个存在的点，这个历史对话大模型是能拿的到的，但是会出现有些大模型提示无法回答你的问题的情况拒绝回答，原因是模型内置规则不允许做了硬性拦截，主要是保护用户隐私，即使做了提示pormt增强提示，还是不允许的。可以以去换一个模型，目前我已知的情况的出现这种模型的为每家平台的全模态或者多模态模型，普通模型是允许拿到的。AI智能体（A

本篇章会介绍使用ollama模型出现的一些问题点，来使你更加的了解和使用调用时需要注意的问题。如若没有ollama模型的话，可以参考这篇文章去快速学习和下载。AI智能体（Agent）大模型入门【13】--智能体入门-CSDN博客。

本篇章会介绍使用ollama模型出现的一些问题点，来使你更加的了解和使用调用时需要注意的问题。如若没有ollama模型的话，可以参考这篇文章去快速学习和下载。AI智能体（Agent）大模型入门【13】--智能体入门-CSDN博客。

在onthink模式下看到的这个“think>...”并不是模型在实时思考，而是 Ollama 控制台在调试模式下打印出来的“内部推理痕迹” —— 它其实是 日志残留，不是模型真的在“思考”。造成误区的原因，就是不同模式下的测试的时候都会有个think，而且话术语法都差不多，就导致出现「深度思考」是“结果已经有了，只是额外把草稿打印给你看”这种现象。可不可以理解深度思考其实就是把大模型的思考过程展

在之前的代码已经完善了对话接口，但是实际业务上需要我们能够对历史对话进行管理操作的，例如kimi,deepseek等一些市面常见的ai聊天页面，你都可以看到历史对话，或者对对话进行操作的，这里就涉及到了对数据库的增删改查操作，那么本篇章就是对对话管理进行接口操作。

本篇章会介绍使用ollama模型出现的一些问题点，来使你更加的了解和使用调用时需要注意的问题。如若没有ollama模型的话，可以参考这篇文章去快速学习和下载。AI智能体（Agent）大模型入门【13】--智能体入门-CSDN博客。

本篇章将会教学如何基于mysql已有的对话历史实现上下文对话。关于这里有一个存在的点，这个历史对话大模型是能拿的到的，但是会出现有些大模型提示无法回答你的问题的情况拒绝回答，原因是模型内置规则不允许做了硬性拦截，主要是保护用户隐私，即使做了提示pormt增强提示，还是不允许的。可以以去换一个模型，目前我已知的情况的出现这种模型的为每家平台的全模态或者多模态模型，普通模型是允许拿到的。AI智能体（A

官方网址链接。

1.主路由URL配置： path('路由地址/',include( "子路URL", namespace='命名空间'),name='视图名称' ),3.在子路由的views中反向解析URL地址：reverse('命名空间:视图名称',args参数)作用：为了更好地组织项目结构，通常会将不同应用的路由配置分离，然后在主路由中使。1.2.在主/子应用view.py构建对应的视图函数。1.2.在主/子