本文分享了LLaMAFactory环境配置经验：使用conda创建Python3.11虚拟环境后，重点解决了flash-attention、torch(2.5.1)、bitsandbytes等依赖包的版本匹配问题，特别提醒需注意CUDA12.1环境变量配置。最后通过llamafactory-cli启动webui界面，并推荐使用swanlab云服务进行训练观测。该配置过程经过多次试错验证，为同类项目

saveToEs做了异常处理，是因为高版本的es会出现返回结果无法解析的问题，虽然更新成功了但一直报错导致消息无法成功消费（实际上已经消费了），这里取巧不让它报错。如果出现jvm问题，是因为rocketmq和java版本冲突，可以把java降至Java8。去logs/example/example.log查看是否报错，启动成功会有日志。rocketmq配置和es配置，canal没有配置。流程较长，

摘要：使用easydataset配置模型时出现"找不到模型"错误，主要原因是自定义模型名称不规范。经测试发现，模型名称需严格遵循官方规范（如deepseek需配置为deepseek-chat）。建议参考官方API文档确认正确名称，部分模型（如豆包）还需完成实名认证才能接入。按官方要求修改名称和地址后，问题得以解决。

Ollama现已支持直接导入safetensors格式模型，无需转换为GGUF格式。用户需创建Modelfile文件配置导出参数，包括模板设置、系统参数及运行参数（如停止标记、上下文长度等）。使用时通过命令行执行"ollama create"命令加载模型，常见错误包括：Modelfile含中文导致解析失败，以及显存不足引发的CUDA错误（可通过nvidia-smi检查显存占用）

Ollama现已支持直接导入safetensors格式模型，无需转换为GGUF格式。用户需创建Modelfile文件配置导出参数，包括模板设置、系统参数及运行参数（如停止标记、上下文长度等）。使用时通过命令行执行"ollama create"命令加载模型，常见错误包括：Modelfile含中文导致解析失败，以及显存不足引发的CUDA错误（可通过nvidia-smi检查显存占用）

本文是我在学习es的笔记，如有疏漏，敬请指出#部署es，版本为7.12.1，端口号为9200#部署kibana，版本为7.12.1，端口号为5601！两者版本必须相同打开浏览器，进入kibana控制台红色为虚拟机的ip黄色为设置的kibana端口号。打开开发工具，就可以在kibana控制台内进行创建索引库、插入文档等操作在使用springboot时需要进行版本控制，在properties内控制版本