如何在离线的Linux服务器上部署 Ollama，并使用 Ollama 管理运行 Qwen 大模型

自 OpenAi 发布 ChatGPT 对话性大语言模型，AI 这两年发展迎来爆发，国内外也衍生了大量的语言模型开放给公众使用。为了可以让更多人接触到AI，让本地化部署更加轻便快捷，于是就有了Ollama、LM Studio等可以在本地部署模型的工具。相比之下，ollama 需要通过命令进行安装，下载模型，以及对话， 如果需要 web 界面，可搭配 open-webui 进行配套使用，整套流程下来

本报告《大模型概念、技术与应用实践》将深入剖析大模型的核心概念、原理特点以及丰富多元的应用实践案例，旨在让大家全面了解大模型这一前沿技术，明晰其在当下及未来发展中的重要地位与深远影响 ，共同探索如何借助大模型的力量推动社会各项事业迈向新的高度。

RAGFlow也改进了很多工作流设计方面的内容，这些都是以后慢慢去测试的，目的是能够准确地满足个人业务。本次采用的操作系统是ubuntu22.02版本。

就目前而言RAGFlow在知识库方面还是比dify强的，因此如果dify能和ragflow联合使用，那么效果岂不是更强，现在教程来了。

本文以容易理解的信息化视角，结合实际项目经验，梳理一套AI应用层面的基础技术体系，按投入成本和落地难度从小到大分别是：LLM基础对话<RAG<Agent<Training，同时将近期出现的一些新技术和新方向都归纳到这个体系层次中去，助力读者建立起对AI的核心认知框架。

本文是Chaiys同学基于一个简单业务场景详细描述的AI Agent开发实践案例，可以用于熟悉RAG、工具调用、ReAct等概念，可以体验LangChain和QwenAgent等AI Agent主流开发框架。

今天我要给大家介绍一个最近在GitHub上爆火的开源项目—— Wren AI，它正在彻底颠覆我们与数据交互的方式！

本文以容易理解的信息化视角，将LLM视作一个黑盒的文字系统，通过比较输入提示词+输出成果在几种LLM应用模式下的不同，来分析这些应用模式的差异，本质上也是对使用LLM的过程做一个“祛魅”。

本文对这些概念和模式进行梳理汇总，并结合DeepSeek和Qwen两个案例进行说明，方便像我一样从信息化领域转型过来刚入门的同学也能快速了解“训练”的范围和基础逻辑。