想知道怎么让 AI 模型真正为你所用吗？我来分享一下我是怎么从一个一脸懵的新手，在一个周末变成微调大神的！

PS：只要是ollama支持的模型都可以，比如qwen以及最近大火的deepseek

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。

AI 的出现极大的提升了生产力，对我们程序员来说，积极的拥抱新技术是非常有必要的。今天我们基于 LangChain 框架，创建一个我们自己的 Agent, 并集成我们自己的 MCP 工具。

大型语言模型（LLMs）正在改变我们与技术的互动方式，从聊天机器人到代码助手，功能无所不包。但要高效运行这些模型可不是件小事，尤其是在需要速度、可扩展性和高吞吐量应用的稳定性时。

本地跑大模型：Xoribits、OpenLLM、LocalAI、ChatGLM、Ollama、NVIDIA TIS 解析

看到国外博客上有人公布了GraphRAG+Ollama的本地化部署方案，按照博客内容进行了复现，这里做一个详细记录。

本次将详细介绍如何使用LLaMA-Factory从零开始微调大模型，帮助大家快速掌握这一技能。

今天我想给大家推荐一个比 Ollama 更加清爽的工具：LM Studio（如果你还不熟悉 Ollama，它其实是一个用于安装和管理大模型的工具）， LM Studio 不仅对普通用户友好，技术人员也友好，方便地安装大模型。

Claude Skills 的推出，其实不只是一次普通更新。对 Anthropic 来说，这更像是他们在“让智能工具真正能被复用”这条路上的重要一步。对开发者来说，可以以后不必再围绕提示词去反复调教，而是可以像写功能模块一样，直接定义 Claude 能做什么、怎么做。这让它更像一个可以被配置和协作的伙伴，而不是一个只能回答问题的工具。Skills这次的模式会让整个AI开发的流程更加的工程化与流程标