接上一篇关于Docker中的Ollama养虾的文章之后，这里补充一个Docker中部署Ollama模型的方案，通过这种方式建立一个完整的虚拟化环境，确保Ollama和OpenClaw在环境内的操作都相对可控。

本文介绍了一种在Win11操作系统下，使用Docker部署OpenClaw的一种方案，并且Token由本地部署的Ollama加载开源的qwen3.5模型产生，实现零成本、相对安全可控的一种部署方案。当然，目前OpenClaw和Ollama的安全性还是有待提升，结合自己的情况，慎重部署！！！

本文介绍了一种在Win11操作系统下，使用Docker部署OpenClaw的一种方案，并且Token由本地部署的Ollama加载开源的qwen3.5模型产生，实现零成本、相对安全可控的一种部署方案。当然，目前OpenClaw和Ollama的安全性还是有待提升，结合自己的情况，慎重部署！！！

技术背景DeepSeek开源之后，让大家意识到了即时是在自己硬件性能一般的本地环境，也能够部署和使用大语言模型，真正实现了大模型的“私有化”。而私有化大模型之后，自然是考虑生产力的私有化。例如，如何使用大模型作为一个工具来进行编程？本文将要介绍两种不同的人工智能编程方法。Cursor的安装与使用第一种方法，是使用Cursor来进行编程，是一个跟VSCode很像的IDE，优点是支持了很多模型...

问题背景在使用Docker拉取DockerHub的镜像时，经常会出现网络不稳定的问题，这就导致拉取到一半的镜像会重新拉取，浪费时间。例如下面这种情况：第二次拉取这是一个网络中断的场景，第二次重新拉取的时候，同样是d103这个部分，又重新下载了一次。而且在不稳定的网络情况下(大概率)，有可能继续中断，这就需要一个断点续传的配置。解决方案首先在docker的配置文件中加上这...

问题背景虽说在MindSpore-2.3之后的版本中不在正式的发行版中支持GPU硬件后端，但其实在开发分支版本中对GPU后端是有支持的：但是在安装的过程中可能会遇到一些问题或者报错，这里复现一下我的Ubuntu-20.04环境下的安装过程。Pip安装基本的安装流程是这样的，首先使用anaconda创建一个python-3.9的虚拟环境，因为在MindSpore-2.4版本之后不再...

技术背景在前面的一篇博客中我们介绍了MindSpore-2.4-gpu的安装和其中可能出现的一些问题。这里我们在安装完成之后，可以尝试使用一些MindSpore新版本的特性。那么在安装之后，如果是使用VSCode作为IDE，可以使用ctrl+shift+P快捷键，然后搜索python:sele将Python解释器切换到我们所需要的最新MindSpore环境下。设备管理和资源监测在minds...

技术背景在之前的一篇博客中，我们介绍过MindInsight的安装与使用。不过在前面的文章中，我们主要介绍的是MindInsight与SummaryCollector的配合使用，更多的是用于对结果进行回溯。这篇文章我们简要的从性能分析的角度，来介绍一下MindInsight的一些使用方法。MindInsight的安装与启动这部分内容在前面的博客中已经介绍过一次，这里简单的重复一下相关的内容...

问题背景在使用MindSpore运行一个分子动力学模拟的测试程序时：from mindspore import contextfrom mindspore.nn import Adamif __name__ == "__main__":import syssys.path.insert(0, '../..')from sponge import Spon...

技术背景在MindSpore深度学习框架中，我们可以向construct函数传输必备参数或者关键字参数，这跟普通的Python函数没有什么区别。但是对于MindSpore中的自定义反向传播bprop函数，因为标准化格式决定了最后的两位函数输入必须是必备参数out和dout用于接收函数值和导数值。那么对于一个自定义的反向传播函数而言，我们有可能要传入多个参数。例如这样的一个案例：import ...