最近的项目，需要部署在企业内网的ARM环境中，使用的是麒麟V10和飞腾CPU，需要部署docker环境。整理了一下操作步骤。

本文介绍了在企业内网中如何将Web应用部署为HTTPS访问的方法。首先使用mkcert工具生成本地SSL证书，支持localhost、127.0.0.1及内网IP地址。然后通过Docker Compose部署Nginx服务，配置SSL证书路径映射和网站文件目录。文章详细说明了Nginx配置文件中HTTPS监听端口、证书路径等关键设置，并提供了浏览器访问和curl命令测试的验证方法。对于curl测试

最近由于某些未知原因，国内的docker镜像全部被停。刚好需要重新安装自己的笔记本为双系统，在原来的Windows下，再安装一个Ubuntu 22.04。安装后，发现之前简单的安装Docker服务的命令也无法执行成功，报超时错误。经过一些测试，整理出一个可手动安装docker服务的方法，步骤如下

最近Kimi也发布了他们的视觉大模型，简单测试了一下，效果还不错，对图片中的物品识别的比较准确和细致。Kimi的视觉分析，和之前的文本调用非常接近。Kimi采用了将图片进行Base64编码为文本的方式，进行参数传递，可以直接使用OpenAI客户端进行调用。

测试印象：整体模型体积较小，个人可以部署并使用。图像识别效果不错，不但可以识别一般的图片，也可以识别一些图纸类的内容。显存占用不高，24G显存即可以运行图片识别和图像生成。部署相对简单，如果不考虑模型下载时间，半小时就可以进行简单测试。图片识别时，如果图片是格式复杂的文本类（如试卷），在OCR时，会出现较严重的问题。生成图片时，必须用英文。生成图片时，当提示词过于简单时，会出现物品不完整的现象。总

最近Kimi也发布了他们的视觉大模型，简单测试了一下，效果还不错，对图片中的物品识别的比较准确和细致。Kimi的视觉分析，和之前的文本调用非常接近。Kimi采用了将图片进行Base64编码为文本的方式，进行参数传递，可以直接使用OpenAI客户端进行调用。

测试印象：整体模型体积较小，个人可以部署并使用。图像识别效果不错，不但可以识别一般的图片，也可以识别一些图纸类的内容。显存占用不高，24G显存即可以运行图片识别和图像生成。部署相对简单，如果不考虑模型下载时间，半小时就可以进行简单测试。图片识别时，如果图片是格式复杂的文本类（如试卷），在OCR时，会出现较严重的问题。生成图片时，必须用英文。生成图片时，当提示词过于简单时，会出现物品不完整的现象。总