本文介绍了使用LLaMA-Factory框架微调大模型的详细流程。首先准备虚拟环境并安装LLaMA-Factory及相关依赖，然后下载基座模型和训练数据集。文章提供了两种微调方式：通过Web页面可视化操作或命令行执行。最后演示了如何测试微调后的模型，包括Web界面和命令行两种方式。整个过程涵盖环境搭建、数据准备、参数配置到模型推理的全流程，相比Unsloth框架更简单易用。

Openclaw对Windows 原生环境并不太友好，特别是老旧的Windows10，本文介绍基于Windows10+WSL部署openclaw的全过程。

这是一款用ESP32制作的聊天机器人，可连接国内主流大模型，可自定义唤醒词，支持角色定义。

应用RAG（Retrieval Augmented Generation，检索增强生成）构建本地知识库，并与LLM（大模型）相结合，可有效解决LLM知识更新难问题，已成为专业领域智能问答的首选，下面就以Ollama+Deepseek+RAGFlow为例构建本地知识库应用。

关于使用Unsloth微调大模型的文章不少，但大部分都使用了云主机环境和厂商提供的工具平台，本着DIY精神，笔者在普通PC上进行了手搓微调实践。

完成设置后回到主页面，可以看到顶部的4个页面。“探索”页面提供了模板应用程序，用户可参考模板定制自己的应用程序。“工作室”页面用户可创建自己的应用，包括聊天助手、智能体、工作流。“知识库”页面用户可以通过上传自己的文本数据创建知识库增强 LLM 的上下文。“工具”页面是Dify本身集成第三方工具，用户也可自定义工具。

本文介绍了使用LLaMA-Factory框架微调大模型的详细流程。首先准备虚拟环境并安装LLaMA-Factory及相关依赖，然后下载基座模型和训练数据集。文章提供了两种微调方式：通过Web页面可视化操作或命令行执行。最后演示了如何测试微调后的模型，包括Web界面和命令行两种方式。整个过程涵盖环境搭建、数据准备、参数配置到模型推理的全流程，相比Unsloth框架更简单易用。

介绍一下如何在保留旧版本Dify配置和应用的情况下升级到新版本。

应用RAG（Retrieval Augmented Generation，检索增强生成）构建本地知识库，并与LLM（大模型）相结合，可有效解决LLM知识更新难问题，已成为专业领域智能问答的首选，下面就以Ollama+Deepseek+RAGFlow为例构建本地知识库应用。

本文介绍了使用LLaMA-Factory框架微调大模型的详细流程。首先准备虚拟环境并安装LLaMA-Factory及相关依赖，然后下载基座模型和训练数据集。文章提供了两种微调方式：通过Web页面可视化操作或命令行执行。最后演示了如何测试微调后的模型，包括Web界面和命令行两种方式。整个过程涵盖环境搭建、数据准备、参数配置到模型推理的全流程，相比Unsloth框架更简单易用。