本文介绍了ollama本地大语言模型管理工具的安装与使用。首先从官网下载Windows版安装包进行安装，然后演示了常用命令操作，包括模型下载、查看、命令行聊天和删除等功能。最后展示了通过API接口进行文本向量生成和问答测试的示例，为AI与传统业务系统结合提供了本地化LLM解决方案。整个流程简明实用，适合开发者快速上手ollama工具。

本文介绍了基于IEC104协议开发电力数据采集系统的完整过程。系统采用Maven多模块架构，包含common、core、storage、service、boot五个子模块，使用j60870开源库实现IEC104主站功能，支持多从站连接、总召唤、断网重连等核心功能，数据最终存储至OceanBase数据库。文章详细记录了从项目创建、协议理解、代码实现（含AI辅助编程）到问题排查的全流程，重点解决了总召

本文介绍了ollama本地大语言模型管理工具的安装与使用。首先从官网下载Windows版安装包进行安装，然后演示了常用命令操作，包括模型下载、查看、命令行聊天和删除等功能。最后展示了通过API接口进行文本向量生成和问答测试的示例，为AI与传统业务系统结合提供了本地化LLM解决方案。整个流程简明实用，适合开发者快速上手ollama工具。

本文总结了作者学习工业自动化技术的实践过程。作者通过搭建酒瓶喷绘定位工控系统，完成了从控制系统（Arduino）、执行机构（步进电机）到机械工装的完整工业自动化流程验证。研究发现，工业自动化原理与小型样机控制逻辑相通，IT背景人员通过编程基础能快速掌握控制原理，而现场工程经验可通过AI辅助和项目实操快速积累。作者指出传统工控经验优势在于长期积累的施工细节，但强调技术原理并无专业壁垒。最后表达了保持

计算机视觉：如图像识别、目标检测、图像生成等，常见模型有生成对抗网络、变分自编码器等.- 自然语言处理：包括机器翻译、文本摘要、情感分析等，相关模型如GPT、BERT等.- 闭源模型：由特定公司或组织开发，不公开模型细节，如某些商业化的AI模型.- 大型模型：参数量超过十亿，如GPT-3等，需要大量计算资源训练和使用.- 开源模型：任何人可访问和使用，如许多在GitHub上发布的模型.- 边缘部署

AI通过向量空间模型理解语义相似性：将词语转换为高维向量（如1024维），每个维度代表特定语义特征。相似度由向量夹角决定，用余弦值量化——夹角越小（余弦值越接近1），语义越相近。以土豆和马铃薯为例，其向量在多个维度上高度吻合，余弦计算证明二者语义几乎相同。该方法摆脱了主观判断，通过数学公式（源自余弦定理）在任意维度通用，成为AI语义识别的核心机制。关键结论：1）语义由向量方向决定；2）长度仅反映修

AI经历了从1960年代的萌芽起步阶段到1990年代的专家系统阶段，再到2010年至今的大模型智能阶段。大模型AI虽然发展迅速，但很长一段时间内难以实现AGI，更难以出现自主意识和灵魂。要警惕以脑机接口为基础的数字AI奴隶伦理问题。我们应该用积极心态面对第三次生产力革命。

​还是之前的主题，使用开源软件为公司搭建安全管理平台，从视觉模型识别安全帽开始。我是从运行、训练、标注倒过来学习的。因为用到了python的Pytorch去训练模型，所以记录使用vscode编写python代码时，对vscode和python的浅显理解。

还是为公司搭建开源的安全管理平台为目的，逐步探索。先找到了开源的安全帽识别的项目，之前文章学习了怎么简单运行。本次学习怎么去执行模型训练？

徒弟的前端工程，已经构建出了镜像，并在1Panel上面可以查看镜像文件了。可是，手动创建容器运行后，怎么也连接不上。我带他准备先从容器里面的nginx是否已经启动正常开始，从内到外排查问题。