分布式定时调度-xxl-job一.定时任务概述1.定时任务认识1.1.什么是定时任务定时任务是按照指定时间周期运行任务。使用场景为在某个固定时间点执行，或者周期性的去执行某个任务，比如：每天晚上24点做数据汇总，定时发送短信等。1.2.常见定时任务方案While + Sleep : 通过循环加休眠的方式定时执行Timer和TimerTask实现 ：JDK自带的定时任务，可以实现简单的间隔执行任务（

千呼万唤始出来，太忙了太忙了，本次带来腾讯云COS对象存储。也是因为搞项目正好用到COS，所以就记录下来，希望对大家有所帮助。

上一篇文章《Ollama+DeepSeek部署本地大模型》我们已经知道如何在本地搭建自己的大模型了，不过想要让大模型能够根据我们个人或者企业的数据情况做出精准的回答，我们还需要将自己的数据投喂给大模型才可以。本篇文章我们将会使用一个开源项目dify集成ollama+deepseek大模型，搭建自己本地知识库，让大模型能够回答出我们想要的结果。

在实际开发中我们通常需要协调多个大模型一起完成工作，如果使用过类似coze的工作流就能明白，很多时候一个任务是由多个环节构成的。对于大模型而言，每次用户提问它不应该去访问所有的tools，这样做很危险，会消耗大量的token，而且会带来一些意想不到的问题。正确的方式应该是根据不同的提问类型调用不同的tools做出相应的处理，如下图：本篇文章我们通过Lanchain4j实现根据用户的不同提问类型，调

根据我们前面学习的知识我们知道，针对系统中不同的业务场景我们可以开发不同的tools来实现大模型调用，如果我们有多个AI应用都要实现相同的功能，那么可能就会在多个应用中定义重复的tools,导致一些重复的工作量，那么我们可以不可以吧通用的tools进行统一抽取（MCP-Server），然后AI应用通过某种协议（MCP-协议）去链接以达到复用的目的（有点像中台的感觉），如下使用百度地图举例所以最近有

大模型是无所不能的，如果遇到无法处理的事情怎么办？大模型提供了Funcationcall机制来弥补这一问题，Funcationcall (tools)工具调用（也称为函数调用）是 AI 应用程序中的一种常见模式，允许模型与一组 API 或工具进行交互，从而增强其功能。简单来说，工具调用主要帮AI做两件事：

Function Calling（函数调用）是大型语言模型（如 OpenAI 的 GPT 系列）提供的一种能力，允许模型在生成文本的过程中调用外部函数或工具，以完成更复杂的任务。通过 Function Calling，模型可以将自然语言请求转换为结构化的函数调用，从而与外部系统、API 或工具进行交互。想象你有一个智能助手（比如 GPT），它可以回答你的问题，但它本身无法直接执行某些操作，比如查询

模型微调是一种在已有预训练模型的基础上，通过使用特定任务的数据集进行进一步训练的技术。这种方法允许模型在保持其在大规模数据集上学到的通用知识的同时，适应特定任务的细微差别。提高性能：微调可以显著提高模型在特定任务上的性能。减少训练时间：相比于从头开始训练模型，微调通常需要较少的训练时间和计算资源。适应特定领域：微调可以帮助模型更好地适应特定领域的数据和任务。使用硅基流动进行模型微调确实是比较方便的

前面我们介绍了基于硅基流动训练私有大模型《10分钟教你微调自己的私有大模型》，该平台有三个不好的点就是可选的模型有限，训练时间需要排队等待耗时长，另外还要 给钱。今天我们换一个平台，使用：魔搭平台 + llamaFactory训练私有模型。平台会赠送服务器时长这样我们就可以不用花钱就可以训练自己的大模型了(学习使用)

本来没打算写这篇文章，只是项目需要搞Mysql主从，心血来潮做一个笔记，也是很久么有写文章了。希望可以对你有所帮助，喜欢的话可以给个好评。