Llama 3.2 Vision是Meta公司推出的一款多模态大型语言模型（LLM），它支持文本和图像输入，并能够针对不同应用场景输出文本结果。该模型具备处理手写识别、光学字符识别（OCR）、图表和表格解释以及图像问答等功能。

从模型下载，格式转换，到最后的部署详细记录了每个步骤。

CogVideoX-5B是由清华大学知识工程组（KEG）开发的一款开源视频生成模型，它基于大规模的文本到视频生成技术，能够根据输入的文本描述生成高质量的视频内容。CogVideoX-5B具有较高的生成质量和视觉效果，适用于需要高质量视频生成的场景。该模型支持文生视频、图生视频多个能力，可以应用于广告制作、电影剪辑、短视频制作等领域。CogVideoX-5B模型的开源推动了AI视频生成技术的发展，为

LlamaIndex 是一个专为大语言模型（LLMs）设计的数据框架，旨在帮助用户将外部数据与 LLMs 结合，实现更高效的数据检索和知识增强生成（RAG）。

支持对法律条款的精确引用，处理复杂的法律条款的关联查询.、

本文主要介绍了LMDeploy 是如何本地部署大模型，并且以deepseek为例，从环境搭建，模型选择，推理，部署，量化全流程保姆级从0到1详细记录了每个过程。它是一个专为大语言（LLMs）和视觉-语言模型（VLMs）设计的高效部署工具箱，可以帮我们轻松玩转各种大模型，让我们对于大模型应用游刃有余，如鱼得水，挥洒自如。

Streamlit 是一个开源的 Python 库，专门用于快速构建和共享数据科学和机器学习应用。它允许开发者以极简的方式将 Python 脚本转换为交互式的 Web 应用，无需深入前端开发知识。Streamlit就是简单方便,在不需要非常复杂的前端页面情况下,该库就是理想选择,只需几行代码便将一个UI框架搭建起来.

应用场景，比如一个学校把自己所有题库放到一个大模型里面，经过训练，当模型学完所有题后，只要输入问题，可以查看每个题的答案，和解析。利用大模型，做自己下游应用，基本也就涵盖下面几个步骤。

如何生成一个自己的AI短视频

MCP是一个支持多AI模型集成调度的服务平台，通过配置文件实现模型管理、API调用及性能优化，可灵活切换大模型并适配不同算力需求。