最近很多网友后台私信我，因为Langchain官网示例的大多是国外的大模型平台，比如：ChatGPT等，需要科学上网，学习不方便。所以，接下来，我来教大家如何使用Langchain接入本地部署的ollama大模型。

微调（Fine-tuning）一个模型和将不同的模型或技术（如GraphRAG）结合起来使用是两种不同的人工智能应用策略，它们各自有不同的目标和方法。下面我将解释这两种策略，并讨论它们与DeepSeek结合时的区别。

微软的GraphRAG是一种结合了检索增强生成（Retrieval-Augmented Generation，RAG）技术和知识图谱（Knowledge Graphs，KGs）的系统，旨在提升大型语言模型（LLMs）处理复杂信息的问答性能。论文地址项目地址。

微软的GraphRAG是一种结合了检索增强生成（Retrieval-Augmented Generation，RAG）技术和知识图谱（Knowledge Graphs，KGs）的系统，旨在提升大型语言模型（LLMs）处理复杂信息的问答性能。论文地址项目地址。

相比传统的pip，uv采用Rust编写，运行速度更快。无需virtualenv，可以直接使用__pypackages__进行管理。支持requirements.txt和pyproject.toml依赖管理。提供uv venv进行虚拟环境管理，比venv更轻量。支持Windows、macOS和Linux。

相比传统的pip，uv采用Rust编写，运行速度更快。无需virtualenv，可以直接使用__pypackages__进行管理。支持requirements.txt和pyproject.toml依赖管理。提供uv venv进行虚拟环境管理，比venv更轻量。支持Windows、macOS和Linux。

Qwen2.5-7B是通义千问团队发布的一个大型语言模型，它在18T tokens的数据集上进行了预训练，旨在提供更丰富的知识、更强的编程和数学能力。因为我之前也安装了其他模型，所以大家可以看看不同模型的回答，qwen2.5 7B针对相同的问题，有不同的答复，第一个问题回答还是错误的，准确性还有待进一步提高和加强。下载并运行后，你就可以提问了，比如：我问的问题，请问阿里云的通义千问模型有哪些，Qw

如果你的计算机上有 NVIDIA GPU，并且你希望加速深度学习计算，可以安装 GPU 版本的 PyTorch。我的电脑是M3 Mac Pro，虽然有GPU，但是不是NVIDIA GPU，如果要启用GPU的能力，需要从源代码编译PyTorch，并确保安装了必要的依赖项。为了更好的管理不同项目的Python项目，通常建议创建一个虚拟环境。可以隔离不同项目的依赖项，避免项目之间的冲突。安装 PyTor

由于我的电脑是M3 Mac Pro，虽然有GPU，但是不是NVIDIA GPU，如果要启用GPU的能力，需要从源代码编译PyTorch，并确保安装了必要的依赖项。下面我把详细步骤写下来，供各位参考。根据最新的信息，Mac M3 Pro可以安装支持GPU加速的PyTorch版本，但需要从源代码编译PyTorch，并确保安装了必要的依赖项。

用Deepseek R1模型构建自己的业务领域大模型