前言服务器证书又过期了，每次更换证书还是挺耽误事儿的。早前听说过 Let’s Encrypt 提供免费证书，并且能够通过定时任务实现自动更新，便决定趁有空的时候尝试一下。 虽然群晖系统本身已经支持通过 Let’s Encrypt 自动更新订阅证书，但有个前提是需要开启 80 端口。作为一名开通公网 IP 的用户，我显然无法满足这一条件，所以只能选择自己部署服务了。 Let’s Encrypt 使用

前言年前在知乎和抖音上刷到了一些关于“正片叠底”的讲解，感觉挺有意思的，于是趁现在有时间决定用 Canvas 来实现一下这个效果。 在图像和视频编辑中，“正片叠底”是一种常见的混合模式，能够创造出丰富的视觉效果。如果你用过 Photoshop 或其他设计工具，应该对这个功能不陌生。本文将带你从零开始，使用 Canvas 实现正片叠底效果，并且会分别对图片和视频进行实现。 什么是正片叠底？简单来说，

前言Transformers.js 是一个机器学习工具库，允许开发者在浏览器中直接运行 Hugging Face 的预训练模型，无需服务器支持。它支持多种任务，如自然语言处理、计算机视觉、音频处理等。本文将介绍 Transformers.js 的基本使用方法，并通过示例展示如何在不同任务中使用它。 Transformers.js目前，Transformers.js 有两个 npm 包：@xenov

前言前端时间有一个 OCR 的需求，原本考虑调用现成的 OCR 接口，但由于只是做一个我个人使用的工具，花钱购买 OCR 接口显得有些奢侈。于是就想着找找是否有现成的库可以自己部署或直接使用，结果发现了一个可以在纯前端实现 OCR 的库——Tesseract.js。 Tesseract.jsTesseract.js 是一个基于 Google Tesseract OCR 引擎的 JavaScript

前言在前面的文章中，我们介绍了如何使用 AnythingLLM 和 Ollama 搭建私有知识库。虽然这个组合已经具备了处理私有数据和文档的 AI 应用能力，但在实际应用中，我们通常还需要结合 Web 搜索能力，以便获取最新的信息并输出更加有效的结果。 本文将详细介绍如何在 AnythingLLM 中启用 Web 搜索功能，并配置 Google Search Engine 和 DuckDuckGo

前言随着近两年 AI 大模型的井喷式增长，国内外涌现出了众多大模型厂商。国外有 ChatGPT、Claude、Gemini、Grok 等，国内则有 DeepSeek、通义千问、豆包、KIMI 等。此外还有我们常用的量化模型部署框架 Ollama。尽管很多厂商已经提供了与 OpenAI 兼容的接口，但像 Gemini、Ollama 等仍然没有兼容。为了兼容所有 AI 模型厂商的接口，开发者往往需要自

前言在前面的教程中，我们通过 Ollama 实现了私有化部署大模型，并完成了对话与 API 访问的基本功能。然而，此时的大模型还无法访问私有知识库。本文将介绍如何通过 AnythingLLM 与 Ollama 结合，搭建一个具备私有知识库能力的 AI 应用。 AnythingLLM 简介AnythingLLM 是一款开箱即用的一体化 AI 应用，支持 RAG（检索增强生成）、AI 代理等功能。它无

前言最近在研究私有部署大模型的过程中，遇到了很多专业性的术语，为了搞清楚各个术语和大模型之间的关系花了不少时间查资料。这篇文章将以通俗易懂的方式对常见的大模型相关名词做一个总结，同时尽量结合原理和实际案例，帮助大家更好地理解这些关键点。 概念详解1. 大模型 (Large Model)大模型是指参数规模庞大、结构复杂的深度学习模型，通常拥有数十亿甚至上千亿个参数。这些模型通过海量数据的训练，能够处

前言在上一章中，我们通过 HuggingFace 成功调用了 Llama3 模型，但整个过程相对繁琐。不仅需要在 HuggingFace 上申请访问权限，还要编写代码来调用模型。如果我们需要提供外部访问接口，还需要自行实现。本文将介绍如何通过 Ollama 部署 Llama3 模型，并通过接口调用，简化这一过程。 Ollama 简介Ollama 是一个本地运行的大语言模型（LLM）工具平台，允许用

前言在上一篇文章中，我们通过 Meta 官网下载了 Llama 模型，但由于官方提供的 Demo 需要显卡支持，且修改后仍未成功运行，最终选择通过 Hugging Face 下载模型。这篇文章将详细介绍如何使用 Hugging Face 平台下载和调用 Llama 模型，并提供代码示例用于测试。 Hugging FaceHugging Face 是一家专注于人工智能和自然语言处理（NLP）的公司，