RPG Maker VX Ace(RMVA) 是一款面向初学者的游戏开发工具，无需编程知识就能制作出完整的角色扮演游戏。它提供了直观的点击式界面，包含地图编辑器、数据库系统和事件编辑器等核心功能。目前在 Steam 限免。RPG Maker VX Ace (RMVA) 是 Enterbrain 开发的 RPG Maker 系列的第五代，RGSS 系列第三代。RMVA 允许没有编程经验的普通用户轻松制作出 RPG 游戏，创作的游戏可以在没有安装 RPG Maker VX Ace 的计算机上运行。总

前言本文主要讲述如何安装 C语言 编译器——MinGW，特点是文章附有完整详细的实际安装过程截图，文字反而起说明提示作用。编写本文的原因始于我的一个观点：图片可以比文字传达更多的信息，也能让其他人更容易理解作者的意图及思想。因此，我将安装 MinGW 的过程和步骤，编写成了这篇以图片为主的教程，为了让看到这篇文章的任何人，都可以很容易按照图片所示正确安装 MinGW。一、什么是 MinGW ？MinGW 的全称是：Minimalist GNU on Windows 。它实际上是将经典的开源 C语

全民大炼AI的时代来了！运行Deepseek R1/V3的满血Q4_K_M 版本，仅需 14GB 显存和 382GB 内存。清华大学的kvcache.ai团队发布的ktransformer大模型加载框架v0.3 Preview，提升本地加载满血deepseek 671b的运行效率。预填充速度性能指标27.79 倍于llama.cppcpu数tokens/s备注32 核54.212×32 核74.362255.26 基于优化的 AMX 混合专家内核，仅 V0.3 版本286.55选择性使

能将DeepSeek嵌入到Excel吗？当然可以了，我们需要借助VBA代码来实现，以下的代码都是由DeepSeek自动生成的，我们还需要调用DeepSeek的API，实现在A1单元格中输入数据，然后点击按钮执行，在B1单元格中输出结果的效果，我们来看下具体怎么做的一、获取API首先我们需要获取DeepSeek的API，只需来到官网，右上角点击【API开放平台】，然后在右侧找到【API keys】然后在中间点击【API keys】，就会显示窗口，我们需要为其设置一个名字，然后复制下API，等下需要

最近 DeepSeek出来了，很火，说是能跟ChatGpt o1 媲美，结果，用了DeepSeek的官方服务，提示“服务器繁忙 请稍后再试。”，我就想，算了，自己部署个吧。我这个是基于docker部署的，首先要docker 支持 显卡，这样才会跑的更快，基于CPU 还是比较卡的，耗费的内存也比较多。部署非常方便，除了下载很慢，基本都是环境问题，环境解决完就没啥大问题。服务器基础资源这就来个服务器部署，目前服务器资源大致如下:操作系统 : Ubuntu 24.04显卡：Tesla P100-PCI

随着人工智能技术的飞速发展，越来越多的人开始探索如何利用 AI 工具提升工作效率和个人知识管理水平。在众多开源AI模型中，DeepSeek-R1 凭借其强大的本地部署能力和多功能性脱颖而出。结合 AnythingLLM 这一功能强大的文档处理工具，我们可以轻松搭建一个属于自己的个性化 AI 知识管理系统。一、什么是 DeepSeek-R1？DeepSeek-R1 是一款基于深度学习的开源 AI 模型，默认支持文本生成、对话交互等多种任务。与依赖云服务的大模型相比，DeepSeek-R1 具有以下

当 DeepSeek-R1 在本地成功部署那一刻，兴奋与激动如潮水般涌上心头，迫不及待地开启与它的热烈对话，话题一个接一个，畅聊不停。出于探索的热情，还按照自己的思路给它共享了不少知识，它也能依此精准切入，给出令人满意的答案。可谁能想到，第二天再聊，它竟像失忆一般，昨天共享的数据全然没了印象，一切又回到最初状态。在 AI 的奇妙世界里，其记忆机制别有一番特点。以 DeepSeek、GPT 为代表的大多数 AI 模型，默认无状态，无持久化记忆。每次对话都是全新开场，不会记住上一次聊了啥。单次会话中

项目介绍 iBizEHR是一款高性能、全面开源、免费（MIT License开源协议）的人力资源管理系统，iBizEHR依托iBiz生产体系，不仅提供源码开放，更可提供EHR全面的业务模型，包括每一个数据实体、每一个服务设计、每一个页面UI、每一个流程模型，源码和业务模型完全对应。本系统100%开源，遵守MIT协议。 项目功能 六大模块：人力资源规划、员工关系管理、招聘与配置、培训与开发、绩效管理、薪酬福利管理。通过对人力资源的分析、规划、实施和调整，最大化企业人力资源的价值，助力企业发展。 开

本文仅供学习使用，首先你得有N卡，检查一下你的电脑是否有N卡，有就继续往下看，没有就回家吧孩子，回家吧！开个玩笑，我们可以白嫖好兄弟的呀。本次环境内存：32G显卡:  GTX 3060  6G windows11配置要求本次部署8b，因为小下载快，只有5g。如果配置跟得上推荐使用32B的模型, 基本上可以达到原版9成水平本地部署下载ollamaollama是一个开源的人工智能框架，旨在为开发者提供一个灵活、高效的工具，可以轻松将大语言模型集成到自己的应用中。访问:&

前言最近 DeepSeek 非常火爆，和 22 年 ChatGPT 横空出世一样，官方的服务器动不动就会“服务器繁忙，请稍后再试”。但和 ChatGPT 不同的是，DeepSeek 的官方 API 价格便宜，并且开源模型权重，允许用户利用模型输出、通过模型蒸馏等方式训练其他模型。这也就意味着在官方网站或者 API 繁忙时，我们还可以使用第三方的 API，甚至是本地运行蒸馏后的模型来运行 DeepSeek R1。对于习惯使用 API 的用户，最近 DeepSeek 官方暂停了 API  

DeepSeek部署完后，除了正常的聊天使用，实际上更想基于它做一些更符合预期的事情，比如基于某些事实或者数据，能给我推理出来相关的结果或者尽量限制在某一部分进行回答，这个比较突出的表现方式就是知识库，其中，最新最新出来的开源 RAGFlow 很不错，这就部署出来瞅一下。当然，DeepSeek的部署就需要参考《基于Ubuntu Ollama 部署 DeepSeek-R132B 聊天大模型（附带流式接口调用示例）》这篇文章了。RAGFlow简单介绍下它，RAGFlow 是一款基于深度文档理解构建的

在window下安装过 Ollama和OpenWebUI搭建本地的人工智能web项目（可以看我之前写的文章），无奈电脑硬件配置太低，用qwen32b就很卡，卡出PPT了，于是又找了一台机器安装linux系统，在linux系统下测试一下速度能否可以快一些。系统硬件介绍Ubuntu 22.04.4 LTSCPU: i5-10400F内存：32G硬盘： 512G SSD显卡： NVIDIA GeForce GTX 1060 6GB内网IP: 192.168.1.21下载 Ollama访问下载： htt

ollama+open-webui，本地部署自己的大模型版权目录一、效果预览二、部署ollama1.ollama说明2.安装流程2.1 windows系统2.1.1下载安装包2.1.2验证安装结果2.1.3设置模型文件保存地址2.1.4拉取大模型镜像2.2linux系统2.2.1下载并安装ollama2.2.2设置环境变量2.2.3拉取模型文件三、部署open-webui1.open-webui介绍2.安装流程2.1windows2.1.1下载源码2.1.2用pycharm新建一个虚拟环境?编辑

1、下载ollama1）https://ollama.com 进入网址，点击download下载2）下载后直接安装即可。2、启动配置模型默认是启动cmd窗口直接输入1 ollama run llama3启动llama3大模型 或者启动千问大模型1 ollama run qwen2启动输入你需要输入的问题即可 3、配置UI界面安装docker并部署web操作界面1 docker run&n

这两天大家都被DeepSeek炸晕了吧，嘿嘿，其实DeepSeek也被大家炸晕了。这是今天上午的情况↓没办法，这泼天的流量一般人扛不住~想高频使用怎么办呢？本地装一个！本地部署有两个好处：❶不联网，全私密，不担心隐私泄露，还可以挂载本地知识库❷完全免费，彻底告别“服务器繁忙”。如果你是苹果Mac本——我们需要用到两个神器：一个叫做Ollama，这是一个可以在本地运行和管理大模型的软件。另一个叫做Page Assist，这是个浏览器插件，提供本地大模型的图形化管理和对话界面。一、下载Ollama，