https://0f9f3b1c.text-matrix.pages.dev/tags/ollama/Recent content in Ollama on Text MatrixHugozh-cnWed, 08 Apr 2026 11:10:11 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/mini-coding-agent-sebastian-raschka-source-code-guide/Tue, 07 Apr 2026 01:05:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/mini-coding-agent-sebastian-raschka-source-code-guide/<h2 id="学习目标">学习目标</h2> <p>通过本文，你将深入掌握以下核心能力：</p> <ul> <li>理解代码代理的六大核心组件的第一性原理</li> <li>深入理解 WorkspaceContext 如何构建实时仓库上下文</li> <li>掌握 Prompt Shape 如何实现缓存复用和计算节省</li> <li>理解 Structured Tools 的设计模式和批准机制</li> <li>掌握 Context Reduction 的去重和截断策略</li> <li>理解 Transcripts 和 Memory 的持久化设计</li> <li>掌握 Delegation 子代理的受限作用域机制</li> <li>从 ~650 行精简代码中领悟 AI Agent 的本质</li> </ul> <hr> <h2 id="1-项目概述与架构总览">1. 项目概述与架构总览</h2> <h3 id="11-为什么选择-mini-coding-agent">1.1 为什么选择 Mini-Coding-Agent</h3> <p>Sebastian Raschka 明确指出：这是一个<strong>教学示范项目</strong>，不是生产级代理。它的价值在于：</p>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/mini-coding-agent-sebastian-raschka-guide/Tue, 07 Apr 2026 00:55:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/mini-coding-agent-sebastian-raschka-guide/<h2 id="学习目标">学习目标</h2> <p>通过本文，你将全面掌握以下核心能力：</p> <ul> <li>深入理解 Mini-Coding-Agent 的设计哲学和极简架构</li> <li>学会安装配置 Ollama 环境和依赖</li> <li>掌握六大核心组件的原理和实现</li> <li>学会使用 CLI 工具和交互式命令</li> <li>理解会话恢复和内存持久化机制</li> <li>掌握批准模式和安全控制</li> <li>了解代码代理的实际应用场景</li> </ul> <hr> <h2 id="1-项目概述">1. 项目概述</h2> <h3 id="11-是什么">1.1 是什么</h3> <p><strong>Mini-Coding-Agent</strong> 是 Sebastian Raschka（著名机器学习研究者、PyTorch 作者之一）创建的极简代码代理框架。它不是一个生产级 robust 的代理，而是一个<strong>教学示范</strong>，通过最小可读的代码解释代码代理的核心组件。</p>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/ollama-local-llm-guide/Mon, 06 Apr 2026 22:18:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/ollama-local-llm-guide/<h2 id="学习目标">学习目标</h2> <p>通过本文，你将全面掌握以下核心能力：</p> <ul> <li>深入理解 Ollama 的项目定位、核心概念和设计理念</li> <li>掌握 Ollama 的安装、配置和基本使用方法</li> <li>学会运行和管理各种大模型（Llama、Gemma、Mistral 等）</li> <li>理解 Modelfile 自定义模型配置</li> <li>掌握 OpenAI 兼容 API 服务搭建</li> <li>理解 Agent 和 ReAct 模式</li> <li>学会 GPU 加速配置和多模态模型使用</li> <li>掌握 Ollama 与 LangChain 的集成方法</li> </ul> <hr> <h2 id="1-项目概述">1. 项目概述</h2> <h3 id="11-是什么">1.1 是什么</h3> <p><strong>Ollama</strong> 是一个让你在<strong>本地机器上运行开源大模型</strong>的平台。它提供了简单的命令来下载、运行和管理 AI 模型，无需云服务，完全离线可用。</p>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/qmd-local-document-semantic-search-guide/Mon, 06 Apr 2026 21:33:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/qmd-local-document-semantic-search-guide/<h2 id="学习目标">学习目标</h2> <p>通过本文，你将全面掌握以下核心能力：</p> <ul> <li>深入理解 QMD 的项目定位、技术架构和工作原理</li> <li>学会安装和配置 QMD（pip/curl 两种方式）</li> <li>掌握 QMD 的语义搜索和关键词搜索（BM25）混合搜索功能</li> <li>学会使用 CLI 和 Python API 进行文档搜索</li> <li>理解 MCP Server 与 AI Agent 的集成方式</li> <li>掌握增量索引和实时更新的配置</li> <li>支持的文档格式详解（PDF、Markdown、Office 文件等）</li> </ul> <hr> <h2 id="1-项目概述">1. 项目概述</h2> <h3 id="11-是什么">1.1 是什么</h3> <p>QMD（Query Matching on Documents）是一个<strong>本地文档语义搜索工具</strong>，它结合了语义搜索和关键词搜索，让用户能够快速在本地文档中找到相关内容。</p>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/vane-ai-search-engine-guide/Tue, 31 Mar 2026 15:50:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/vane-ai-search-engine-guide/<h1 id="vane隐私优先的-ai-回答引擎完全指南">Vane：隐私优先的 AI 回答引擎完全指南</h1> <h2 id="1-学习目标">§1 学习目标</h2> <p>完成本文档后，你将能够：</p> <ul> <li>✅ 理解 Vane 的核心定位与设计理念</li> <li>✅ 掌握 Vane 的十一大核心功能</li> <li>✅ 熟练安装和配置 Vane（Docker/非Docker）</li> <li>✅ 配置多种 AI 提供商（Ollama/OpenAI/Claude/Gemini/Groq）</li> <li>✅ 使用智能搜索模式（Speed/Balanced/Quality）</li> <li>✅ 使用文件上传和搜索功能</li> <li>✅ 配置 SearxNG 和其他搜索源</li> <li>✅ 排查常见问题（Ollama/Lemonade 连接错误）</li> <li>✅ 使用 Vane 的 API</li> </ul> <hr> <h2 id="2-项目概述">§2 项目概述</h2> <h3 id="21-什么是-vane">2.1 什么是 Vane？</h3> <p><strong>Vane</strong>（官方仓库：<a href="https://github.com/ItzCrazyKns/Vane" target="_blank" rel="noopener noreffer ">ItzCrazyKns/Vane</a>）是一个<strong>隐私优先的 AI 回答引擎</strong>，完全运行在你自己的硬件上。</p>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/tools/project-nomad-offline-ai-server/Sat, 28 Mar 2026 16:30:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/tools/project-nomad-offline-ai-server/<h1 id="project-nomad离线优先的-ai-知识与教育服务器从入门到精通">Project N.O.M.A.D.：离线优先的 AI 知识与教育服务器从入门到精通</h1> <blockquote> <p><strong>目标读者</strong>：希望构建离线 AI 知识库、在无网络环境下使用 AI 教育资源、或者需要自托管 AI 工具的开发者与研究者 <strong>核心问题</strong>：如何构建一个完全离线、无遥测、可以离线使用 Wikipedia/Khan Academy/AI 聊天/地图的&quot;生存服务器&quot;？ <strong>难度</strong>：⭐⭐⭐（中级偏高） <strong>预计阅读时间</strong>：40 分钟</p>