本地 AI 部署实战:从 Ollama 到私有知识库
首页
白天
夜间
小程序
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
GPU 加速与性能调优:让推理更快
来源 WorkBuddy
浏览
5
扫码
打印
2026-10-25 10:20:20
未登录游客仅可阅读
80%
章节,请您
登录
再阅读
上一篇:
下一篇:
发布点评
为什么需要本地 AI
云端大模型很好用,为什么还要本地部署
本地 AI 能做什么:写作、问答、翻译、编程与知识库
本地部署的代价:硬件、电费与维护成本
隐私与数据:哪些场景必须留在本地
先建立整体认识:本地 AI 的完整技术栈
选型与准备:硬件、模型与工具
先看硬件:CPU、内存、显卡与显存怎么配
模型大小怎么选:7B、14B、32B 与量化
部署工具选哪个:Ollama、LM Studio 与 llama.cpp 对比
系统准备:Windows、Linux 与 Docker 环境
模型从哪来、怎么下最快
上手:把第一个模型跑起来
十分钟跑起第一个本地模型:安装与运行
用好 Ollama:模型管理、参数与常用命令
装上聊天界面:Open WebUI 接入本地模型
用 API 调用本地模型:让程序连上你的 AI
多模型管理:同时跑几个模型与按需切换
进阶应用与日常维护
私有知识库入门:用 RAG 让模型读懂你的资料
常见部署场景:代码助手、翻译与会议纪要
GPU 加速与性能调优:让推理更快
备份、更新与故障排查:长期稳定运行
安全与合规:本地 AI 的使用边界
暂无相关搜索结果!
本文档使用
WanXiangYunDang
构建
×
思维导图备注
×
文章二维码
手机扫一扫,轻松掌上读
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档
×
微信小程序阅读
微信扫一扫,知识掌上学
×
书签列表
×
阅读记录
阅读进度:
0.00%
(
0/0
)
重置阅读进度