Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

我有秋叶整合包,然后需要怎么搭建本地部署?

Answer

以下是使用秋叶整合包搭建本地部署的步骤:

  1. 下载整合包:可以从独立研究员的空间获取,或者使用秋叶的启动器
  2. 复制启动器到下载仓库的目录下。
  3. 打开启动器,可一键启动。如果有其他需求,可以在高级选项中调整配置。
    • 显存优化根据显卡实际显存选择,不要超过当前显卡显存。xFormers 能极大地改善内存消耗和速度,建议开启。
  4. 准备工作完毕后,点击一键启动即可。等待浏览器自动跳出,或是控制台弹出本地 URL 后说明启动成功。
    • 如果报错提示缺少 Pytorch,则需要在启动器中点击配置。
  5. Stable Diffusion webui 的更新比较频繁,请根据需求在“版本管理”目录下更新,同时注意插件的更新。
    • 在 webui 的“扩展”选项卡下,可以安装插件。点击“加载自”后,目录会刷新,选择需要的插件点击右侧的 install 即可安装。安装完毕后,需要重新启动用户界面。

具体安装方法:

  1. 打开整合包链接(https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru ,提取码:caru),下载《1.整合包安装》,存放到电脑本地。
  2. 打开保存到电脑里的文件夹。
  3. 打开文件夹《1.秋叶整合包主包》,鼠标右击文件,点击“解压文件”。
  4. 选择解压到 D 盘或者 E 盘(避免 C 盘被占满),点击确定。
  5. 解压完成后,来到第二个文件夹,双击里面的文件,点击安装。
  6. 打开刚刚解压保存的 SD 的根目录,找到启动器,鼠标右击启动器,点击“发送到”,选择桌面快捷方式,方便下次进入。
  7. 双击启动器,等待更新,接着点击左边第二个“高级选项”,在显存优化里,根据自己电脑的显存选择。
  8. 回到第一个一键启动,点击右下角的一键启动。出现代码页面不用管,等待 SD 的主界面在网页上自动弹出。如果出现报错,可以回到最开始的界面,在左边点击“疑难解答”,再点击右边的“开始扫描”,最后点击“修复”按钮。
Content generated by AI large model, please carefully verify (powered by aily)

References

SD新手:入门图文教程

觉得麻烦的同学可以使用整合包,解压即用。比如[独立研究员](https://link.zhihu.com/?target=https%3A//space.bilibili.com/250989068)的空间下经常更新整合包。[秋叶的启动器](https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/BV1ne4y1V7QU)也非常好用,将启动器复制到下载仓库的目录下即可,更新管理会更方便。打开启动器后,可一键启动:如果有其他需求,可以在高级选项中调整配置。显存优化根据显卡实际显存选择,不要超过当前显卡显存。不过并不是指定了显存优化量就一定不会超显存,在出图时如果启动了过多的优化项(如高清修复、人脸修复、过大模型)时,依然有超出显存导致出图失败的几率。xFormers能极大地改善了内存消耗和速度,建议开启。准备工作完毕后,点击一键启动即可。等待浏览器自动跳出,或是控制台弹出本地URL后说明启动成功如果报错提示缺少Pytorch,则需要在启动器中点击配置:Stable Diffusion webui的更新比较频繁,请根据需求在“版本管理”目录下更新:同样地,也请注意插件的更新:[heading3]关于插件[content]Stable Diffusion可配置大量插件扩展,在webui的“扩展”选项卡下,可以安装插件:点击“加载自”后,目录会刷新,选择需要的插件点击右侧的install即可安装。安装完毕后,需要重新启动用户界面:

教程:超详细的Stable Diffusion教程

电脑配置能支持SD运行的朋友们,接下来我会手把手教你安装SD的本地部署这里我们用到的是B站秋叶分享的整合包小白直接下载整合包可以避免很多困难整合包点开链接就能下载保存啦链接:https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru提取码:caru具体安装方法:①打开上面的链接,下载《1.整合包安装》,存放到电脑本地②打开保存到电脑里的文件夹③打开文件夹《1.秋叶整合包主包》——鼠标右击文件——点击“解压文件”④选择解压到D盘或者E盘,小心C盘被占满!!点击确定⑤解压完成后,来到第二个文件夹,双击里面的文件点击安装⑥打开刚刚解压保存的SD的根目录,找到启动器鼠标右击启动器——点击“发送到”——桌面快捷方式这样下次进入就可以直接在桌面双击进入,不用每次都到文件夹里面找啦!⑦双击启动器,等待更新接着点击左边第二个“高级选项”在显存优化里,根据自己电脑的显存选择(就是上面查看的专用GPU内存),自己电脑是多少就选多少⑧回到第一个一键启动,点击右下角的一键启动出现这个代码页面不用管,等一下就行了!SD的主界面会自动在网页上弹出来如果在上面的页面出现了报错可以回到最开始的界面在左边点击“疑难解答”,再点击右边的“开始扫描”最后点击“修复”按钮下面这个页面就是SD的主页面,大家看到这样一个复杂的页面千万不要慌实际上有些功能在我们基础使用中用不上接下来我们就把常用功能配合上实际例子来讲解

彭青云:02小白comfyui学习日记-本地部署,搭建美女工作流,做黑猴子天命人

本地部署有3种方式:官方的本地部署包和秋叶整合包,最后还有二狗子老师,特意制作的通往AGI之路黑猴子流专属包。想做天命人,直接安装二狗子老师制作的专属包即可。(如果先安装其他部署包,再装二狗子老师的包可能会出错,所有安装文件夹也不能中文命名)。秋叶整合包安装简单,常用的插件都已经预装好了,非常方便。以前使用官方软件包时,还需要搭建环境、安装Git、管理器等,即使有教程,也费了不少劲。秋叶整合包省去了很多麻烦,下载后直接打开即可。官方安装包和秋叶整合包,安装好后都需要下载模型。文末有模型下载链接。如果你之前装过WebUI,经过设置后可以共用模型。我之前因为覆盖了空格键而没有成功共用模型,之后就暂时搁置了comfyui的学习。处理好软件和模型后,打开一键启动,稍等片刻就会进入工作界面。我们可以调节界面颜色、语言显示,如果有缺失的节点,还可以通过管理器进行安装。左侧输入模型,选择不同的模型会影响最终图像的风格和质量。那么,我们如何输出自己想要的图像呢?通过正反提示词,文本链接图像,点击右侧队列即可生成图像。

Others are asking
秋叶comfyui安装包
以下是关于秋叶 ComfyUI 安装包的相关信息: 秋叶整合包:通过网盘分享,链接为 https://pan.baidu.com/s/18hSRDLgxm5N0ZHtuRQLrAQ?pwd=6666 ,提取码: 6666 。 麦橘老师模型:通过网盘分享,链接为 https://pan.baidu.com/s/14Z6KohbJ1TxlI7bJ7wg?pwd=6666 ,提取码: 6666 ,模型存放路径为 ComfyUIakiv1.3\\models\\checkpoints 。 提示词在线地址:https://www.liblib.art/modelinfo/bced6d7ec1460ac7b923fc5bc95c4540?from=search 。 通往 AGI 之路天命人整合包:通过网盘分享,链接为 https://pan.baidu.com/s/14OD0Fcfmd58eOS7qZPVPQ?pwd=6666 ,提取码: 6666 。 二狗子老师黑猴子流原理:【ComfyUI 开源社区共学天命人黑猴子(黑神话悟空)工作流讲解】https://www.bilibili.com/video/BV1agWaefENA/?share_source=copy_web&vd_source=08f1807fea192b97f4e9389bd8eaa1eb 。 更多课程欢迎来 waitoagi 社区一起共学:https://waytoagi.feishu.cn/wiki/QxIBwmsWQiEbz3kHii1cFu6XnBc 。 ComfyUI 的本地部署: 下载 github 链接:https://github.com/comfyanonymous/ComfyUIinstalling ,也可以去作者的网盘里下载一键启动压缩包。 下载完后,将文件解压到一个没有中文的路径下。 安装过程中的代码操作: I:\\ComfyUIaki\\python\\python.exe m pip install huggingface_hub U 。 过程中若有爆红部分让更新对应包到指定版本或“>=”的版本,可通过 pip install 包名==x.x.x(版本号)操作。 例如:I:\\ComfyUIaki\\python\\python.exe m pip install gradio==3.23 。 依次安装更新这些包完成后,再次执行 I:\\ComfyUIaki\\python\\python.exe m pip install huggingface_hub U ,即可重启。
2025-03-04
秋叶绘画提示词
以下是关于秋叶绘画提示词的相关内容: 小田推荐在视频转绘制作美女相关图像时,使用麦?的写实模型和墨幽人造人模型。不推荐使用质量词,可先使用反推和 Deepbooru 获得提示词,再借助提示词插件删除无用词,保留与画面主体相关的提示词。主要受人物主体描述、皮肤质感增强、整体细节增强的 Loar 影响。 正向提示词:1girl,solo,black_hair,midriff,autolinklora:林鹤皮肤质感调整器差异炼丹功能性lora模型_林鹤v1:0.6autolink 负向提示词:NSFW,logo,text,blurry,low quality,bad anatomy 皮肤质感相关的 Lora 用于解决小姐姐素材磨皮严重、皮肤无质感的问题。 画小二整理了 Prompt 提示词关键词(双语版),包括视角、渲染方式等方面,如儿童画、门廊灯、冬天的颜色、3D 渲染等。 还有在教育类中,设置人格作为聊天机器人,扮演捉摸不透的小姐姐,副业是 Java 全栈开发工程师,并给出了相关的约束条件和台词语气示例。
2024-09-01
coze搭建智能体,用上传的文件和知识库的文件做对比,分析差异点。
以下是关于在 Coze 中搭建智能体的相关信息: 1. 证件照相关操作: 展示原图上传结果,基本脸型已换,生成效果与上传照片特征有关。 改背景可利用改图功能,一键改图效果更好,输出数据类型为图片。 豆包节点生成的是 URL 地址,与前者不同,在工作流使用有差异,可参考简单提示词。 介绍证件照工作流相关操作,包括通过提示词改背景颜色,设置输出方式为返回变量;讲解消耗 token 及保存结果相关问题;对按钮、表单添加事件并设置参数,限制上传文件数量;还涉及给表单和图片绑定数据,以及每次操作后刷新界面确保设置生效。 围绕操作讲解与优化展开,介绍 for meet 的设置,如表单事件操作、图片上传数量修改等,提及编程基础知识。还讲述成果图连接、绑定数据方法及注意事项。展示基本功能实现情况,分析换性别等问题成因,指出需在工作流优化提示词,也可尝试用视频模型解决,最后进入问答环节。 2. 多维表格的高速数据分析: 创建智能体,使用单 Agent 对话流模式。 编排对话流,创建新的对话流并关联智能体。 使用代码节点对两个插件获取的结果进行数据处理,注意代码节点输出的配置格式。 测试,找到一篇小红书笔记,试运行对话流,在对话窗口输入地址查看数据。 发布,选择多维表格,配置输出类型为文本,输入类型选择字段选择器,完善上架信息,可选择仅自己可用以加快审核。 3. 智能体与微信和微信群的连接: 创建知识库,可选择手动清洗数据提高准确性,包括在线知识库和本地文档。 在线知识库创建时,飞书在线文档中每个问题和答案以分割,可编辑修改和删除。 本地文档中注意拆分内容提高训练数据准确度,如将课程章节按固定方式人工标注和处理。 发布应用,确保在 Bot 商店中能够搜到。
2025-04-18
coze搭建知识库和上传文件做对比分析
以下是关于 Coze 搭建知识库和上传文件的对比分析: 创建文本型知识库: 自动分段与清洗:扣子可对上传的内容进行自动解析,支持复杂布局的文件处理,如识别段落、页眉/页脚/脚注等非重点内容,支持跨页跨栏的段落合并,支持解析表格中的图片和文档中的表格内容(目前仅支持带线框的表格)。操作步骤为在分段设置页面选择自动分段与清洗,然后依次单击下一步、确认,可查看分段效果,不满意可重新分段并使用自定义分段。 自定义:支持自定义分段规则、分段长度及预处理规则。操作时在分段设置页面选择自定义,然后依次设置分段规则和预处理规则,包括选择分段标识符、设置分段最大长度和文本预处理规则,最后单击下一步完成内容分段。 创建表格型知识库: 目前支持 4 种导入类型:本地文档、API、飞书、自定义。 本地文档:选择本地文档从本地文件中导入表格数据,目前支持上传 Excel 和 CSV 格式的文件,文件不得大于 20M,一次最多可上传 10 个文件,且表格内需要有列名和对应的数据。 API:参考特定操作从 API 返回数据中上传表格内容,包括选择 API、单击新增 API、输入 API URL 并选择数据更新频率,然后单击下一步。 飞书:参考特定操作从飞书表格中导入内容,包括选择飞书、在新增知识库页面单击授权并选择要导入数据的飞书账号、单击安装扣子应用(仅首次导入需授权和安装),然后选择要导入的表格并单击下一步。目前仅支持导入“我的空间”下的飞书文档,云文档的创建者必须是自己,暂不支持导入知识库和共享空间下的云文档。 上传文本内容: 在线数据:扣子支持自动抓取指定 URL 的内容,也支持手动采集指定页面上的内容,上传到数据库。 自动采集方式:适用于内容量大、需批量快速导入的场景。操作步骤为在文本格式页签下选择在线数据,然后依次单击下一步、自动采集、新增 URL,输入网站地址、选择是否定期同步及周期,最后单击确认,上传完成后单击下一步,系统会自动分片。 手动采集:适用于精准采集网页指定内容的场景。操作步骤为安装扩展程序,在文本格式页签下选择在线数据,然后依次单击下一步、手动采集、授予权限,输入采集内容的网址,标注提取内容,查看数据确认无误后完成并采集。
2025-04-18
如何搭建知识库
搭建知识库的方法如下: 使用 flowith 搭建: 选择“Manage Your Knowledge Base”,进入知识库管理页面。 点击左上角的加号添加新的知识库,给知识库起一个便于分辨的名字。 点击添加文件,建议使用 Markdown 格式的文件。 Flowith 会对文件进行抽取等处理,处理完毕后可在知识库管理页面测试检索。 使用 Dify 搭建: 准备数据:收集文本数据,进行清洗、分段等预处理。 创建数据集:在 Dify 中创建新数据集,上传准备好的文档并编写描述。 配置索引方式:提供三种索引方式,根据需求选择,如高质量模式、经济模式和 Q&A 分段模式。 集成至应用:将数据集集成到对话型应用中,配置数据集的使用方式。 持续优化:收集用户反馈,更新知识库内容和优化索引方式。 使用 Coze 智能体搭建: 手动清洗数据: 在线知识库:点击创建知识库,创建 FAQ 知识库,选择飞书文档,输入区分问题和答案,可编辑修改和删除,添加 Bot 并在调试区测试效果。 本地文档:注意拆分内容,提高训练数据准确度,按章节进行人工标注和处理,然后创建自定义清洗数据。 发布应用:点击发布,确保在 Bot 商店中能搜到。
2025-04-14
coze搭建工作流调用deepseek如何把模型的输出存入到多维表中
以下是将模型的输出存入到多维表中的步骤: 1. 逐步搭建 AI 智能体: 搭建整理入库工作流。 设置大模型节点提取稍后读元数据,使用 MiniMax 6.5s 245k,设置最大回复长度至 50000,以确保能完整解析长内容网页。 进行日期转时间戳,后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳,需要使用「日期转时间戳time_stamp_13」插件进行格式转化。 把稍后读元数据转换为飞书多维表格插件可用的格式,飞书多维表格插件目前(2024 年 08 月)只支持带有转义符的 string,以 Array<Object>格式输入,所以必须将之前得到的元数据数组进行格式转换。 添加「飞书多维表格add_records」插件,只需要设置{{app_token}}与{{records}}参数,将元数据写入飞书表格。 2. 搭建 Coze 工作流: 打开 Coze 的主页,登录后,在【工作空间】创建一个智能体。 在编排页面,给智能体编辑好人设,可先写一个简单的,然后点右上角自动优化,系统会自动补全更精细的描述。点击工作流的+,创建一个工作流。 大模型节点把 input 给到 DeepSeek,让 DeepSeek 按照提前规定的输出框架生成对应文案。 生图节点将输出给到图像生成组件画图。 结束输出时,两个输出给到最终的 end 作为最终的输出。注意在编写系统提示词时,如果需要 input 可被 DeepSeek 调用,需要用{{input}}作为参数引入,不然大模型不知道自己需要生成和这个 input 相关的结果。编排完,点击【试运行】,调试至满意后点击发布。
2025-04-14
如何搭建自己的知识库
以下是搭建自己知识库的方法: 1. 选择“Manage Your Knowledge Base”,进入知识库管理页面。 2. 在页面左上角点击加号,添加新的知识库,并为其起一个易于分辨的名字。 3. 点击添加文件,建议使用 Markdown 格式的文件。 4. 等待 Flowith 对文件进行抽取等处理。 5. 处理完毕后,可在知识库管理页面测试检索,输入关键词过滤相关内容。 此外,搭建本地知识库还需了解 RAG 技术: 1. RAG 是一种当需要依靠不包含在大模型训练集中的数据时所采用的主要方法,即先检索外部数据,然后在生成步骤中将这些数据传递给 LLM。 2. 一个 RAG 的应用包括文档加载、文本分割、存储、检索和输出 5 个过程。 文档加载:从多种不同来源加载文档,LangChain 提供了 100 多种不同的文档加载器。 文本分割:把 Documents 切分为指定大小的块。 存储:将切分好的文档块进行嵌入转换成向量的形式,并将 Embedding 后的向量数据存储到向量数据库。 检索:通过某种检索算法找到与输入问题相似的嵌入片。 输出:把问题以及检索出来的嵌入片一起提交给 LLM,生成更合理的答案。 对于基于 GPT API 搭建定制化知识库,涉及给 GPT 输入定制化的知识。由于 GPT3.5 一次交互支持的 Token 有限,OpenAI 提供了 embedding API 解决方案。Embeddings 是一个浮点数字的向量,两个向量之间的距离衡量它们的关联性,小距离表示高关联度。在 OpenAI 词嵌入中,靠近向量的词语在语义上相似。文档上有创建 embeddings 的示例。
2025-04-14
搭建在线知识库,在线客服
以下是关于搭建在线知识库和在线客服的相关内容: RAG 流程: 自顶向下,RAG 的流程分为离线数据处理和在线检索两个过程。 离线数据处理的目的是构建知识库,知识会按照某种格式及排列方式存储在其中等待使用。 在线检索是利用知识库和大模型进行查询的过程。 以构建智能问答客服为例,了解 RAG 流程中的“是什么”与“为什么”同等重要。 创建智能体: 手动清洗数据创建知识库: 点击创建知识库,创建画小二课程的 FAQ 知识库。 知识库的飞书在线文档中,每个问题和答案以“”分割。 选择飞书文档、自定义,输入“”,可编辑修改和删除。 点击添加 Bot,可在调试区测试效果。 本地文档: 注意拆分内容以提高训练数据准确度。 以画小二课程为例,先放入大章节名称内容,再按固定方式细化处理每个章节。 发布应用:点击发布,确保在 Bot 商店中能搜到。 开发:GLM 等大模型外接数据库: 项目启动:包括 web 启动(运行 web.py,显存不足调整模型参数,修改连接)、API 模式启动、命令行模式启动。 上传知识库:在左侧知识库问答中选择新建知识库,可传输 txt、pdf 等。可以调整 prompt,匹配不同的知识库,让 LLM 扮演不同的角色,如上传公司财报充当财务分析师、上传客服聊天记录充当智能客服等。MOSS 同理。
2025-04-13
如何本地部署大模型,如何选择是否使用云服务商
以下是关于本地部署大模型以及选择是否使用云服务商的相关内容: 本地部署大模型的主要步骤: 1. 选择合适的部署方式,包括本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等,根据自身的资源、安全和性能需求进行选择。 2. 准备训练所需的数据和计算资源,确保有足够的训练数据覆盖目标应用场景,并准备足够的计算资源,如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础,可以使用开源的预训练模型如 BERT、GPT 等,也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练,根据具体应用场景对预训练模型进行微调训练,优化模型结构和训练过程以提高性能。 5. 部署和调试模型,将训练好的模型部署到生产环境,对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护,大模型涉及大量数据和隐私信息,需要重视安全性和合规性。 以 SDXL 为例的本地部署步骤: 1. SDXL 的大模型分为两个部分,base+refiner 是必须下载的,base 是基础模型,用于文生图操作;refiner 是精炼模型,用于对生成的模型进行细化,生成细节更丰富的图片。还有一个配套的 VAE 模型,用于调节图片的画面效果和色彩。 2. 想要在 webUI 中使用 SDXL 的大模型,首先要在秋叶启动器中将 webUI 的版本升级到 1.5 以上。 3. 将模型放入对应的文件夹中,base 和 refiner 放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下;vae 放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。完成之后,启动 webUI,就可以在模型中看到 SDXL 的模型。 以 LLM 大语言模型为例的本地部署步骤: 1. 下载并安装 Ollama,点击进入根据电脑系统下载 Ollama:https://ollama.com/download ,下载完成后,双击打开,点击“Install”,安装完成后,将下方地址复制进浏览器中。如果出现下方字样,表示安装完成:http://127.0.0.1:11434/ 。 2. 下载 qwen2:0.5b 模型(0.5b 是为了方便测试,下载快,自己设备充足的话,可以下载更大的模型)。如果是 windows 电脑,点击 win+R,输入 cmd,点击回车;如果是 Mac 电脑,按下 Command(⌘)+Space 键打开 Spotlight 搜索,输入“Terminal”或“终端”,然后从搜索结果中选择“终端”应用程序。复制相关命令行,粘贴进入,点击回车,等待下载完成。 总的来说,部署大模型需要综合考虑多方面因素,包括部署方式、数据准备、模型训练、部署调试以及安全性等。需要根据具体需求选择合适的方法,并注意优化各个环节以提高模型性能和应用效果。
2025-04-14
本地部署
SDXL 的本地部署步骤如下: 1. 模型下载:SDXL 的大模型分为两个部分,第一部分 base + refiner 是必须下载的,base 是基础模型,用于文生图操作;refiner 是精炼模型,用于对文生图生成的模型进行细化以生成细节更丰富的图片。此外,还有一个配套的 VAE 模型用于调节图片的画面效果和色彩。这三个模型可通过关注公众号【白马与少年】,回复【SDXL】获取云盘下载链接。 2. 版本升级:要在 webUI 中使用 SDXL 的大模型,需在秋叶启动器中将 webUI 的版本升级到 1.5 以上。 3. 放置模型:将 base 和 refiner 放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下;vae 放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。 4. 启动使用:完成上述步骤后启动 webUI,即可在模型中看到 SDXL 的模型。正常使用时,先在文生图中使用 base 模型,填写提示词和常规参数(如尺寸设置为 10241024)进行生成。然后将图片发送到图生图当中,大模型切换为“refiner”,重绘幅度开小一点再次点击生成。 5. 插件辅助:若觉得操作麻烦,可在扩展列表中搜索 refine 安装插件并重启,启用插件后可在文生图界面直接使用 refine 模型进行绘画。 另外,关于本地部署资讯问答机器人:Langchain + Ollama + RSSHub 实现 RAG,步骤包括导入依赖库(如 feedparse 用于解析 RSS 订阅源,ollama 用于在 python 程序中跑大模型,使用前需确保 ollama 服务已开启并下载好模型)、从订阅源获取内容(通过指定函数从 RSS 订阅 url 提取内容,并将长文本拆分成较小的块附带相关元数据)、为文档内容生成向量(使用文本向量模型 bgem3,从 hf 下载好模型后放置在指定路径,通过函数利用 FAISS 创建高效的向量存储),最终实现 RAG。
2025-04-13
如何部署自己私人AI
部署自己私人 AI 可以参考以下几种方式: 通过云服务器、dify、智能微秘书来免费搭建微信机器人: 1. 在宝塔面板的终端安装相关命令,这些命令位于/root/dify/docker 目录下。 2. 检查运行的容器数量,若 nginx 容器无法运行,可能是 80 端口被占用,可将终端输出的代码粘贴给 AI 以解决。 3. 在浏览器地址栏输入公网 IP(去掉后面的:8888),进入后邮箱密码随便填,建立知识库并进行设置。 4. 选择模型,国内模型有免费额度可选,如智谱 ai,获取钥匙并复制保存,创建应用进行测试和发布。 基于 Hook 机制的微信 AI 机器人: 1. 将 Administrators 改成“wxid_dna83ykqawl222”。 2. 若有 FastGPT 或者 OpenAI 的 key,将 Ai_Lock 修改成“1”,并在 OpenAI 处添加模型 key;若没有,保持 Ai_Lock 为 0。 3. 修改后点击保存。 4. 返回 NGCbot 文件夹下,找到 main.py 文件双击运行。 5. 运行后会弹出微信登录框,正常登录微信,等待系统自动初始化必备文件。 6. 运行成功后,用“大号”给机器人发消息,拿到 wxid 并返回替换。 7. 添加完后,用小号登录,大号可对小号发号施令。 部署和训练自己的 AI 开源模型: 1. 选择合适的部署方式,如本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等,根据自身资源、安全和性能需求选择。 2. 准备训练所需的数据和计算资源,确保有足够的训练数据覆盖目标应用场景,并准备足够的计算资源,如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础,如开源的 BERT、GPT 等,也可自行训练基础模型。 4. 针对目标任务进行模型微调训练,根据具体应用场景对预训练模型进行微调,优化模型结构和训练过程以提高性能。 5. 部署和调试模型,将训练好的模型部署到生产环境,对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护,重视大模型涉及的大量数据和隐私信息的安全性和合规性。 总的来说,部署和训练自己的大模型需要综合考虑多方面因素,包括部署方式、数据准备、模型训练、部署调试以及安全性等,根据具体需求选择合适的方法,并注意优化各个环节以提高模型性能和应用效果。
2025-04-11
DEEP SEEK 本地部署(Olama + ChatBox)+私有知识库(cherrystudio)
以下是关于 Deep Seek 本地部署(Olama + ChatBox)+私有知识库(cherrystudio)的相关内容: 一、使用 Docker + RAGFlow + Ollama 搭建个人/企业知识库 1. 将 Ollama 部署的模型接入 GARFlow 返回 RAGFlow 中,打开右上角设置,进入模型提供商,配置 Ollama 相关信息,基础 URL 按要求设置,设置完成后点击确定。 导入一个 embedding 模型用于文本向量化,导入成功后设置系统模型设置,然后返回知识库创建知识库。 进入数据集,导入文件(可设置文件夹当作知识库),导入完毕后解析文件,解析速度取决于本机 GPU 性能,解析好后进行检索测试,测试没问题即可进入聊天界面,助理设置可自行设置。 2. 使用 Ollama 本地部署 DeepSeek 模型 先下载 Ollama 程序,官方网址:https://ollama.com/ 。 下载默认到 C 盘(一般为固态盘,运行速度快),若想修改安装目录到 D 盘,后续会有说明。 下载完右下角会出现 Ollama 图标,打开命令行输入相关命令回车。 若显卡是英伟达 2060Super,可选择 Deepseekr1:14b 的模型,根据自身独立显卡性能下载。 下载速度慢可按 Ctrl+C 强制退出重新下载。 下载完毕后再下载一个嵌入模型,Ollama 的 bge 模型官方网址:https://ollama.com/library/bgem3 ,输入相关命令,下载好后直接退出终端。 二、Flowith 相关报道、采访、使用指南 |标题|发布账号|社媒来源|日期|链接| |||||| |ChatGPT 的对话框过时了?这款 AI 产品提供了一种很新的聊天方式|爱范儿|公众号|2024/04/29|| |Flowith:革新你的工作方式,体验节点式 AI 的超流畅生产力|程序那些事儿|公众号|2024/05/03|| |体验 Flowith:探索人机交互从传统聊天对话到画布式知识管理的转变|AI 兔子洞|公众号|2024/04/22|| |deepseek 服务器繁忙?硅基流不动?看看这篇,内含 18 个平台,可能是最全的 deepseek 方案。|佐佐的 AI 笔记|公众号|2025/02/06|| |满血版自部署 DeepSeekR1+知识库+联网搜索,体验下来可能就只剩下这家了!|字节笔记本|公众号|2025/02/12|| |DeepSeek 让 AI 圈卷出了新高度:Flowith 宣布 DeepSeek R1 现在免费提供!|字节笔记本|公众号|2025/01/27|| |ShowMeAI 周刊 No.15|上周最有讨论度的 6 个 AI 话题:自由画布类产品密集更新、多主体一致成发展趋势、AGI、开源…|ShowMeAI 研究中心|公众号|2025/01/21||
2025-04-10
本地部署大模型,如何微调建立本地知识库
以下是关于本地部署大模型并微调建立本地知识库的详细步骤: 一、使用 AnythingLLM 进行本地知识库搭建 1. 安装 AnythingLLM 安装地址:https://useanything.com/download 安装完成后进入配置页面,主要分为三步: 第一步:选择大模型 第二步:选择文本嵌入模型 第三步:选择向量数据库 2. 构建本地知识库 在 AnythingLLM 中创建自己独有的 Workspace 与其他项目数据隔离。 上传文档并在工作空间中进行文本嵌入。 选择对话模式,提供了 Chat 模式(大模型根据训练数据和上传文档数据综合给出答案)和 Query 模式(大模型仅依靠文档中的数据给出答案)。 二、张梦飞的全本地部署教程 1. 部署大语言模型 下载并安装 Ollama 点击进入,根据电脑系统,下载 Ollama:https://ollama.com/download 下载完成后,双击打开,点击“Install” 安装完成后,将下方地址复制进浏览器中。如果出现下方字样,表示安装完成:http://127.0.0.1:11434/ 下载 qwen2:0.5b 模型 如果是 Windows 电脑,点击 win+R,输入 cmd,点击回车;如果是 Mac 电脑,按下 Command(⌘)+Space 键打开 Spotlight 搜索,输入“Terminal”或“终端”,然后从搜索结果中选择“终端”应用程序。 复制相关命令行,粘贴进入,点击回车。 三、智能纪要中的相关内容 在智能纪要中,许键介绍了模型 API 调用方法与知识库创建,包括获取 API key 位置及调用设置,详细讲解了创建 Rag 应用(知识库)流程,如上传非结构化文件、数据解析、切分段落等操作,并回答了诸多问题。同时还涉及工作流创建、模型能力及相关问题的探讨,以及通义千问相关应用及明天课程安排交流等内容。 总之,本地部署大模型并建立本地知识库需要按照上述步骤进行操作和配置,同时不断实践和探索,以达到理想的效果。
2025-04-10
COE团队需要什么AI能力,比如AI辅助编程;AI部署+和调优;AI智能体;AI提示词; OCR识别
COE 团队可能需要以下 AI 能力: 1. AI 辅助编程:虽然 AI CODING 目前适用于小场景和产品的第一个版本,但在复杂应用中可能存在需求理解错误导致产品出错的情况。 2. AI 部署和调优:涵盖服务器创建、搭建微信机器人到引入 coze API 的全过程,包括 Docker 部署、本地运行、RailWay 部署等多种方式。 3. AI 智能体:从最初只有对话框的 chatbot 到有更多交互方式,低代码或零代码的工作流等场景做得较好。例如以证件照为例,实现了相关智能体和交互。创建智能体工作流包括创建、编辑人设、编排设计等步骤。 4. AI 提示词:在编写系统提示词时需要用{{input}}作为参数引入,以使大模型知道需要生成与输入相关的结果。 5. OCR 识别:未提及相关具体内容。 同时,在图像能力方面,支持图片生成、图片识别、图生图等,可选择 Dal3、stable diffusion、replicate、midjourney、CogView3、vision 模型。具有丰富插件,支持个性化插件扩展,已实现多角色切换、文字险、敏感词过滤、聊天记录总结、文档总结和对话、联网搜索等插件。通过上传知识库文件可自定义专属机器人,作为数字分身、智能客服、私域助手使用,基于 LinkAI 实现。
2025-04-09
AI和知网整合的工具
目前存在能联网检索的 AI ,例如 ChatGPT Plus 用户现在可以开启 web browsing 功能实现联网,Perplexity 结合了 ChatGPT 式的问答和普通搜索引擎的功能,Bing Copilot 旨在简化在线查询和浏览活动,还有如 You.com 和 Neeva AI 等搜索引擎,提供基于人工智能的定制搜索体验并保持用户数据私密性。这些 AI 搜索工具的出现标志着信息检索领域的重要发展,结合 AI 技术和搜索引擎大幅提升数据集命中预期,为实际应用带来更多可能性。 另外,提供以下功能:和 AI 知识库对话,可问任何关于 AI 的问题;集合精选的 AI 网站,按需求找到适合的工具;集合精选的提示词,可复制到 AI 对话网站使用;呈现知识库的精华内容。 在 Obsidian 中嵌入 AI 辅助工具,第五步是打开新面板,具体操作包括:用命令面板打开创建的页面(默认快捷键 Ctrl+P ),在弹出的搜索框中输入插件名称 custom frames ,在下拉选项中选择 OpenKimi ,打开设置好的 Kimi 窗口。Obsidian 与 AI 组合使用有几种思路,如内嵌网页+AI(Custom frame)、笔记仓库嵌入大模型(Copilot)、笔记内容作为 RAG 嵌入大模型(Smart Conections)、笔记内使用大模型编写内容 。其中“内嵌网页+AI(Custom frame)”的简单嵌入方法已分享,后续为您介绍 2 4 三类工具的配置方法。
2025-03-28
你整合了哪些大模型
以下是整合的一些大模型: 1. Poe:由 Quora 开发,有 APP 版本,支持跨端使用。集成了 Chat GPT、GPT4、Claude+、Claude、Dragonfly 等模型,同时支持用户自建 Chatbot。不同语言模型回复效果有差异,适合需要调用多种大语言模型的用户。Dragonfly 擅长给出较短的回答,并擅长在输入中给出示例时遵循指示。Claude 更擅长创造性回复,配合 Poe 中的提问引导,非常适合在查阅资料时使用。但 GPT4、Claude+产品需要付费订阅使用。访问地址:。 2. 多模态大模型: Flamingo:代表了一系列视觉语言模型,旨在处理交错的视觉数据和文本,生成自由格式的文本作为输出。 BLIP2:引入了一个资源效率更高的框架,包括用于弥补模态差距的轻量级 QFormer,实现对冻结 LLMs 的充分利用。利用 LLMs,BLIP2 可以使用自然语言提示进行零样本图像到文本的生成。 LLaVA:率先将 IT 技术应用到 MM 领域。为了解决数据稀缺问题,LLaVA 引入了使用 ChatGPT/GPT4 创建的新型开源 MM 指令跟踪数据集以及 MM 指令跟踪基准 LLaVABench。 MiniGPT4:提出了一种简化的方法,仅训练一个线性层即可将预训练的视觉编码器与 LLM 对齐。这种有效的方法能够复制 GPT4 所展示的功能。 mPLUGOwl:提出了一种新颖的 MMLLMs 模块化训练框架,结合了视觉上下文。为了评估不同模型在 MM 任务中的表现,该框架包含一个名为 OwlEval 的教学评估数据集。 XLLM:陈等人扩展到包括音频在内的各种模式,并表现出强大的可扩展性。利用 QFormer 的语言可迁移性,XLLM 成功应用于汉藏语境。 VideoChat:开创了一种高效的以聊天为中心的 MMLLM 用于视频理解对话,为该领域的未来研究制定标准,并为学术界和工业界提供协议。 大型模型主要分为两类: 1. 大型语言模型:专注于处理和生成文本信息。 2. 大型多模态模型:能够处理包括文本、图片、音频等多种类型的信息。二者在处理的信息类型、应用场景和数据需求方面有所不同。 此外,相对大型模型,还有被设计来完成特定任务的规模较小的模型,例如最初用于图像分类的模型,只能分辨是或不是某一个东西(比如猫、狗)。
2025-03-05
deepseek如何定制化打造属于自己的内容整合写手
以下是关于如何定制化打造属于自己的内容整合写手的相关信息: 新闻播报自动化工作流: 内容获取:输入新闻链接,系统自动提取核心内容。开始节点需输入新闻链接和视频合成插件 api_key,添加网页图片链接提取插件,获取网页里的图片(以 1ai.net 资讯为例),利用图片链接提取节点获取新闻主图,调整图片节点将 url 格式转为 img 格式。 文字处理:使用链接读取节点提取文字内容,在提取链接后接上大模型节点,用 DeepSeek R1 模型重写新闻为口播稿子,可在提示词中加入个性化台词。需注意 DeepSeek R1 基础版限额使用,可手动接入专业版。 DeepSeek 提示词方法论: 高阶能力调用:包括文风转换矩阵(如作家风格移植、文体杂交、学术口语化等)和领域穿透技术(如行业黑话破解)。 场景化实战策略:涵盖商业决策支持、创意内容生成、技术方案论证。 效能增强技巧:如对话记忆管理(包括上下文锚定、信息回溯、焦点重置)和输出质量控制(针对过度抽象、信息过载、风格偏移等问题的修正指令)。 特殊场景解决方案:包括长文本创作(分段接力法、逻辑粘合剂)和敏感内容处理(概念脱敏法、场景移植法)。 AI 编程与炼金术:Build on Trae: 相关知识图谱包含多个章节,如 Trae 的介绍/安装/疑难杂症、图片字幕生成器、DeepSeek R1 驱动的 Life Coach、DeepSeek 驱动的网页金句卡片生成等,涉及 Node.JS 安装、Python 安装、申请 DeepSeek R1 API、网页接入 DeepSeek API 等知识点。
2025-02-25
deepseek如何整合在飞书中
DeepSeek 整合在飞书中的相关信息如下: 2 月 19 日:《DeepSeek 最新论文科普解读:NSA,物美价廉的超长上下文方案》介绍了 DeepSeek 最新论文提出的“Native Sparse Attention”(NSA),一种高效的超长上下文方案,显著提升模型性能。《输入观点一键生成文案短视频》介绍了基于 Coze 平台的视频生成工作流,通过集成 DeepSeek R1 模型等技术,用户可通过表单输入主题观点自动生成短视频并推送至飞书消息。 2 月 10 日:《最好的致敬是学习:DeepSeekR1 赏析》专为非技术人群设计,介绍了 R1 和 V3 的技术亮点等。《DeepSeek 创新源于芯片封锁,Anthropic 或成最大输家;美国不是通过创新竞争,而是通过封锁竞争》探讨了 DeepSeek 的崛起及相关情况。《喂饭级教程:飞书多维表格+DeepSeek=10 倍速用 AI》介绍了将飞书多维表格与 DeepSeek R1 结合提升工作效率的方法。 获取字节火山 DeepSeek 系列 API 完整教程及使用方法:2 月 14 日 8 点有直播,直播结束可看回放。学习文档有《突破 DeepSeek R1 能力天花板,火山引擎扣子+飞书一站式企业解决方案》。模板可在复制。创建账号时普通账号需自行升级或注册专业号。创建智能体时点击创建先完成一个智能体的创建。若已创建好推理点,可在 Bot 编排里直接看到和选择创建好的推理模型。测试可用后直接发布,注意发布到公共空间时他人使用 API 会消耗 Token,可设置为仅自己使用。若想搭建联网及复杂的工作流,可看《韦恩:被困在离线孤岛?DeepSeek 联网版我已经用扣子实现了!!不卡顿!!》。
2025-02-23
目前最好用的ai整合网站
目前一些好用的 AI 整合网站包括: ChatGPT Plus:其用户现在可以开启 web browsing 功能,实现联网功能。 Perplexity:结合了 ChatGPT 式的问答和普通搜索引擎的功能,允许用户指定希望聊天机器人在制定响应时搜索的源类型。 Bing Copilot:作为一个 AI 助手,旨在简化您的在线查询和浏览活动。 You.com 和 Neeva AI 等:提供了基于人工智能的定制搜索体验,并保持用户数据的私密性。 此外,WaytoAGI 网站也有一些特色功能,比如: 和 AI 知识库对话:您可以在这里问任何关于 AI 的问题。 AI 网站:集合了精选的 AI 网站,可按需求找到适合您的工具。 AI 提示词:集合了精选的提示词,您可以复制到 AI 对话网站来使用。 知识库精选:将每天知识库的精华内容呈现给大家。 另外,还有一些 AI 应用,例如: 联想设备管理平台:AI 办公设备管理系统,使用数据分析、物联网技术,管理办公设备,提高设备利用率。 新氧 APP:AI 美容护肤机构推荐平台,运用数据分析、自然语言处理技术,为用户推荐优质的美容护肤机构。 大众点评亲子频道:AI 儿童教育机构推荐平台,通过数据分析、自然语言处理,为家长推荐优质的儿童教育机构。 汽车之家车商城:AI 汽车销售平台,借助数据分析、自然语言处理,为消费者提供汽车购买渠道。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-01-28
目前最好用的ai整合插件
目前一些好用的 AI 整合插件如下: Coze 插件: 提供了多样化的插件库,涵盖从基础的文本处理到高级的机器学习功能,如文本分析插件可帮助理解用户输入意图,情感分析插件能识别情绪倾向,自然语言处理(NLP)插件支持复杂对话生成,还有图像识别、语音识别、数据分析等插件,其数量和种类不断增加以适应变化。 整合了符合平民生活化的插件,如新闻资讯(头条新闻)、天气预报(墨迹天气)、出行必备(飞常准、猫途鹰)、生活便利(快递查询助手、国内快递查询、食物大师、懂车帝、幸福里、猎聘)等。 Excel 相关的 AI 工具和插件: Excel Labs:是 Excel 插件,新增生成式 AI 功能,基于 OpenAI 技术,可在 Excel 中利用 AI 进行数据分析和决策支持。 Microsoft 365 Copilot:微软推出,整合了 Word、Excel、PowerPoint、Outlook、Teams 等办公软件,通过聊天形式,用户告知需求后自动完成任务。 Formula Bot:提供数据分析聊天机器人和公式生成器两大功能,可通过自然语言交互式进行数据分析和生成 Excel 公式。 Numerous AI:支持 Excel 和 Google Sheets 的 AI 插件,能公式生成、根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术发展,未来可能会有更多 AI 功能集成到相关软件中,提高工作效率和智能化水平。请注意,部分内容由 AI 大模型生成,请仔细甄别。
2025-01-28