- 综合排序
- 最热优先
- 最新优先
- 来自专栏轩辕镜像
LocalAI Docker 容器化部署指南
LocalAI的核心优势在于其兼容性和部署灵活性：作为OpenAIAPI的替代品，现有基于OpenAIAPI开发的应用可无缝迁移至LocalAI；同时，其容器化部署方式简化了安装配置流程，降低了本地化部署的技术门槛 ，便于后续管理-p8080:8080：端口映射，将容器内8080端口映射到主机8080端口（实际部署时请根据轩辕镜像文档（LOCALAI）https://xuanyuan.cloud/r/localai 参考资源官方文档与镜像资源轩辕镜像-LocalAI文档https://xuanyuan.cloud/r/localai/localai：轩辕镜像的本地化部署文档LocalAI镜像标签列表https:// xuanyuan.cloud/r/localai/localai/tags：查看所有可用版本标签LocalAI项目GitHubhttps://github.com/go-skynet/LocalAI：项目源代码和官方文档 、安全加固和数据备份策略后续建议：深入学习LocalAI官方文档https://localai.io，了解高级功能如模型微调、API扩展等根据业务需求选择合适的模型，平衡性能与资源消耗定期关注LocalAI
66310编辑于 2025-12-29 - 来自专栏TCR实践
Harbor边缘部署文档
access_secret 仓库access_key 仓库状态 仓库状态 仓库名称 在Harbor中仓库的唯一ID 仓库credential类型 仓库access_secret 仓库access_key Harbor边缘部署文档 of proxy externalURL: https://cedhub.com 配置持久化存储 使用hostPath 在Node上创建文件夹 mkdir -p /data/disks/{disk1-5G ,disk2-5G,disk3-1G,disk4-1G,disk5-1G,disk6-5G} 如果没有提供StorageClass来动态提供持久化，则手动分配，创建hostPath类型的PersistentVolume - ReadWriteOnce persistentVolumeReclaimPolicy: Recycle hostPath: path: "/data/disks/disk5- tls.key /etc/docker/certs.d/yourdomain.com/ cp ca.crt /etc/docker/certs.d/yourdomain.com/ 使用边缘Harbor部署工作负载
1.7K30编辑于 2022-03-06 - 来自专栏开源部署
MetaQ安装部署文档
一．MetaQ安装部署情况： 地点 IP Broker ID Master/Slave Slave ID:Group 合肥 192.168.52.23 1 Slave 1:meta-slave-group-hf 部署 解压tar zxvfmetaq-server-1.4.6.2.tar.gz，将解压出来的taobao/metamorphosis-server-wrapper文件夹移动到/usr/lib下，并重命名为 master同步server.ini, 1.4.2新增选项 #第一次仍然需要自己拷贝server.ini，后续可以通过设置此选项为true来自动同步 autoSyncMasterConfig=true 5. Metamorphosis/wiki/HA MetaQ源码分析：https://github.com/killme2008/Metamorphosis/wiki/%E6%BA%90%E7%A0%81%E5%
74410编辑于 2022-06-28 - 来自专栏飞鸟的专栏
Kafka集群部署文档
以下是示例配置文件： tickTime=2000 dataDir=/var/lib/zookeeper clientPort=2181 initLimit=5 syncLimit=2 server.1= /local/kafka/bin/kafka-server-start.sh /usr/local/kafka/config/server.properties & 现在，我们的Kafka集群已经成功部署了 现在，我们已经成功地部署了Kafka集群，并使用Kafka提供的命令行工具测试了它的功能。
90030编辑于 2023-03-28 - 来自专栏NLP/KG
LLM大模型部署实战指南：Ollama简化流程，OpenLLM灵活部署，LocalAI本地优化，Dify赋能应用开发
LLM大模型部署实战指南：Ollama简化流程，OpenLLM灵活部署，LocalAI本地优化，Dify赋能应用开发 1. 3.LocalAI 部署 LocalAI 是一个本地推理框架，提供了 RESTFul API，与 OpenAI API 规范兼容。 Dify 支持以本地部署的方式接入 LocalAI 部署的大型语言模型推理和 embedding 能力。 models path: /models 7:16AM INF LocalAI version: v1.24.1 (9cc8d9086580bd2a96f5c96a6b873242879c70bc) LocalAI API 服务部署完毕，在 Dify 中使用接入模型 在 设置 > 模型供应商 > LocalAI 中填入： 模型 1：ggml-gpt4all-j - 模型类型：文本生成 - 模型名称：
3.1K11编辑于 2024-08-17 开源免费本地AI神器，一键部署多模态大模型！
LocalAI 是一款革命性的开源AI框架，专为本地化部署设计。 Whisper.cpp/Bark.cpp会议记录/语音克隆图像创作StableDiffusion.cpp营销素材生成/艺术创作视频理解vLLM多模态模型视频内容分析/自动剪辑语义检索BERT系列模型知识库问答/文档检索 加速的量化模型支持完整的OpenAI API兼容性活跃的开源社区（每月10+次版本更新）企业级功能：联邦学习/P2P网络应用场景实例案例1：智能文档助手from langchain_community.llms import LocalAIllm = LocalAI(endpoint="http://localhost:8080")response = llm.invoke("总结这篇技术文档的核心要点：", 三大核心优势： 零门槛部署：普通笔记本电脑即可运行百亿参数大模型 全功能覆盖：文本/语音/图像/视频处理一应俱全 高度可扩展：支持自定义模型和分布式集群适用人群：需要私有化部署AI能力的企业开发者对数据安全有严格要求的金融
2.7K10编辑于 2025-03-31- 来自专栏山行AI
创建与任何事物聊天的私人ChatGPT-AnythingLLM
查询模式是针对你的文档的简单问答•聊天中的引用链接到原始文档来源和文本•简单的技术堆栈，便于快速迭代•100%云部署就绪•"自带你的LLM"模式•非常高效的成本节约措施，用于管理非常大的文档。 嵌入器和向量数据库 支持的LLM: •任何开源llama.cpp兼容模型[1]•OpenAI[2]•Azure OpenAI[3]•Anthropic ClaudeV2[4]•LM Studio (所有模型)[5] •LocalAi (所有模型)[6] 支持的嵌入模型: •AnythingLLM原生嵌入器[7]（默认）•OpenAI[8]•Azure OpenAI[9]•LM Studio (所有)[10]•LocalAi azure.microsoft.com/en-us/products/ai-services/openai-service [4] Anthropic ClaudeV2: https://www.anthropic.com/ [5] LM Studio (所有模型): https://lmstudio.ai/ [6] LocalAi (所有模型): https://localai.io/ [7] AnythingLLM原生嵌入器:
4.4K10编辑于 2023-12-19 - 来自专栏C++系列
本地AI新选择：LocalAI如何实现低成本硬件也能轻松训练AI大模型
在本文中，我将详细介绍如何使用Docker快速部署LocalAI，并结合cpolar内网穿透工具实现远程访问。无论你是技术新手还是有经验的老手，都能从中学到实用的知识和技巧！ 安装cpolar内网穿透 不过我们目前只能在本地局域网内访问刚刚部署的LocalAI来使用AI大模型聊天，如果想不在同一局域网内时，也能在外部网络环境使用手机、平板、电脑等设备远程访问与使用它，应该怎么办呢 如图所示，现在就已经成功实现使用公网地址异地远程访问本地部署的LocalAI来用AI大模型聊天啦！ 5. 配置固定公网地址 由于以上使用cpolar所创建的隧道使用的是随机公网地址，24小时内会随机变化，不利于长期远程访问。因此我们可以为其配置二级子域名，该地址为固定地址，不会随机变化。 最后，我们使用固定的公网地址在任意设备的浏览器中访问，可以看到成功访问本地部署的LocalAI Web UI页面，这样一个永久不会变化的二级子域名公网网址即设置好了。
1.9K10编辑于 2025-02-14 - 来自专栏飞鸟的专栏
etcd集群原理，部署文档
本文将介绍etcd集群的原理和部署文档。etcd集群原理etcd是一个强一致性的系统，它采用Raft协议作为一致性算法。 etcd集群部署文档etcd集群可以在多台服务器上部署，以保证高可用性。下面是etcd集群的部署文档：步骤1：安装etcd在所有节点上安装etcd，可以从etcd官网下载二进制文件进行安装。 步骤5：启动etcd集群在所有节点上启动etcd进程，使用上一步创建的配置文件启动etcd集群。 code9a9e12d4842b24e0, started, node1, http://192.168.1.100:2380, http://192.168.1.100:2379e79081750eb48e5c 要部署etcd集群，需要在每个节点上安装etcd软件，并创建etcd配置文件，指定节点的IP地址、端口号、数据存储目录和集群配置。
2K20编辑于 2023-03-27 - 来自专栏cuijianzhe
openstack系列- keystone部署文档
| | enabled | True | | id | 50b9efa71e704582ad667a8b98b5b770 | | id | gAAAAABdoFX01swIecvosowJi-oGV8Y5fTHmPiGY4OtsAV2p1f0fkOWgc88v8QwmZtnKF83b501CTWBqdnIx1A78ZCN3SWufOHni24JVk1PP06JMzvtw8LFslGwYiJxtHCinCyxhW5fM9F3CxMYBGcq1xfRnkCV3PDJmoNCDS9ds8IdDREmXceQ gAAAAABdoFeqLzi8NPoEwyiFAdbUhnZjVFS8avXsns9eQRWBFlPbouQfZOizXhh_cYn7iLMDmsrhL-d-Bw6UfjB4tB-PnowYcxckWhN3hEFSfd0gGbu9SzK3HUyNfw1pGuJ3E67Wxy7E_NR8QRMVG4yuooO-H-Y71-SCeNqAv1ak__xK4cBb54g | | project_id | 7728319b685d4e5fb8aa8c9274fcb4b5 -------------------------------------------------------------------+ ---- 标题：openstack系列- keystone部署文档
1.3K10编辑于 2022-06-14 - 来自专栏AI SPPECH
2025年本地AI部署完全指南：从Ollama到vLLM的全方位实践教程
本文将系统地介绍当前主流的本地AI部署方案，包括Ollama、LocalAI、vLLM、text-generation-webui等工具，并提供详细的部署指南和最佳实践。 服务只监听本地接口（localhost:11434） 如需远程访问，务必配置适当的身份验证和访问控制 可以通过反向代理（如Nginx）添加额外的安全层 性能优化 对于频繁使用的模型，考虑使用量化版本（如Q4、Q5） 3.2 使用Docker部署LocalAI Docker是部署LocalAI的推荐方式，它能够简化安装过程并确保环境的一致性。 基本Docker部署 拉取LocalAI镜像 docker pull localai/localai:latest 创建必要的目录结构 mkdir -p models 启动LocalAI容器 docker message)s', handlers=[ RotatingFileHandler('ai_service.log', maxBytes=10485760, backupCount=5)
14.7K31编辑于 2025-11-16 - 来自专栏史上最简单的Spring Cloud教程
docker官方文档翻译5
确保你的镜像能够成为一个被部署的容器能正常工作。 介绍 在第4部分中，你学习了如何设置一个swarm，这是一群运行Docker的机器，并为其部署了一个应用程序，应用才能修包含的众多容器在多台机器上运行。 添加一个新服务和重新部署 添加服务到docker-compose文件是非常简单的。首先，添加一个可视化界面的服务，可以让我们查看swarm正在调度的容器。 最重要的是，redis规范中有几件事情使数据在这个堆栈的部署之间持久化： redis总是在管理器上运行，所以它总是使用相同的文件系统。 如果没有这个，Redis会将其数据存储在容器文件系统中的/ data中，如果该容器曾经被重新部署，该数据将被清除。
51210编辑于 2022-05-07 - 来自专栏运维之美
Github 星标 14.6K: 一站式 AI 桌面应用 Anything LLM
Anything LLM 是一个集成了 RAG 和 AI Agent 功能的 AI 桌面应用，它可以将多种格式的文档、网址或内容转化为上下文，以便与大型语言模型（LLM）交流时使用，支持本地运行或部署为服务供多人使用 查询模式则是是针对您的文档做简单问答 聊天中会提供所引用的相应文档内容 100% 云部署就绪 部署你自己的 LLM模型 管理超大文档时高效、低耗。 只需要一次就可以嵌入（Embedding)一个庞大的文档或文字记录。比其他文档聊天机器人解决方案节省 90% 的成本。 OpenAI (通用) Azure OpenAI Anthropic Google Gemini Pro Hugging Face (聊天模型) Ollama (聊天模型) LM Studio (所有模型) LocalAi 聊天模型) OpenRouter (聊天模型) Mistral Groq Cohere KoboldCPP 支持的嵌入模型 AnythingLLM原生嵌入器（默认） OpenAI Azure OpenAI LocalAi
2.4K10编辑于 2024-06-13 - 来自专栏自动化、性能测试
MongoDB（5）- Document 文档相关
Documents MongoDB 的文档可以理解为关系型数据库（Mysql）的一行记录 MongoDB 将数据记录为 BSON 格式的文档 BSON 是 JSON 文档的二进制表示，但它支持的数据类型更加丰富 ，需要查看 driver 驱动相关的文档（后续介绍） 一些由内部 MongoDB 进程创建的文档可能有重复的字段，但是没有 MongoDB 进程会将重复的字段添加到现有的用户文档中 访问文档 跟访问 python 更多查询数组字段的方法后面展开详解 访问文档里面的嵌套文档 "<embedded document>.<field>" 嵌套文档小栗子 { ... 更多嵌套查询的方法后面展开详解 字段值的限制 对索引字段的最大长度有限制（后面更新文章再更新这里） 文档的限制 文档大小限制 最大 BSON 文档大小为 16 mb 最大文档大小有助于确保单个文档不能使用过多的内存 BSON BinData类型的值 如果满足以下条件，则 BinData 类型的索引键将更有效地存储在索引中： 二进制子类型值在0-7或128-135之间，并且 字节数组的长度为：0、1、2、3、4、5、
1.8K20发布于 2021-06-01 - 来自专栏nginx
从配置到实战：LocalAI+cpolar实现本地AI训练与跨平台访问全过程
今天为您带来一套颠覆性的本地化部署方案——基于LocalAI的智能计算架构。这个开源项目能将普通PC升级为具备强大AI运算能力的终端设备，实现高效模型推理与多样化内容创作。 现在就让我们共同探索这套低成本、高效率的本地智能部署方案！ 【视频教程】 支持CPU推理运行的开源AI神器LocalAI本地安装与远程使用教程 1. 如图所示，现在就已经成功实现使用公网地址异地远程访问本地部署的LocalAI来用AI大模型聊天啦！ 5. 配置固定公网地址 由于以上使用cpolar所创建的隧道使用的是随机公网地址，24小时内会随机变化，不利于长期远程访问。因此我们可以为其配置二级子域名，该地址为固定地址，不会随机变化。 最后，我们使用固定的公网地址在任意设备的浏览器中访问，可以看到成功访问本地部署的LocalAI Web UI页面，这样一个永久不会变化的二级子域名公网网址即设置好了。
50010编辑于 2025-11-16 - 来自专栏Laoqi's Linux运维专列
SubversionEdge部署研发团队文档管理
为了提高公司办公效率，需要搭建一款文档分享server，windows可轻轻松松搭建一个文档服务器，但是为了配合研发同事的工作需要，综合考虑最终使用了Linux下的SVN作为首选。
1.6K40发布于 2018-05-31 - 来自专栏Python编程 pyqt matplotlib
PyQt5 文档打印
本篇通过Python3+PyQt5实现《python Qt Gui 快速编程》这本书13章文档打印功能。 本文共通过三种方式： 1，使用HTML和QTextDOcument打印文档，最简单 2，使用QTextCusor和QTextDocument打印文档 3，使用QPainter打印文档 使用Qpainter 打印文档比QTextDocument需要更复杂的计算，但是QPainter确实能够对输出赋予完全控制。 import math import sys import html from PyQt5.QtPrintSupport import QPrinter,QPrintDialog from PyQt5. QtPrintSupport import QPrinter,QPrintDialog from PyQt5.QtCore import (QDate, QRectF, Qt) from PyQt5.QtWidgets
1.6K40发布于 2019-08-14 - 来自专栏IT云清
5.Elasticsearch检索文档
前一篇我们索引（存储）了文档，本篇我们讲解最简单的查询文档，和删除文档。 1.根据id查询文档 我们执行一个http get请求，指定文档的索引库，类型，id，即可返回此文档 GET people/user/1 返回结果为： { "_index": "people", interests": [ "bastkeyball", "football" ], "create_time": "2018-02-04" } } 我们会发现，我们存储的文档 2.删除文档 DELETE people/user/1 返回结果为： { "found": true, "_index": "people", "_type": "user", "_id deleted", "_shards": { "total": 2, "successful": 1, "failed": 0 } } 当我们再次查询时，会发现找不到这个文档了
60420发布于 2019-01-22 - 来自专栏SerMsBlog
BMP项目部署参考文档
后台代码部署 前言: 需要环境有,JDK1.8,Maven3.8,Mysql8.0,Redis,Tomcat(自己百度安装),本项目内不含该服务部署 如有细微不同之处,会一对一进行讲诉 打开idea 找到application配置文件,修改数据库端口号、数据库名称、用户名、密码 随后即可点击运行按钮运行此工程 数据库部署 新建数据库,导入项目包里的sql文件即可,太基础这里不做讲解 前台工程项目部署
1.3K10编辑于 2022-11-22 - 来自专栏顾宇的研习笔记
通过 Github Actions 部署 Mkdocs 文档
Mkdocs 是一个采用 Python 构建轻量级的静态 HTML 在线文档框架，内置部署到 Github Pages 的功能。我用来创建实践指南，用来做个人的知识积累。 更多的主题请参考 Wiki 页：https://github.com/mkdocs/mkdocs/wiki/MkDocs-Themes 创建并测试站点 通过mkdocs new <目录>就可以快速创建文档站点 在所在目录执行mkserve，你就可以在http://localhost:8000看到初始化的文档。Mkdocs 会监测目录的改动并重新生成站点更新浏览器。 但如果你修改了配置，比如主题。 HTML 生成和部署 执行mkdocs build会新建site目录，并将 markdown 文件构建为 html 文件。 - run: pip install mkdocs-material - run: mkdocs gh-deploy --force 提交后，你就可以看到自己的站点自动部署到
1.8K10编辑于 2022-01-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号