2025年04月23日
种种迹象表明：“出口转内销”已是必然，外贸工厂转型也是必然，以前卖给老外的货，现在要卖给家人们啦。下为案例：(1)京东(2000亿计划)，设立“出口转内销”专属频道，提供流量扶持、物流补贴、金融支持。(2)百度(AI扶持100万家企业)，免费提供智能客服、AI营销工具，帮助外贸企业建独立站。
2025年04月13日
大家看到下面的广告，做微信流量主一天有大几百收益，是不是很心动呢？
如果大家相信他们上面的收益，就已经开始掉入坑中了：
首先，你可能要找开发微信小程序，我就是这样被骗入坑中的，骗人的就是图中的微信号。
他会告诉你目前微信小程序流量主有多么红利，每天会在朋友圈发收益图，你看着心动了，就已经掉入坑中了。在贴吧中，很多代理微信小程序的人，收取的费用从几百到上千各不等，此骗子收了我880元，他也不是开发者，只是一个代理，真正的开发者价格我目前也拿到了，可以向下大家公布，如果大家还是要进坑，希望第一步坑就少掉一点。
下面是开发者工作室做流量主的价格表，愿那些愿意去做流量主这坑的了解一下行情，我就是开始不了解行情，所以被骗了好几百。市面上无非都是这几种类型的小程序，会点技术的都可以自己搞，实在不想自己搞，就找开发者发两三百块帮你开发，总比找哪些无量代理人要好。
专注微信小程序搭建＋运营热门小程序价目表:
打卡小程序 原价：300 代理价：240
成语小程序 原价：300 代理价：240
猜歌小程序 原价：300 代理价：240
抽奖小程序 原价：350 代理价：300
影视小程序 原价：400 代理价：340
养猫小程序 原价：500 代理价：440
以上全部一条龙搭建＋开通流量主＋运营资料＋售后服务群＋收益保障。
第二步大坑：骗你进入坑的人不会告诉你他是怎么赚到朋友发图的收益。这种显示的收益大概就两种，第一种就是PS图，也就是修改数字，显示有多
2025年02月22日
★ 我们平时使用的ChatGPT、kimi、豆包等Ai对话工具，其服务器都是部署在各家公司的机房里，如果我们有一些隐私数据发到对话中，很难保证信息是否安全等问题，如何在保证数据安全的情况下，又可以使用大预言模型，Ollma（哦拉玛）可以告诉你答案！
”
目录
1. Ollma 是什么？
2. 安装教程
2.1 首先去官网下载
2.2 下载好之后安装
2.3 测试一下
3. 导入开源Qwen 2.5 - 0.5B 大模型
3.1 去模型仓库搜索模型
3.2 加载模型
3.3 使用模型
4. 部署webUI可视化对话
这是一个保姆级的教程，从下载到成功运行Qwen2.5大模型，更适合没有玩过Ollma的小白宝宝哦~
image.png
1. Ollma 是什么？
★ 一句话介绍：一个可以让你在本地启动并运行大型语言模型的工具！
”
Ollma是一个开源的大模型服务工具，他可以让你在一行代码不写的情况下，在本地通过一条命令即可运行大模型。
Ollma会根据电脑配置，自动选择用CPU还是GPU运行，如果你的电脑没有GPU，会直接使用CPU进行运行（可能有点慢）
2. 安装教程
Ollma官网：[https://ollama.com/]
模型仓库：[https://ollama.com/library]
2.1 首先去官网下载
从主页点击下载，直接跳转到了当前系统所兼容的下载界面，点击download，一键下载
2.2 下载好之后安装
博主的电脑是Mac，下载好之后，直接把压缩包解压，然后移动到应用程序中即可，其他操作系统，参考这个文档：
Windows 下的安装与配置
Linux 安装Ollma
Docker 安装 Ollma
下载好之后，打开，当这个帅气的小羊驼显示在你的任务栏中的时候，说明已经启动成功了！
image.png
2.3 测试一下
打开命令行，输入ollama -h看到以下界面，就可以进行下一步，操作了~
image.png
3. 导入开源Qwen 2.5 - 0.5B 大模型
3.1 去模型仓库搜索模型
我们在上面提到的Ollma模型仓库中找到最新的千问大模型
点进去，界面如下：
3.2 加载模型
将上面的命令复制到命令行，回车执行！等待下载
image.png
等进度100%了，即可使用模型
3.3 使用模型
在命令行中，即可开启与千问大模型的对话，看到这里，是不是感觉很简单，快去点个赞！
输入/bye方可结束对话。
image.png
都看到这里了，点个赞再走吧！码字实属不易呀。
4. 部署webUI可视化对话
本文使用FastAPI 部署Ollma可视化页面，简单4步即可
1、克隆仓库
git clone https://github.com/AXYZdong/handy-ollama
克隆完成进入目标目录：
cd handy-ollama/notebook/C6/fastapi_chat_app
2、安装依赖
pip install -r requirements.txt
pip install 'uvicorn[standard]'
3、修改app.py 代码
输入vim websocket_handler.py命令（确保你在fastapi_chat_app目录下先）更改model代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import ollama
from fastapi import WebSocket
async def websocket_endpoint(websocket: WebSocket):
await websocket.accept()
user_input = await websocket.receive_text()
stream = ollama.chat(
model='qwen2.5:0.5b',
messages=[{'role': 'user', 'content': user_input}],
stream=True
)
try:
for chunk in stream:
model_output = chunk['message']['content']
await websocket.send_text(model_output)
except Exception as e:
await websocket.send_text(f"Error: {e}")
finally:
await websocket.clos