2025-02-20 23:20:06
在 C# 中，SemaphoreSlim 是 System.Threading 命名空间下的轻量级同步原语，用于限制同时访问共享资源的线程数量。
轻量高效
专为高性能设计，适用于进程内同步，比 Semaphore 类更高效。
异步支持
提供 WaitAsync() 方法，支持异步编程模型，避免线程阻塞。
并发控制
通过计数器限制资源访问线程数，初始计数（initialCount）表示可用资源数，最大计数（maxCount）为资源上限。
SemaphoreSlim(int initialCount); // 初始计数，最大计数默认为 int.MaxValue
SemaphoreSlim(int initialCount, int maxCount); // 指定初始和最大计数说明：initialCount 必须 ≥0 且 ≤ maxCount，否则抛出 ArgumentOutOfRangeException。
|
方法 |
说明 |
|---|---|
|
|
同步等待信号量，计数器减1；若计数为0则阻塞。 |
|
|
异步等待信号量，适用于非阻塞异步场景。 |
|
|
释放信号量，计数器加1（默认释放1次，可指定次数 |
|
|
释放资源，避免内存泄漏。 |
资源池管理
如数据库连接池、文件句柄池等，限制并发访问数量。
异步任务协调
控制异步任务并发度，避免资源过载。
生产者-消费者模型
同步生产者和消费者的资源访问节奏。
static SemaphoreSlim semaphore = new SemaphoreSlim(3);
static void AccessResource(string name, int seconds)
{
semaphore.Wait();
try
{
Console.WriteLine($"{name} 访问资源");
Thread.Sleep(seconds * 1000);
}
finally
{
semaphore.Release();
}
}static SemaphoreSlim semaphore = new SemaphoreSlim(1,1);
static async Task AccessResourceAsync(string name, int seconds)
{
await semaphore.WaitAsync();
try
{
Console.WriteLine($"{name} 开始异步操作");
await Task.Delay(seconds * 1000);
}
finally
{
semaphore.Release();
}
}初始计数为0：需手动调用Release(n)初始化资源池，否则所有线程会被阻塞。
线程安全：Dispose()方法非线程安全，需确保释放时无其他操作。
与Semaphore区别：Semaphore支持跨进程和命名信号量，而SemaphoreSlim仅限进程内使用但性能更优。
2025-02-20 10:39:06
不能实例化：抽象类不能被实例化，它通常作为基类存在，为子类提供一套通用的接口和部分实现。
包含实现：抽象类可以包含具体的方法实现和抽象方法。抽象方法必须在子类中被重写。
单继承：一个类只能继承自一个抽象类（C#中不支持多重继承）。
当你希望提供一个通用的基类，该基类定义了一些子类共有的方法实现，并且还有一些方法需要由子类提供具体实现时，使用抽象类是一个不错的选择。
namespace App01
{
// 抽象的图形基类
public abstract class Shape
{
// 抽象方法：计算面积
public abstract double Area();
// 具体实现的方法：显示形状信息
public void Display()
{
Console.WriteLine("This is a shape.");
}
}
// 圆形类，继承自Shape
publicclass Circle : Shape
{
publicdouble Radius { get; set; }
// 重写抽象方法：计算圆的面积
public override double Area()
{
return Math.PI * Radius * Radius;
}
}
// 矩形类，继承自Shape
publicclass Rectangle : Shape
{
publicdouble Width { get; set; }
publicdouble Height { get; set; }
// 重写抽象方法：计算矩形的面积
public override double Area()
{
return Width * Height;
}
}
internal class Program
{
static void Main(string[] args)
{
Circle circle = new Circle();
circle.Radius = 5;
Console.WriteLine("The area of the circle is {0}.", circle.Area());
Rectangle rectangle = new Rectangle();
rectangle.Width = 4;
rectangle.Height = 6;
Console.WriteLine("The area of the rectangle is {0}.", rectangle.Area());
}
}
}说明：
Shape类是一个抽象类，包含一个抽象方法Area()和一个具体方法Display()。
Circle和Rectangle类继承自Shape，并实现了Area()方法。
namespace App02
{
// 抽象的动物基类
public abstract class Animal
{
// 抽象方法：发出叫声
public abstract void MakeSound();
// 具体方法：共同的行为
public void Sleep()
{
Console.WriteLine("The animal is sleeping.");
}
}
// 狗类，继承自Animal
publicclass Dog : Animal
{
public override void MakeSound()
{
Console.WriteLine("Dog barks: Woof!");
}
}
// 猫类，继承自Animal
publicclass Cat : Animal
{
public override void MakeSound()
{
Console.WriteLine("Cat meows: Meow!");
}
}
internal class Program
{
static void Main(string[] args)
{
// 创建Dog对象
Dog dog = new Dog();
// 调用Dog的共同行为
dog.Sleep();
// 调用Dog的叫声
dog.MakeSound();
// 创建Cat对象
Cat cat = new Cat();
// 调用Cat的共同行为
cat.Sleep();
// 调用Cat的叫声
cat.MakeSound();
}
}
}
说明：
Animal类定义了共有的行为Sleep()，并要求子类实现MakeSound()方法。
完全抽象：接口只能包含方法、属性、事件、索引器的声明，不能包含任何实现。
多实现：一个类可以实现多个接口，实现接口即需要实现其所有成员。
成员默认是公共的：接口成员默认是公共的，不能包含访问修饰符。
当你希望定义一组不相关类之间的通用行为契约，并且不涉及实现细节时，接口是最好的选择。
namespace App01
{
// 可绘制的接口
public interface IDrawable
{
void Draw();
}
// 可变形的接口
public interface ITransformable
{
void Rotate(double angle);
void Scale(double factor);
}
// 实现了IDrawable和ITransformable的形状类
publicclass TransformableShape : IDrawable, ITransformable
{
public void Draw()
{
Console.WriteLine("Drawing the shape.");
}
public void Rotate(double angle)
{
Console.WriteLine($"Rotating the shape by {angle} degrees.");
}
public void Scale(double factor)
{
Console.WriteLine($"Scaling the shape by a factor of {factor}.");
}
}
internal class Program
{
static void Main(string[] args)
{
TransformableShape shape = new TransformableShape();
shape.Draw();
shape.Rotate(45);
shape.Scale(2.0);
Console.ReadKey();
}
}
}
说明：
IDrawable和ITransformable是两个接口，定义了绘制和变形的行为。
TransformableShape类实现了这两个接口，必须提供所有方法的实现。
namespace App02
{
// 数据存储接口
public interface IDataStore
{
void Save(string data);
string Load();
}
// 本地文件存储类
publicclass FileDataStore : IDataStore
{
public void Save(string data)
{
Console.WriteLine("Saving data to file.");
// 实际的文件保存逻辑
}
public string Load()
{
Console.WriteLine("Loading data from file.");
// 实际的文件加载逻辑
return"Data from file";
}
}
// 云端存储类
publicclass CloudDataStore : IDataStore
{
public void Save(string data)
{
Console.WriteLine("Saving data to cloud.");
// 实际的云保存逻辑
}
public string Load()
{
Console.WriteLine("Loading data from cloud.");
// 实际的云加载逻辑
return"Data from cloud";
}
}
internal class Program
{
static void Main(string[] args)
{
// 选择存储方式
IDataStore dataStore = new FileDataStore();
// 保存数据
dataStore.Save("Some data");
// 加载数据
string loadedData = dataStore.Load();
Console.WriteLine("Loaded data: " + loadedData);
}
}
}
有时，我们可以将抽象类和接口结合起来使用，以充分利用它们的优势。
namespace App03
{
// 抽象的动物类
public abstract class Animal
{
public abstract void Eat();
public void Breathe()
{
Console.WriteLine("Animal breathes.");
}
}
// 可移动的接口
public interface IMovable
{
void Move();
}
// 可飞行的接口
public interface IFlyable
{
void Fly();
}
// 狗类，继承自Animal并实现IMovable接口
publicclass Dog : Animal, IMovable
{
public override void Eat()
{
Console.WriteLine("Dog eats.");
}
public void Move()
{
Console.WriteLine("Dog runs.");
}
}
// 鸟类，继承自Animal并实现IMovable和IFlyable接口
publicclass Bird : Animal, IMovable, IFlyable
{
public override void Eat()
{
Console.WriteLine("Bird eats.");
}
public void Move()
{
Console.WriteLine("Bird walks.");
}
public void Fly()
{
Console.WriteLine("Bird flies.");
}
}
internal class Program
{
static void Main(string[] args)
{
// 创建Dog对象并调用方法
Dog dog = new Dog();
dog.Eat();
dog.Breathe();
dog.Move();
// 创建Bird对象并调用方法
Bird bird = new Bird();
bird.Eat();
bird.Breathe();
bird.Move();
bird.Fly();
Console.ReadKey();
}
}
}
说明：
Animal是一个抽象类，定义了所有动物的共有行为。
IMovable和IFlyable是接口，定义了可移动和可飞行的行为。
Dog类继承自Animal并实现了IMovable接口。
Bird类继承自Animal并实现了IMovable和IFlyable接口。
|
特性 |
抽象类 |
接口 |
|---|---|---|
|
实例化 |
❌ 不能实例化 |
❌ 不能实例化 |
|
实现内容 |
✅ 可包含具体方法和抽象方法 |
❌ 仅声明成员，无实现 |
|
继承/实现数量 |
单继承（一个子类只能继承一个父类） |
多实现（一个类可实现多个接口） |
|
成员访问修饰符 |
支持（如 |
成员默认 |
|
字段/属性 |
✅ 可定义字段、属性 |
❌ 只能声明属性（无字段） |
|
设计目的 |
提供代码复用和部分通用逻辑 |
定义行为契约，实现多态 |
结合优势：抽象类提供基础实现，接口扩展额外功能。
示例：
Animal抽象类定义Eat()和Breathe()。
IMovable和IFlyable接口分别定义移动和飞行能力。
Dog继承Animal并实现IMovable。
Bird继承Animal并实现IMovable和IFlyable。
抽象类：聚焦于代码复用和层次化设计，适合“是什么”（Is-A）关系。
接口：聚焦于行为契约和功能扩展，适合“能做什么”（Can-Do）关系。
组合使用：通过抽象类提供基础能力，接口扩展多样化功能，实现灵活设计。
2025-02-16 22:56:50
近期我完成了一个项目，该项目需求是在连接了双显示器的设备上，对屏幕显示设置的更改进行监听。具体而言，当显示设置调整为 “复制这些显示器” 时，程序要自动隐藏；而当显示设置变为 “扩展这些显示器” 时，程序则需显示在非主显示器的第二显示器上。接下来，我会对此次项目中的业务逻辑进行简单记录，希望能对你有所助益。
启动程序时通过调用ShowInSecondScreen2()方法，将窗口移动至非主显示器上面。
private double left = 0;
private Rectangle primaryRect;
private Rectangle secondRect;
private double top = 0;
private void ShowInSecondScreen2()
{
this.Dispatcher.Invoke(new Action(() =>
{
this.WindowState = WindowState.Normal;
//获取所有显示器的信息
Screen[] screens = Screen.AllScreens;
//确定主显示器的分辨率，用于计算副显示器的起始位置
primaryRect = Screen.PrimaryScreen.Bounds;
//将窗口放置在第一个找到的副显示器上
bool placed = false;
foreach (Screen screen in screens)
{
if (screen.Primary == false) //找到的是非主显示器
{
Rectangle workingArea = screen.Bounds;
//设置窗口位置，使其在副显示器的左上角显示
left = this.Left = workingArea.Left;
top = this.Top = workingArea.Top;
this.Width = workingArea.Width;
this.Height = workingArea.Height;
secondRect = workingArea;
placed = true;
break;
}
}
if (!placed)
{
// 如果没有找到副显示器，就在主显示器上显示
this.Left = primaryRect.Left;
this.Top = primaryRect.Top;
this.Width = secondRect.Width;
this.Height = secondRect.Height;
}
this.Activate();
}));
}
注册SystemEvents.DisplaySettingsChanged事件，用于监听屏幕显示设置的更改。
private void MainWindow_Loaded(object sender, RoutedEventArgs e)
{
this.DataContext = (System.Windows.Application.Current.Resources["Locator"] as ViewModelLocator).Main;
ShowInSecondScreen2();
Microsoft.Win32.SystemEvents.DisplaySettingsChanged += SystemEvents_DisplaySettingsChanged;
}
编写SystemEvents_DisplaySettingsChanged事件方法，对单/双屏幕设置来控制窗口的显示位置。
private void SystemEvents_DisplaySettingsChanged(object sender, EventArgs e)
{
try
{
var screens = System.Windows.Forms.Screen.AllScreens;
if (screens.Length >= 2)
{
this.Show();
this.Dispatcher.Invoke(new Action(() =>
{
this.Left = left;
this.Top = top;
this.Width = secondRect.Width;
this.Height = secondRect.Height;
this.Activate();
}));
}
else
{
this.Hide();
}
}
catch (Exception exp)
{
}
}以上代码会受到系统缩放百分比影响，建议禁用DPI感知。在AssemblyInfo.cs中，写入禁用DPI感知代码。
//禁用DPI感知
[assembly: System.Windows.Media.DisableDpiAwareness]DPI感知模式影响数据获取
默认情况下，未声明DPI感知的应用程序会被Windows自动进行位图缩放，导致Screen.Bounds返回逻辑分辨率而非物理分辨率。
当主副显示器缩放比例不同时，Screen类可能仅返回主显示器缩放后的逻辑分辨率，而副显示器的物理分辨率无法正确识别。
Screen类的局限性
Screen.AllScreens的Bounds属性返回的是系统缩放后的逻辑分辨率，而非实际物理分辨率。
在多显示器不同缩放比例场景下，未正确设置DPI感知的应用程序可能无法区分各显示器的实际分辨率。
2025-02-14 10:31:58
在近期项目中，我使用了 WPF 原生的 MediaElement 媒体控件来播放视频。然而，当我的笔记本连接外接显示屏时，程序中 MediaElement 控件播放视频会出现短暂卡顿，尤其是在每次实例化该控件并自动播放视频时。而当我断开外接显示屏后，MediaElement 控件则能正常播放视频。经过仔细研究，我发现笔记本在外接显示屏的情况下运行该程序时，会自动调用 GPU 加速。由此我得出结论：
在 WPF 中使用 MediaElement 控件时，其自动调用 GPU 加速是导致视频卡顿的原因。
在需要禁用硬件加速的页面中，可以在App.xaml.cs的OnStartup方法中设置RenderOptions.ProcessMode属性为SoftwareOnly。这样可以确保MediaElement在停止播放后不再出现卡顿现象。但需要注意的是，禁用硬件加速可能会导致播放时仍然出现卡顿，尤其是在高分辨率（如8K）或复杂场景下，WPF默认的硬件加速可能成为性能瓶颈。可以通过以下代码在特定页面禁用硬件加速：
RenderOptions.ProcessRenderMode = System.Windows.Interop.RenderMode.SoftwareOnly;并在离开页面后重新启用硬件加速以恢复其他功能的性能。此方法能显著缓解UI卡顿，但可能影响播放时的流畅度。
将AllowsTransparency属性设置为False，避免透明层叠加带来的额外渲染开销：
<Window AllowsTransparency="False">2025-02-11 18:49:03
|
维度 |
传统知识库 |
具有AI的知识库 |
|---|---|---|
|
数据存储方式 |
结构化数据为主（表格、文档），依赖手动分类和标签 |
支持非结构化数据（文本、图片、音视频），利用嵌入技术（Embedding）自动编码为向量存储 |
|
检索机制 |
基于关键词匹配或固定规则（如SQL查询） |
支持语义搜索，通过向量相似度匹配理解用户意图（如“性价比高的手机”≈“低价高性能手机”） |
|
交互方式 |
用户需输入精确关键词，返回静态结果 |
支持自然语言对话（如提问“如何解决打印机卡纸？”），生成动态答案或分步骤指导 |
|
知识更新 |
依赖人工录入和定期维护，更新滞后 |
支持自动学习新数据（如爬取最新行业报告），部分系统可结合RAG（检索增强生成）实时整合外部知识 |
|
推理能力 |
无自主推理能力，仅提供已有信息 |
通过LLM（大语言模型）进行逻辑推理、总结归纳（如分析故障原因并推荐解决方案） |
|
应用场景 |
企业文档管理、FAQ库等静态场景 |
智能客服、个性化推荐、自动化报告生成等动态场景 |
相比传统的知识库，AI知识库具有更高的智能化程度。它不仅能够理解用户的查询意图，还能根据用户的历史行为和偏好进行个性化推荐。此外，AI大模型知识库还具备知识推理、问答生成等高级功能，能够为用户提供更加智能、个性化的知识服务。这使得AI大模型知识库在教育、医疗、金融、客服等多个领域具有广泛的应用前景。
云端AI知识库可能涉及敏感数据泄露风险，因此企业更倾向本地化部署以保障数据安全。为帮助用户实现这一目标，本教程将基于Windows系统，通过Ollama（本地模型管理） + DeepSeek（开源中文模型） + AnythingLLM（私有知识库框架） 的组合方案，逐步演示如何构建安全可控的本地AI知识库。
Ollama 是一个开源的本地大语言模型运行框架。
核心功能：Ollama 专注于在本地机器上便捷部署和运行大型语言模型（LLM），支持多种操作系统，包括 macOS、Windows、Linux 以及通过 Docker 容器运行。
主要特点：它提供对模型量化的支持，可以显著降低显存要求，使得在普通家用计算机上运行大型模型成为可能。
多种预训练语言模型支持：Ollama 提供了多种开箱即用的预训练模型，包括常见的 GPT、BERT 等大型语言模型，用户可以轻松加载并使用这些模型进行文本生成、情感分析、问答等任务。
易于集成和使用：Ollama 提供了命令行工具（CLI）和 Python SDK，简化了与其他项目和服务的集成，开发者无需担心复杂的依赖或配置，可以快速将 Ollama 集成到现有的应用中。
本地部署与离线使用：Ollama 允许开发者在本地计算环境中运行模型，这意味着可以脱离对外部服务器的依赖，保证数据隐私，并且对于高并发的请求，离线部署能提供更低的延迟和更高的可控性。
支持模型微调与自定义：用户不仅可以使用 Ollama 提供的预训练模型，还可以在此基础上进行模型微调，根据自己的特定需求，开发者可以使用自己收集的数据对模型进行再训练，从而优化模型的性能和准确度。
性能优化：Ollama 关注性能，提供了高效的推理机制，支持批量处理，能够有效管理内存和计算资源，这让它在处理大规模数据时依然保持高效。
跨平台支持：Ollama 支持在多个操作系统上运行，包括 Windows、macOS 和 Linux，这样无论是开发者在本地环境调试，还是企业在生产环境部署，都能得到一致的体验。
开放源码与社区支持：Ollama 是一个开源项目，这意味着开发者可以查看源代码，进行修改和优化，也可以参与到项目的贡献中，此外，Ollama 有一个活跃的社区，开发者可以从中获取帮助并与其他人交流经验。
本地模型管理：Ollama 支持从官方模型库或自定义模型库拉取预训练模型，并在本地保存和加载，它支持各种流行的模型格式（如 ONNX、PyTorch、TensorFlow）。
高效推理：通过 GPU/CPU 的加速，Ollama 提供高效的模型推理，适合本地化应用或需要控制数据隐私的场景。
多种接口访问：Ollama 支持命令行（CLI）、HTTP 接口访问推理服务，并通过 OpenAI 客户端实现更广泛的集成。
环境变量配置：通过灵活的环境变量，用户可以自定义推理设备（GPU/CPU）、缓存路径、并发数、日志级别等。
DeepSeek 是一款开源的大语言模型。
智能化：DeepSeek 能够理解复杂的问题，并提供精准的解决方案。它通过深度学习和自然语言处理技术，能够理解用户的需求并提供个性化的建议。
多功能性：DeepSeek 在多个领域都有广泛的应用，包括学习、工作和生活。它可以用作学习助手、编程助手、写作助手、生活助手和翻译助手等，满足用户在不同场景下的需求。
易用性：DeepSeek 通过自然语言交互，用户无需学习复杂的操作即可与模型进行对话。这种交互方式使得用户能够轻松地获取所需的信息和服务。
低成本：DeepSeek 的训练和推理成本较低，打破了传统 N 卡垄断，降低了大模型的使用门槛。这使得更多的企业和个人能够使用高性能的 AI 服务。
高效率：DeepSeek 在推理能力和响应速度上表现出色，能够快速处理复杂的查询和任务，提供准确的答案和解决方案。
开源生态：DeepSeek 采用了开源策略，吸引了大量开发者和研究人员的参与，推动了 AI 技术的发展和应用。
深度学习：DeepSeek 通过大量的数据训练，学会了如何理解和处理复杂的问题，提供个性化的建议和解决方案。
自然语言处理（NLP）：DeepSeek 能够理解人类的语言，无论是中文、英文还是其他语言，支持自然方式的对话。
知识图谱：DeepSeek 存储了大量的结构化知识，能够快速找到相关信息，提供精准的答案。
混合专家模型（MoE）：DeepSeek 采用了 MoE 框架，通过训练多个专家模型，并根据输入数据的特征动态选择最合适的专家模型进行处理，从而实现对复杂任务的高效处理。
多头潜在注意力机制（MLA）：DeepSeek 的 MLA 技术显著降低了模型推理成本，通过减少对 KV 矩阵的重复计算，提高了模型的运行效率。
大规模强化学习：DeepSeek 通过大规模强化学习技术，增强了模型的推理能力和泛化能力，能够在多个领域中表现出色。
AnythingLLM 是一个全栈应用程序，允许用户使用商业现成的 LLM（大语言模型）或流行的开源 LLM 以及向量数据库解决方案，构建一个无需妥协的本地 ChatGPT。用户可以通过它与提供给它的任何文档进行智能交流，新颖的设计使得用户能够选择想要使用的 LLM 或向量数据库，并支持多用户管理和权限设置。
多用户支持和权限管理：允许多个用户同时使用，并可设置不同的权限。
支持多种文档类型：包括 PDF、TXT、DOCX 等。
简易的文档管理界面：通过用户界面管理向量数据库中的文档。
两种聊天模式：对话模式保留之前的问题和回答，查询模式则是简单的针对文档的问答。
聊天中的引用标注：链接到原始文档源和文本。
简单的技术栈：便于快速迭代。
100% 云部署就绪：适合云部署。
“自带 LLM”模式：可以选择使用商业或开源的 LLM。
高效的成本节约措施：对于大型文档，只需嵌入一次，比其他文档聊天机器人解决方案节省 90% 的成本。
完整的开发者 API：支持自定义集成。
自定义 AI 代理：用户可以根据需求创建自己的 AI 代理，使应用更具个性化。
支持多模态：不仅支持闭源 LLM，还兼容开源 LLM，拓展了应用的灵活性。
工作区内的代理：支持在工作区内浏览网页、运行代码等操作。
自定义可嵌入聊天小部件：可以嵌入到用户的网站。
前往 Ollama 官方网站（https://ollama.com/download）下载安装包。
直接通过安装包安装Ollama会直接安装在C盘，如果需要自定义安装路径，需要通过命令行指定安装路径，启动安装程序，点击 Install 后，Ollama 就会安装到指定的目录了。
OllamaSetup.exe /DIR=E:\MySoftware\Ollama
打开一个新的命令行，输入ollama回车执行，如果返回以下内容，则表示安装成功。
在浏览器中输入127.0.0.1:11434，显示Ollama is running表示Ollama已经成功运行。
更改模型存储位置。大模型资源包默认下载到 C 盘，可以手动创建大模型存储目录，然后在用户账户中设置环境变量OLLAMA_MODELS，将其设置为希望存储模型的路径。
需要重启Ollama才能生效！
拉取模型到本地。在命令行输入ollama pull deepseek-r1:32b。
根据本机配置和业务需求进行选择模型参数。
Models
Configuration
Command
DeepSeek-R1-1.5B
CPU ：最低 4 核，推荐 Intel/AMD 多核处理器。
内存 ：8GB +。
硬盘 ：3GB + 存储空间，模型文件约 1.5-2GB。
显卡 ：非必需，纯 CPU 推理即可，若 GPU 加速可选 4GB + 显存，如 GTX 1650。ollama pull deepseek-r1:1.5b
DeepSeek-R1-7B
CPU ：8 核以上，推荐现代多核 CPU。
内存 ：16GB +。
硬盘 ：8GB +，模型文件约 4-5GB。
显卡 ：推荐 8GB + 显存，如 RTX 3070/4060。ollama pull deepseek-r1:7b
DeepSeek-R1-8B
CPU ：8 核以上，推荐现代多核 CPU。
内存 ：16GB +。
硬盘 ：8GB +，模型文件约 4-5GB。
显卡 ：推荐 8GB + 显存，如 RTX 3070/4060。ollama pull deepseek-r1:8b
DeepSeek-R1-14B
CPU ：12 核以上。
内存 ：32GB +。
硬盘 ：15GB +。
显卡 ：16GB + 显存，如 RTX 4090 或 A5000。ollama pull deepseek-r1:14b
DeepSeek-R1-32B
CPU ：16 核以上，如 AMD Ryzen 9 或 Intel i9。
内存 ：64GB +。
硬盘 ：30GB +。
显卡 ：24GB + 显存，如 A100 40GB 或双卡 RTX 3090。ollama pull deepseek-r1:32b
DeepSeek-R1-70B
CPU ：32 核以上，服务器级 CPU。
内存 ：128GB +。
硬盘 ：70GB +。
显卡 ：多卡并行，如 2x A100 80GB 或 4x RTX 4090。ollama pull deepseek-r1:70b
DeepSeek-R1-671B
CPU ：64 核以上，服务器集群。
内存 ：512GB +。
硬盘 ：300GB +。
显卡 ：多节点分布式训练，如 8x A100/H100。ollama pull deepseek-r1:671b
等待模型拉取到本地。
拉取嵌入模型nomic-embed-text。
ollama pull nomic-embed-text
前往 AnythingLLM 官方网站（https://anythingllm.com/desktop）下载安装包。
配置LLM首选项。平台选择Ollama，模型选择我们刚拉取的模型deepseek-r1:32b，其他保持默认，然后点击“Save changes”进行保存。
配置嵌入模型。平台选择Ollama，模型选择nomic-embed-text:latest，其他的保持默认，然后点击“Save changes”进行保存。
如果对英文不友好，可以在 Customization 中将 Display Language 设置成Chinese。
创建工作区。给工作区设置一个名称，然后保存。
上传知识库文件。点击工作区名称旁边的上传图标，进入文件上传管理。
选择知识库文件上传。
将知识库文件移动到当前工作区。
保存并嵌入知识库文件。
在工作区中与大模型进行对话。
在使用 DeepSeek-R1 模型的过程中，我发现当参数在 32B 及以下时，模型在处理复杂推理任务时的表现似乎不太理想，感觉有些力不从心。具体来说，它会出现中英文混合输出的情况，这在一定程度上影响了结果的准确性和可读性。
另外，就 AnythingLLM 框架而言，其检索能力也存在一些不足之处。有时候我提出的问题，明明在知识库中是存在相关知识的，但系统却提示没有找到相关知识，这说明框架的检索功能还有待进一步优化和提升，以便能更精准地定位和提供知识库中的有效信息。
2025-01-18 22:46:06
本教程基于群晖的NAS设备DS423+的docker功能进行搭建，DSM版本为 DSM 7.2.2-72806 Update 2。
n.eko 支持多种类型浏览器在其虚拟环境中运行，本次教程使用 Chromium 浏览器镜像进行演示，支持访问内网设备和公网地址。
n.eko 是一款基于 Docker 的自托管虚拟浏览器，利用 WebRTC 技术实现实时音视频传输和多人协作功能。它允许用户在虚拟环境中运行功能齐全的浏览器（如 Firefox、Chrome 等），并支持多人同时访问和操作，适用于远程协作、观看派对、互动演示等场景。
虚拟浏览器：
支持多种浏览器内核（如 Firefox、Chrome、Opera 等），用户可以在虚拟环境中浏览网页、运行应用程序。
所有操作都在 Docker 容器中完成，确保安全性和隐私性。
多人协作：
支持多用户同时访问，用户可以共享浏览器画面并实时互动，适合团队协作、远程教学或家庭娱乐。
提供聊天功能、文件传输和剪贴板同步，增强协作体验。
实时音视频传输：
基于 WebRTC 技术，实现低延迟的音视频传输，支持屏幕共享和远程控制。
支持 RTMP 推流，可将内容广播到 Twitch 或 YouTube 等平台。
隐私与安全：
所有操作都在隔离的 Docker 容器中进行，避免数据泄露。
支持管理员权限控制，如踢出用户、锁定房间等。
灵活部署：
通过 Docker 部署，支持多种操作系统（Windows、Linux、macOS）。
提供丰富的配置选项，如分辨率、密码设置、文件传输路径等。
远程协作：团队成员可以共同浏览网页、调试代码或进行头脑风暴。
观看派对：与朋友或家人一起观看视频、动漫，并实时聊天互动。
教育培训：用于远程教学或演示，支持多人同时操作和互动。
隐私浏览：在隔离环境中访问敏感网站，避免留下痕迹。
在群晖NAS上面的“File Station”中新建一个docker映射文件，用于映射docker中neko-chromium的数据。
打开“Container Manager”，在“项目”中，点击“新增”。填写项目名称，路径选择创建好的映射文件夹，文件选择“创建 docker-compose.yml”,然后将以下配置代码复制粘贴进去。
version: "3.8"
services:
neko:
image: "m1k1o/neko:chromium"
container_name: "neko-chromium"
restart: "unless-stopped"
shm_size: "3gb" # 设置共享内存大小为 3GB，此设置为必须。
ports:
- "19800:8080"
- "52000-52100:52000-52100/udp"
cap_add:
- SYS_ADMIN # 使用 Chromium 内核时需添加，以获取必要的系统管理权限。
volumes:
- ./chromium/data:/home/neko/.config/chromium # 策略文件,重启依然能保留浏览器数据。
environment:
NEKO_SCREEN: 1280x720@30 # 自定义浏览器窗口分辨率。
NEKO_PASSWORD: neko # 普通用户的登录密码。
NEKO_PASSWORD_ADMIN: admin # 管理员（admin）用户的登录密码。
NEKO_EPR: 52000-52100 # 设置 WebRTC 的 UDP 端口范围，用于P2P连接。
NEKO_ICELITE: true # 启用 Ice Lite 协议以优化连接性能，可选。
NEKO_CONTROL_PROTECTION: true # 控制保护意味着，只有当至少有一个管理员在房间里时，用户才能获得控制权。
NEKO_NAT1TO1: 192.168.1.111 # 局域网使用时设置为服务器本地 IP，公网则自动获取公网 IP，可选。最后点击“下一步”，等待镜像拉取和容器创建完成。
输入IP:Port访问，使用管理员登录，用户名为登录后显示的名称，可自定义，密码根据之前配置进行填写。
设置中文语言。默认是英文，点击左下角en，选择cn切换至中文。
获取浏览器控制权。点击正下方的键盘图标，获取控制权。
调整屏幕尺寸。点击右上角显示器图标，进行分辨率切换。
对普通用户进行操作（需要管理员账号）。选中对应头像，鼠标右键单击，可对其进行选择“给予控制”或“踢出”等操作。
聊天室。点击右上角侧栏图标，然后点击聊天。
粘贴板共享。在右下角有个粘贴板图标，如果需要将文字内容复制进浏览器，需要将内容粘贴至粘贴板内。
仅支持纯文本。
使用自动加入链接。
示例：http(s)://[URL:Port](URL:Port)/?pwd=neko&usr=guest&cast=1
添加?pwd=<password>将预填充密码。
添加?usr=<display-name>将预填充用户名。
添加?cast=1将隐藏所有控件，只显示视频。
添加?embed=1将隐藏大多数附加组件，仅显示视频
添加?volume=<0-1>将音量设置为给定值。
添加?lang=<language>将语言设置为给定值。
添加?show_side=1将在启动时显示侧边栏。
添加?mute_chat=1将在启动时静音聊天。
更多使用教程，请参考官方文档 n.keo Doc（https://neko.m1k1o.net/#/getting-started/）