福州省建设局网站哪个网站是专门做男人衣服的

福州省建设局网站,哪个网站是专门做男人衣服的,多商户wordpress,企业工商信用查询本文详细介绍了如何使用n8n、Ollama和Qwen3构建企业级RAG检索系统。内容涵盖Qwen3-Embedding模型配置、Ollama安装与设置、Node.js和n8n部署、本地模型下载与测试、RAG工作流创建、文件解析模型配置、知识库检索工作流构建及准确性测试等全过程。通过本文#xff0c;读者可掌握…本文详细介绍了如何使用n8n、Ollama和Qwen3构建企业级RAG检索系统。内容涵盖Qwen3-Embedding模型配置、Ollama安装与设置、Node.js和n8n部署、本地模型下载与测试、RAG工作流创建、文件解析模型配置、知识库检索工作流构建及准确性测试等全过程。通过本文读者可掌握从零开始搭建企业级知识库的完整技术方案。1、Qwen3-Embedding介绍硅基流动https://cloud.siliconflow.cn/me/models魔搭社区https://www.modelscope.cn/search?searchQwen3-EmbeddingHuggingFacehttps://huggingface.co/Qwen/collections2、Ollama安装下载Ollama官方地址https://ollama.com/我的Ollama安装路径E:\S_Software\Ollama① 手动创建Ollama安装目录我手动创建的文件夹目录为E:\S_Software\Ollama② 运行安装命令创建好之后把Ollama的安装包exe放在这个目录下接着再到这个目录下运行cmd命令OllamaSetup.exe /DIRE:\S_Software\OllamaDIR后面的路径是之前手动创建的文件夹路径。输入命令后直接回车Ollama就会进入安装程序这个时候可以看到安装的路径变成了我们刚刚创建的文件夹。③ 安装完毕安装好了之后在控制台输入ollama可以正常显示ollama版本则表示安装成功。2.1、修改模型下载目录① 创建models目录修改默认模型下载目录在之前的安装目录下创建一个models文件夹E:\S_Software\Ollama\models。打开ollama软件点击settings找到Model location把路径修改成上面创建好的这个。② 模型转移在命令行输入ollama list如果发现有模型则进行这一步操作。先退出ollama接着进入C盘--用户--你自己的电脑名称--.ollama--剪切整个models下的内容到刚刚上面新建的存储目录下之后删掉C盘的这个models文件夹。如果之前修改过存储目录那就自己找到再去复制。这个时候就是正常的了。2.2、安装nodejs如果想用nodejs安装n8n可以安装nodejs推荐安装v22以上的版本这里我安装的是v24.11.1。nodejs官网https://nodejs.cn/download/一路默认安装就行有其他想法的自行AI搜索。 使用如下命令下载即可npm install -g n8n # -g表示全局安装可在任意目录运行整个过程大概需要5-10分钟Windows报错gyp ERR! find VS需安装Visual Studio的C桌面开发工具勾选Windows SDK。Linux/macOS报错distutils缺失安装Python 3.x并确保distutils可用。解决gyp ERR! find VS报错1、报错内容npm error gyp ERR! stack Error: Could not find any Visual Studio installation to use原因是n8n 依赖的 sqlite3 模块需要本地编译但你的系统缺少 Visual Studio 的 C 编译工具链。而Visual Studio几乎是必备工具因为支持C 开发工具链.NET 框架Windows SDK 和系统库2、解决方案下载对应的工具https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/下载2022版本最新版2026的VS在npm没兼容无法识别旧版下载链接https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/实在下载不了就直接找我给安装包① 选择 “C 桌面开发”勾选windows sdk我的是win11勾选的是win11的sdk注意要是2022② 自定义安装目录安装需要十几个G的空间建议更改盘符另外一个windows11的sdk也勾上win10那个也勾上我在这踩了好多坑我也不知道为什么我win11的电脑装win11还是报错找不到windows sdk建议还是用docker安装一个命令就结束。这是后面我补充安装好的配置。等待安装完毕即可安装完成之后重启电脑。3、重新安装n8n# 1、卸载全局安装的 n8n 包npm uninstall -g n8n# 2、强制清理 npm 缓存文件npm cache clean --force# 3、验证缓存完整性并优化空间npm cache verify# 4、全局安装 n8n 包npm install -g n8n# 5、查看全局安装的 n8n 版本和依赖npm list -g n8n4、启动n8n配置好环境变量后在命令行中输入n8n即可启动。浏览器输入http://localhost:5678/setup即可访问。3、Qwen3-Embedding本地模型下载及配置① 模型下载方式一在HuggingFace里面下载下载量化之后的GGUF格式的模型https://huggingface.co/Qwen/Qwen3-Embedding-4B-GGUF/tree/main如果使用这种方法下载的模型需要使用ollama再创建嵌入模型推荐使用方式二。Ollama创建嵌入模型创建最简Modefileplaintextecho FROM 上一步你下载的模型路径 Modelfile# 示列echo FROM E:\Ollama\Qwen3-Embedding-4B-Q4_K_M.gguf Modelfile创建模型plaintextollama create qwen3_embedding -f Modelfile方式二使用Ollama命令直接下载模型ollama run hf.co/Qwen/Qwen3-Embedding-4B-GGUF:Q4_K_M② 测试嵌入模型**方式一的测试方法**命令行输入注意windows需要双引号裹住json所以需要转义curl http://localhost:11434/api/embed -d {\model\:\qwen3_embedding\,\input\:\Hello\}model的名称要看ollama list输出的name需要一致方式一只做展示推荐方式二。**方式二的测试方法**在命令行中输入ollama run hf.co/Qwen/Qwen3-Embedding-4B-GGUF:Q4_K_M 这是一个测试文本效果就是会输出一堆向量化的内容。方式二用curl命令测试curl http://localhost:11434/api/embed -d {\model\: \hf.co/Qwen/Qwen3-Embedding-4B-GGUF:Q4_K_M\,\input\: \Hello World\}效果如下。4、n8n创建RAG工作流1、选择触发方式这里暂时选择的是Trigger manually。2、添加步骤搜索file找到Read/Write Files from Disk选择Read即可因为是本地知识库所以选的这个还有其他方式。填入的E:\\F_File\\RAG\\**表示读取RAG文件夹下的所有文件。点击测试提示成功则表示通过了。也可以直接在这一个步骤里面运行在右侧可以看到输出这里可以看到直接输出了我在这个文件夹下面的两个文件一个md格式一个pdf格式。3、添加循环组件Loop over Items对应的中文文档https://docs.n8ncn.io/integrations/builtin/core-nodes/n8n-nodes-base.splitinbatches/循环组件loop这个步骤是为了一直读取文件夹下的文件循环读取。Batch Size表示输入每次调用要返回的项目数。执行当前整个业务流。4、加入向量数据库在loop的节点中加入Vector这里我们作为学习演示选择Simple Vector Store即可。选择第二个Add documents from vector store将文档转换为向量。Memory key这里直接使用的是默认的也可以自己进行修改添加后续将会使用到。发现有红色感叹号是因为还需要配置两个组件一个是Embedding模型配置一个是Document。5、配置文件解析模型语义分割1、Embedding模型配置我们选择的是本地Ollama模型部署。配置Ollama默认的是localhost如果localhost提示连接不上就修改成127.0.0.1。选择对应的Embedding模型。2、Document对文件进行分块选择Default Data Loader。Type of Data可以选择JSON或者Binary二进制这里我们选择二进制。Mode选择默认的Load All Input Data。Data Format选择自己的文件类型或者选择自动解析。Text Splitting选择自定义Custom。这个时候工作流如下图所示需要对文本分割进行处理了。3、选择语义分割6、创建检索知识库工作流当前完整工作流如下图所示。1、当前工作流运行成功显示2、创建一个新的工作流选择On chat message。3、创建一个AI Agent节点AI Agent下方的Chat Mode接入一个对话大模型这里我选择的是Deepseek需要有API Key使用硅基流动或者Deepseek官方API生成ApiKey填入即可。 第一次建立需要点击Create new credential。接着在AI Agent下方的Tool接入Answer questions with vector store(使用向量存储回答问题)在描述里面填入当前工具是用来检索向量数据的。到这一步创建完工作流如图所示。4、接入向量数据库、向量模型、对话模型接上一步骤在Answer questions with vector store(使用向量存储回答问题)下面的Vector Store接入向量数据库Simple Vector Store。注意和创建向量数据库那个时候的key要匹配一致。在Model节点中继续接入Deepseek Chat model。最后一步在Simple Vector Store下面的Embedding模型中接入我们的本地向量模型依旧和5-1步骤一样最终工作流如下所示7、测试知识库的准确性点击open chat进行对话输入问题找一下ios禁止系统更新的网址。 发现可以很精准的回答问题并且没有任何的添油加醋完全就是我笔记里面的内容只是进行了一个简单的排版。而在deepseek的官方对话里面问的是找不到我笔记里面的这个网址的。使用另外一个问题发现分段式的内容不能非常精准的找到但进一步进行提示后还是可以准确的回答。 这就是后续可以优化的点。8、知识点补充 - Ollama 常用命令大全1、下载/运行模型ollama run 模型名字2、清除模型上下文/clear3、退出对话 / 关闭模型/bye4、查看模型运行速度token数细节ollama run 模型名字 --verbose5、查看你有什么模型ollama list6、删除模型ollama rm 模型名字7、查看模型的详细信息ollama show 模型名字8、启动Ollama服务器ollama serve9、创建模型文件用于自定义模型ollama create 自定义的模型名字 -f ModelfileAI时代未来的就业机会在哪里答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具到自然语言处理、计算机视觉、多模态等核心领域技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。掌握大模型技能就是把握高薪未来。那么普通人如何抓住大模型风口AI技术的普及对个人能力提出了新的要求在AI时代持续学习和适应新技术变得尤为重要。无论是企业还是个人都需要不断更新知识体系提升与AI协作的能力以适应不断变化的工作环境。因此这里给大家整理了一份《2025最新大模型全套学习资源》包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等带你从零基础入门到精通快速掌握大模型技术由于篇幅有限有需要的小伙伴可以扫码获取1. 成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。2. 大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF3. 大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。4. 大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。5. 大模型行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。6. 大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。为什么大家都在学AI大模型随着AI技术的发展企业对人才的需求从“单一技术”转向 “AI行业”双背景。企业对人才的需求从“单一技术”转向 “AI行业”双背景。金融AI、制造AI、医疗AI等跨界岗位薪资涨幅达30%-50%。同时很多人面临优化裁员近期科技巨头英特尔裁员2万人传统岗位不断缩减因此转行AI势在必行这些资料有用吗这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。大模型全套学习资料已整理打包有需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】