万网注册的域名有福了，背靠阿里这个大金主，最近推出了不少有用的功能，甩出新网之类的域名注册商不止一条街了。朋友之前一直使用DNSPod和花生壳来构筑VPN内网的域名解析，可TPLINK自带的路由器花生壳功能太不稳定了，DNSPod也拒绝加入那些免费的二级域名了，只能想看看有没有办法在他已有的域名上实现DDNS的二级域名解析了。凑巧看见万网和阿里云推…

# 使用 LangChain + Ollama 构建本地 RAG 应用 ## 背景介绍 大语言模型很聪明，但它不知道你公司内部的事情。你问它"我们上季度的技术方案是什么"，它只能道歉。这就是 RAG（检索增强生成）要解决的问题——先从你的知识库里找到相关文档，再把内容喂给模型让它回答。 搭建 RAG 通常得依赖云端 API，数据要上传到 OpenA…

# 使用 LangChain + DeepSeek 构建企业级 RAG 问答系统 ## 背景介绍 在企业场景中，我们经常需要让 AI 模型回答基于私有文档的问题。比如让 AI 阅读公司的内部知识库、产品文档、技术手册，然后回答员工的各种问题。这种需求催生了 RAG（Retrieval Augmented Generation，检索增强生成）架构。 …

# 使用 LangChain + Ollama 构建本地私有知识库问答系统 在企业日常运营中，我们经常需要处理大量的内部文档、技术手册、会议记录等文本数据。传统的关键词搜索方式往往无法准确理解用户的真实查询意图，导致检索结果不尽如人意。随着大语言模型技术的发展，基于语义理解的智能问答系统成为了可能。 然而，将敏感的内部文档上传到第三方云服务存在数据…

背景介绍很多企业在引入 AI 时会遇到一个尴尬的问题：想让 AI 回答内部文档、产品手册里的内容，但直接喂给大模型不现实——上下文窗口就那么大，而且把敏感数据上传也不太安全。这时候 RAG（检索增强生成） 就派上用场了。思路其实很简单：先把文档拆成小段，编码成向量存进数据库；用户提问时，先从数据库里找出最相关的几段，然后把问题和这些段落一起交给大模…

# 使用 Go + Ollama 构建本地大模型知识库问答系统 ## 背景介绍 企业里总会有大量私有文档需要处理——技术手册、合同、会议纪要、产品说明。把这些丢给云端 API 吧，担心数据泄露；不管它们吧，又浪费了手里的大模型能力。这是一个很实际的痛点。 过去几年，开源大模型生态长得很快。Ollama 的出现让在本地跑大模型变成了一件门槛很低的事。…

# Go 语言调用 OpenAI API 实战指南 ## 背景 大语言模型现在火得不行，OpenAI 的 API 基本上是开发者接触 AI 的第一选择。Go 语言写起并发来顺手，部署也简单，用它来调 OpenAI API 是个挺自然的选择。 这篇文章讲讲怎么用 Go 调用 OpenAI API，从环境配置到代码跑通，带你写一个自己的聊天机器人。 #…

# 如何使用 LangChain 构建企业级 RAG 应用：完整指南 ## 背景介绍 企业里想让 AI 用上内部知识库，这事儿说难也难，说简单也简单。传统做法是让 LLM 直接训练企业数据——成本高不说，数据更新还麻烦。RAG（检索增强生成）出来之后，这个问题才算真正有了解法。 RAG 的思路其实挺直接：先把企业文档转成向量存起来，用户提问的时候先…

背景介绍大语言模型火起来之后，越来越多的企业想把 AI 能力塞进自己的业务系统里。LangChain 是目前做 LLM 应用最流行的框架，组件丰富，文档也全。FastAPI 则是 Python 生态里性能不错的 Web 框架，写 API 很顺手，还能自动生成文档。这篇文章不讲虚的，直接上代码，手把手教你用 LangChain + FastAPI 搭…

# 使用 LangChain + Ollama 构建本地 RAG 知识问答系统 ## 背景 企业用 AI 时最头疼的事是什么？数据不敢往外送。文档堆成山，想让 AI 看完给个答案，结果 API 调用成本高到肉疼，离线环境更是想都别想。 以前唯一的办法是把文档内容硬塞进 prompt，可几千页的资料怎么办？一条条复制粘贴非把人逼疯不可。 RAG（Re…

在大型语言模型（LLM）快速发展的今天，如何让 AI 模型理解并回答私有知识库中的问题成为了一个重要课题。RAG（Retrieval Augmented Generation，检索增强生成）技术正是解决这一问题的核心方案。传统的 LLM 虽然具备强大的生成能力，但其知识受限于训练数据，无法直接访问最新的或私有的信息。 RAG 通过结合向量检索和 L…