技术保姆网 JSBMW.CN

## 前言

想学习RAG知识库搭建教程但不知道从哪开始？本教程从零开始，每一步都有详细说明，小白也能跟着搞定。

## 一、前期准备

### 环境要求

| 项目 | 要求 |
|——|——|
| 系统 | Windows 10/11、macOS 12+、Ubuntu 20.04+ |
| Docker | 已安装Docker Desktop或Docker Engine |
| 内存 | 4GB以上 |
| 网络 | 能访问外网或已配代理 |

### Docker安装（如未安装）

curl -fsSL https://get.docker.com | sh
sudo systemctl start docker && sudo systemctl enable docker

Windows/Mac安装Docker Desktop：https://www.docker.com/products/docker-desktop/

### 配置国内镜像加速

Docker Desktop → Settings → Docker Engine，添加镜像加速地址。

## 二、下载与安装

### 1. 拉取镜像

docker pull 应用镜像名:latest

如果拉取失败，配置Docker镜像加速器。

### 2. 创建配置文件

创建docker-compose.yml，按需修改端口和目录映射。

### 3. 启动服务

docker compose up -d

### 4. 验证运行

docker ps 确认容器状态为运行中
浏览器访问对应端口验证服务正常

## 三、配置步骤

### 应用配置

1. 打开应用Web界面
2. 创建管理员账号
3. 配置API Key（如需接入大模型）
4. 设置语言和时区

### 接入大模型

| API提供商 | 接口地址 |
|———–|———|
| DeepSeek | https://api.deepseek.com |
| 智谱AI | https://open.bigmodel.cn/api/paas/v4 |
| OpenAI | https://api.openai.com/v1 |
| 本地Ollama | http://localhost:11434/v1 |

### 安全配置

1. 设置访问密码（至少7位）
2. 不要暴露API Key到前端
3. 定期更新应用版本

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| 镜像拉取失败 | Docker版本低/网络 | 升级Docker+配镜像加速 |
| API连接失败 | API Key错误 | 确认Key正确且有额度 |
| 端口被占用 | 其他服务占用 | 更换端口 |
| 容器启动后退出 | 配置错误 | docker logs查看日志 |
| 401认证错误 | 密码或Key错误 | 检查环境变量配置 |

## 五、避坑总结

1. Docker镜像加速器必配
2. 密码设7位以上含数字字母
3. API Key不要暴露在前端
4. 数据目录一定要挂载
5. 路径不要有中文和空格

本教程由技术保姆网原创，转载请注明出处。

## 前言

本地AI多模型管理其实没那么难！本教程用最简单的方式，带你一步步完成配置，避开所有常见坑。

## 一、前期准备

### 硬件要求速查

| 配置 | 可运行模型 | 效果 |
|——|———–|——|
| 4核CPU+4GB内存 | 1.5B模型 | 基本可用 |
| 4核CPU+8GB内存 | 7B量化模型 | 流畅对话 |
| 6核CPU+16GB内存 | 14B量化模型 | 效果不错 |
| 独显4GB+ | 7B GPU加速 | 速度飞快 |

量化模型是什么？就是压缩后的模型，用少量精度换大幅内存节省。4位量化可将7B模型显存需求从26GB降到6.5GB！

## 二、下载与安装

### 安装Ollama（最简方案）

Windows：访问 https://ollama.com/download 下载安装
macOS：brew install ollama
Linux：curl -fsSL https://ollama.com/install.sh | sh

### 运行第一个模型

ollama run deepseek-r1:1.5b

1.5B模型4GB内存即可运行。8GB内存推荐：

ollama run deepseek-r1:7b

### 对话使用

直接输入问题即可对话，输入/bye退出。

### 安装图形界面（可选）

下载Chatbox：https://chatboxai.app/
设置→模型提供商选Ollama→地址填http://localhost:11434

## 三、配置步骤

### 模型选择建议

| 内存 | 推荐模型 | 说明 |
|——|———|——|
| 4GB | deepseek-r1:1.5b | 入门首选 |
| 8GB | deepseek-r1:7b | 效果不错 |
| 16GB | qwen2.5:14b | 中文最佳 |

### GPU加速配置

如果显卡支持，Ollama会自动检测启用GPU加速。
不支持的话强制CPU模式：

OLLAMA_LLM_LIBRARY=cpu_avx2

### 量化模型选择

Q4_K_M：低配首选，内存节省60%
Q5_K_M：内存够用选这个
Q8_0：高配选这个，精度更高

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| 回复为空 | 版本过低 | 升级Ollama到最新版 |
| GPU未识别 | 驱动问题 | 更新显卡驱动 |
| 内存不足 | 模型太大 | 换更小的量化模型 |
| 下载速度慢 | 网络问题 | 设代理或换网络 |
| 中文乱码 | 终端编码 | Windows用PowerShell |

## 五、避坑总结

1. 低配先从1.5B模型开始
2. Windows设OLLAMA_MODELS到D盘
3. 量化Q4_K_M性价比最高
4. GPU不兼容用CPU模式
5. 配合Chatbox界面更好用

本教程由技术保姆网原创，转载请注明出处。

## 前言

Docker入门安装教程其实没那么难！本教程用最简单的方式，带你一步步完成配置，避开所有常见坑。

## 一、前期准备

### 环境要求

– Docker已安装并运行（版本20+）
– 至少2GB可用内存
– 足够的磁盘空间

### Docker安装

curl -fsSL https://get.docker.com | sh
sudo systemctl start docker && sudo systemctl enable docker

### 国内镜像加速

{
“registry-mirrors”: [
“https://docker.1panel.live”,
“https://hub.rat.dev”,
“https://docker.m.daocloud.io”
]
}

## 二、下载与安装

### 1. 拉取镜像

docker pull 应用镜像名:latest

如果拉取失败，配置Docker镜像加速器。

### 2. 创建配置文件

创建docker-compose.yml，按需修改端口和目录映射。

### 3. 启动服务

docker compose up -d

### 4. 验证运行

docker ps 确认容器状态为运行中
浏览器访问对应端口验证服务正常

## 三、配置步骤

### 目录结构

创建应用所需目录：
mkdir -p /docker/应用名/config
mkdir -p /docker/应用名/data

### Docker Compose配置

按官方文档编写docker-compose.yml，注意：
– volumes路径映射正确
– 端口不冲突
– 环境变量填写完整
– TZ设为Asia/Shanghai

### 启动和验证

docker compose up -d
docker compose ps # 确认运行状态
浏览器访问对应端口验证

### 数据备份

定期备份config目录和数据库文件

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| 镜像拉取超时 | 国内网络 | 配置镜像加速器 |
| 数据库连接失败 | 密码错误 | 检查环境变量 |
| 端口被占用 | 端口冲突 | 更换映射端口 |
| 数据丢失 | 未挂载卷 | 添加volumes映射 |
| 权限错误 | PUID/PGID | 设置为0（root） |

## 五、避坑总结

1. 数据目录必须挂载不然丢数据
2. 国内环境先配镜像加速
3. PUID/PGID设0避免权限问题
4. 定期备份config目录
5. 端口映射别冲突

本教程由技术保姆网原创，转载请注明出处。

## 前言

想学习机顶盒安装CasaOS但不知道从哪开始？本教程从零开始，每一步都有详细说明，小白也能跟着搞定。

## 一、前期准备

### 确认你的设备

1. 查看机顶盒背面标签确认芯片型号
2. 常见芯片：晶晨S905/S905X/S912/S922X
3. 不同芯片对应的固件不同，务必确认后再下载

### 准备工具

| 工具 | 用途 |
|——|——|
| U盘8GB+ | 制作启动盘 |
| 网线 | 稳定网络连接 |
| ADB工具 | 调试连接 |
| balenaEtcher | 写入镜像 |
| TTL刷机线 | 部分型号需要 |

注意：U盘建议用USB 2.0品牌盘，兼容性更好。

## 二、下载与安装

### 1. 下载固件

根据你的芯片型号下载对应的固件文件，芯片型号必须匹配！

### 2. 制作启动U盘

1. 用balenaEtcher将固件写入U盘
2. 写入完成后根据需要修改配置文件（如DTB路径）

### 3. ADB连接

1. 机顶盒通电开机，连接网线
2. 设置→关于→连续点击版本号7次开启开发者模式
3. 设置→开发者选项→开启ADB调试
4. 电脑执行：adb connect 机顶盒IP

### 4. 刷入系统

1. 执行刷机命令或从U盘启动
2. 等待刷机完成
3. 重启进入新系统

## 三、配置步骤

### 基础配置

1. 设置时区：timedatectl set-timezone Asia/Shanghai
2. 更新系统：apt update && apt upgrade -y
3. 安装常用工具：apt install -y vim htop curl wget

### Docker配置（如需跑Docker应用）

1. 安装Docker：curl -fsSL https://get.docker.com | sh
2. 配置镜像加速
3. 测试：docker run hello-world

### 网络配置

1. 设置固定IP
2. 配置DNS
3. 开放需要的端口

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| U盘启动黑屏 | DTB文件选错 | 换正确的DTB文件 |
| ADB连接不上 | 未开启ADB | 点击版本号7次开启 |
| HDMI无输出 | 显示兼容性 | 用SSH连接代替 |
| WiFi不能用 | 驱动缺失 | 建议用网线 |
| 刷入EMMC后不启动 | 固件型号不匹配 | 下载正确型号固件 |

## 五、避坑总结

1. 刷机前一定备份原系统
2. 确认芯片型号再下载固件
3. U盘用USB 2.0品牌盘
4. 先U盘体验再写入EMMC
5. 建议用网线不用WiFi

本教程由技术保姆网原创，转载请注明出处。

## 前言

低配电脑AI优化技巧其实没那么难！本教程用最简单的方式，带你一步步完成配置，避开所有常见坑。

## 一、前期准备

### 硬件要求速查

| 配置 | 可运行模型 | 效果 |
|——|———–|——|
| 4核CPU+4GB内存 | 1.5B模型 | 基本可用 |
| 4核CPU+8GB内存 | 7B量化模型 | 流畅对话 |
| 6核CPU+16GB内存 | 14B量化模型 | 效果不错 |
| 独显4GB+ | 7B GPU加速 | 速度飞快 |

量化模型是什么？就是压缩后的模型，用少量精度换大幅内存节省。4位量化可将7B模型显存需求从26GB降到6.5GB！

## 二、下载与安装

### 安装Ollama（最简方案）

Windows：访问 https://ollama.com/download 下载安装
macOS：brew install ollama
Linux：curl -fsSL https://ollama.com/install.sh | sh

### 运行第一个模型

ollama run deepseek-r1:1.5b

1.5B模型4GB内存即可运行。8GB内存推荐：

ollama run deepseek-r1:7b

### 对话使用

直接输入问题即可对话，输入/bye退出。

### 安装图形界面（可选）

下载Chatbox：https://chatboxai.app/
设置→模型提供商选Ollama→地址填http://localhost:11434

## 三、配置步骤

### 模型选择建议

| 内存 | 推荐模型 | 说明 |
|——|———|——|
| 4GB | deepseek-r1:1.5b | 入门首选 |
| 8GB | deepseek-r1:7b | 效果不错 |
| 16GB | qwen2.5:14b | 中文最佳 |

### GPU加速配置

如果显卡支持，Ollama会自动检测启用GPU加速。
不支持的话强制CPU模式：

OLLAMA_LLM_LIBRARY=cpu_avx2

### 量化模型选择

Q4_K_M：低配首选，内存节省60%
Q5_K_M：内存够用选这个
Q8_0：高配选这个，精度更高

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| 回复为空 | 版本过低 | 升级Ollama到最新版 |
| GPU未识别 | 驱动问题 | 更新显卡驱动 |
| 内存不足 | 模型太大 | 换更小的量化模型 |
| 下载速度慢 | 网络问题 | 设代理或换网络 |
| 中文乱码 | 终端编码 | Windows用PowerShell |

## 五、避坑总结

1. 低配先从1.5B模型开始
2. Windows设OLLAMA_MODELS到D盘
3. 量化Q4_K_M性价比最高
4. GPU不兼容用CPU模式
5. 配合Chatbox界面更好用

本教程由技术保姆网原创，转载请注明出处。

## 前言

Home Assistant智能家居Docker其实没那么难！本教程用最简单的方式，带你一步步完成配置，避开所有常见坑。

## 一、前期准备

### 环境要求

– Docker已安装并运行（版本20+）
– 至少2GB可用内存
– 足够的磁盘空间

### Docker安装

curl -fsSL https://get.docker.com | sh
sudo systemctl start docker && sudo systemctl enable docker

### 国内镜像加速

{
“registry-mirrors”: [
“https://docker.1panel.live”,
“https://hub.rat.dev”,
“https://docker.m.daocloud.io”
]
}

## 二、下载与安装

### 1. 拉取镜像

docker pull 应用镜像名:latest

如果拉取失败，配置Docker镜像加速器。

### 2. 创建配置文件

创建docker-compose.yml，按需修改端口和目录映射。

### 3. 启动服务

docker compose up -d

### 4. 验证运行

docker ps 确认容器状态为运行中
浏览器访问对应端口验证服务正常

## 三、配置步骤

### 目录结构

创建应用所需目录：
mkdir -p /docker/应用名/config
mkdir -p /docker/应用名/data

### Docker Compose配置

按官方文档编写docker-compose.yml，注意：
– volumes路径映射正确
– 端口不冲突
– 环境变量填写完整
– TZ设为Asia/Shanghai

### 启动和验证

docker compose up -d
docker compose ps # 确认运行状态
浏览器访问对应端口验证

### 数据备份

定期备份config目录和数据库文件

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| 镜像拉取超时 | 国内网络 | 配置镜像加速器 |
| 数据库连接失败 | 密码错误 | 检查环境变量 |
| 端口被占用 | 端口冲突 | 更换映射端口 |
| 数据丢失 | 未挂载卷 | 添加volumes映射 |
| 权限错误 | PUID/PGID | 设置为0（root） |

## 五、避坑总结

1. 数据目录必须挂载不然丢数据
2. 国内环境先配镜像加速
3. PUID/PGID设0避免权限问题
4. 定期备份config目录
5. 端口映射别冲突

本教程由技术保姆网原创，转载请注明出处。

## 前言

Tailscale好用但数据在别人服务器上？Headscale是Tailscale的开源自建替代方案，所有数据都在你自己的服务器上！本教程零基础手把手教你部署。

## 一、Headscale是什么？

Headscale是Tailscale控制服务器的开源实现：
– 自建服务器，数据完全自控
– 兼容Tailscale客户端
– 轻量，1C1G即可运行
– 完全免费开源

## 二、服务器准备

| 项目 | 要求 |
|——|——|
| 系统 | Ubuntu 22.04/Debian 12 |
| CPU | 1核 |
| 内存 | 1GB |
| 带宽 | 有公网IP |

开放端口：443（HTTPS）、8080（HTTP）、3478（UDP）

## 三、Docker部署Headscale

创建docker-compose.yml并配置目录后启动：
docker compose up -d

下载配置模板并修改server_url为你的域名或IP。

## 四、创建用户和API Key

docker exec headscale headscale users create myuser
docker exec headscale headscale apikeys create

## 五、客户端连接

Linux：tailscale up –login-server http://你的IP:8080
Windows/Mac：安装Tailscale客户端后指向自建服务器

## 六、常见报错解决

| 报错 | 解决方案 |
|——|———|
| 连接超时 | 开放8080和443端口 |
| API Key无效 | 重新生成Key |
| MagicDNS不工作 | 检查配置 |
| 无法打洞 | 自建DERP中继 |

## 七、避坑总结

1. 开放8080和443端口
2. server_url要填对
3. 设备连接后需服务端批准
4. NAT穿透不理想可自建DERP

本教程由技术保姆网原创，转载请注明出处。

## 前言

想学习Uptime Kuma监控部署但不知道从哪开始？本教程从零开始，每一步都有详细说明，小白也能跟着搞定。

## 一、前期准备

### 环境要求

– Docker已安装并运行（版本20+）
– 至少2GB可用内存
– 足够的磁盘空间

### Docker安装

curl -fsSL https://get.docker.com | sh
sudo systemctl start docker && sudo systemctl enable docker

### 国内镜像加速

{
“registry-mirrors”: [
“https://docker.1panel.live”,
“https://hub.rat.dev”,
“https://docker.m.daocloud.io”
]
}

## 二、下载与安装

### 1. 拉取镜像

docker pull 应用镜像名:latest

如果拉取失败，配置Docker镜像加速器。

### 2. 创建配置文件

创建docker-compose.yml，按需修改端口和目录映射。

### 3. 启动服务

docker compose up -d

### 4. 验证运行

docker ps 确认容器状态为运行中
浏览器访问对应端口验证服务正常

## 三、配置步骤

### 目录结构

创建应用所需目录：
mkdir -p /docker/应用名/config
mkdir -p /docker/应用名/data

### Docker Compose配置

按官方文档编写docker-compose.yml，注意：
– volumes路径映射正确
– 端口不冲突
– 环境变量填写完整
– TZ设为Asia/Shanghai

### 启动和验证

docker compose up -d
docker compose ps # 确认运行状态
浏览器访问对应端口验证

### 数据备份

定期备份config目录和数据库文件

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| 镜像拉取超时 | 国内网络 | 配置镜像加速器 |
| 数据库连接失败 | 密码错误 | 检查环境变量 |
| 端口被占用 | 端口冲突 | 更换映射端口 |
| 数据丢失 | 未挂载卷 | 添加volumes映射 |
| 权限错误 | PUID/PGID | 设置为0（root） |

## 五、避坑总结

1. 数据目录必须挂载不然丢数据
2. 国内环境先配镜像加速
3. PUID/PGID设0避免权限问题
4. 定期备份config目录
5. 端口映射别冲突

本教程由技术保姆网原创，转载请注明出处。

## 前言

想学习机顶盒TTL刷机救砖教程但不知道从哪开始？本教程从零开始，每一步都有详细说明，小白也能跟着搞定。

## 一、前期准备

### 确认你的设备

1. 查看机顶盒背面标签确认芯片型号
2. 常见芯片：晶晨S905/S905X/S912/S922X
3. 不同芯片对应的固件不同，务必确认后再下载

### 准备工具

| 工具 | 用途 |
|——|——|
| U盘8GB+ | 制作启动盘 |
| 网线 | 稳定网络连接 |
| ADB工具 | 调试连接 |
| balenaEtcher | 写入镜像 |
| TTL刷机线 | 部分型号需要 |

注意：U盘建议用USB 2.0品牌盘，兼容性更好。

## 二、下载与安装

### 1. 下载固件

根据你的芯片型号下载对应的固件文件，芯片型号必须匹配！

### 2. 制作启动U盘

1. 用balenaEtcher将固件写入U盘
2. 写入完成后根据需要修改配置文件（如DTB路径）

### 3. ADB连接

1. 机顶盒通电开机，连接网线
2. 设置→关于→连续点击版本号7次开启开发者模式
3. 设置→开发者选项→开启ADB调试
4. 电脑执行：adb connect 机顶盒IP

### 4. 刷入系统

1. 执行刷机命令或从U盘启动
2. 等待刷机完成
3. 重启进入新系统

## 三、配置步骤

### 基础配置

1. 设置时区：timedatectl set-timezone Asia/Shanghai
2. 更新系统：apt update && apt upgrade -y
3. 安装常用工具：apt install -y vim htop curl wget

### Docker配置（如需跑Docker应用）

1. 安装Docker：curl -fsSL https://get.docker.com | sh
2. 配置镜像加速
3. 测试：docker run hello-world

### 网络配置

1. 设置固定IP
2. 配置DNS
3. 开放需要的端口

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| U盘启动黑屏 | DTB文件选错 | 换正确的DTB文件 |
| ADB连接不上 | 未开启ADB | 点击版本号7次开启 |
| HDMI无输出 | 显示兼容性 | 用SSH连接代替 |
| WiFi不能用 | 驱动缺失 | 建议用网线 |
| 刷入EMMC后不启动 | 固件型号不匹配 | 下载正确型号固件 |

## 五、避坑总结

1. 刷机前一定备份原系统
2. 确认芯片型号再下载固件
3. U盘用USB 2.0品牌盘
4. 先U盘体验再写入EMMC
5. 建议用网线不用WiFi

本教程由技术保姆网原创，转载请注明出处。

## 前言

CUDA环境配置教程其实没那么难！本教程用最简单的方式，带你一步步完成配置，避开所有常见坑。

根据最新资料整理，但是买了一些书以及在网上看了一些教程之后发现没有…

## 一、前期准备

### 硬件要求速查

| 配置 | 可运行模型 | 效果 |
|——|———–|——|
| 4核CPU+4GB内存 | 1.5B模型 | 基本可用 |
| 4核CPU+8GB内存 | 7B量化模型 | 流畅对话 |
| 6核CPU+16GB内存 | 14B量化模型 | 效果不错 |
| 独显4GB+ | 7B GPU加速 | 速度飞快 |

量化模型是什么？就是压缩后的模型，用少量精度换大幅内存节省。4位量化可将7B模型显存需求从26GB降到6.5GB！

## 二、下载与安装

### 安装Ollama（最简方案）

Windows：访问 https://ollama.com/download 下载安装
macOS：brew install ollama
Linux：curl -fsSL https://ollama.com/install.sh | sh

### 运行第一个模型

ollama run deepseek-r1:1.5b

1.5B模型4GB内存即可运行。8GB内存推荐：

ollama run deepseek-r1:7b

### 对话使用

直接输入问题即可对话，输入/bye退出。

### 安装图形界面（可选）

下载Chatbox：https://chatboxai.app/
设置→模型提供商选Ollama→地址填http://localhost:11434

## 三、配置步骤

### 模型选择建议

| 内存 | 推荐模型 | 说明 |
|——|———|——|
| 4GB | deepseek-r1:1.5b | 入门首选 |
| 8GB | deepseek-r1:7b | 效果不错 |
| 16GB | qwen2.5:14b | 中文最佳 |

### GPU加速配置

如果显卡支持，Ollama会自动检测启用GPU加速。
不支持的话强制CPU模式：

OLLAMA_LLM_LIBRARY=cpu_avx2

### 量化模型选择

Q4_K_M：低配首选，内存节省60%
Q5_K_M：内存够用选这个
Q8_0：高配选这个，精度更高

## 四、常见报错解决

| 报错 | 原因 | 解决方案 |
|——|——|———|
| 回复为空 | 版本过低 | 升级Ollama到最新版 |
| GPU未识别 | 驱动问题 | 更新显卡驱动 |
| 内存不足 | 模型太大 | 换更小的量化模型 |
| 下载速度慢 | 网络问题 | 设代理或换网络 |
| 中文乱码 | 终端编码 | Windows用PowerShell |

## 五、避坑总结

1. 低配先从1.5B模型开始
2. Windows设OLLAMA_MODELS到D盘
3. 量化Q4_K_M性价比最高
4. GPU不兼容用CPU模式
5. 配合Chatbox界面更好用

本教程由技术保姆网原创，转载请注明出处。