在 Ubuntu 22.04上部署安装 LMStudio
在 Ubuntu 上安装和运行 LMStudio 主要有两种方式：通过 AppImage 或 Docker 容器。安装过程中需要更新系统源并安装必要的依赖项，如 `wget`, `curl`, `build-essential`, `python3-pip`, `git`, `nvidia-cuda-toolkit`（针对 GPU 加速）。对于 AppImage 方案，下载最新版本安装包并运行即可
多台主机构建PVE高可用超融合HA集群
该文章详细介绍了从3节点起步并扩展至10+节点的Proxmox VE高可用集群（HA）建设路线图。核心思路是先确保网络、存储和仲裁三大件的工作，再考虑HA迁移。强调了必须使用3节点以上的配置来确保HA功能有效。文章涵盖了从设备预配置到集群创建、共享存储部署、HA及Fencing配置、故障模拟验证以及后续的运维建议和常见问题排查方法，确保集群的可靠运行和数据安全。
用PVE部署本地All-in-one系统
本文介绍了PVE 8.x（Debian 12）All-in-One主机的安装方法及初始化步骤。主要内容包括：
1. **安装准备**：需要8GB以上的U盘，Proxmox VE 8.x ISO镜像，关闭Secure-Boot并开启Intel VT-d/AMD-Vi。
2. **安装过程**：通过U盘启动安装，选择目标磁盘和分区，设置root密码等。
3. **初始化配置**：提供一键脚本及手工命
散户做股票高频量化的本地部署环境搭建
本文详细介绍了构建一个用于散户高频股票量化的硬件、软件和网络环境的方案。硬件方面，推荐使用高性能CPU、高带宽内存、高速存储和高速网络设备，总成本约17,000元。软件方面，配置了Windows 11和Python环境，使用QMT极速版柜台接口，成本约22,000元。网络方面，采用2.5G网络和备用5G连接，确保延迟最低。整体成本控制在2万元左右，满足高频交易的需求。
构建自己的Manus
本文介绍了OpenManus的安装和配置方法。提供了两种安装方式：使用conda和推荐的使用uv。详细步骤包括创建环境、克隆代码仓库、安装依赖和配置LLM API。OpenManus支持多种使用场景，包括基本运行、MCP工具和不稳定版本的多智能体系统。还介绍了如何添加额外的智能体（如DataAnalysis Agent）及其依赖安装方法。最后，文章提供了贡献指南、社区入口以及相关合作项目和引用信息
本地部署 vLLM 0.8.5 大模型运行环境
本文介绍了在 Ubuntu 下安装 vLLM 0.8.5 大模型运行环境的步骤，包括系统前提检查、创建隔离环境、安装 PyTorch、下载并安装 vLLM 0.8.5、安装 flash-attn，以及验证安装。还提供了常见问题及解决方法。步骤涵盖从环境准备到模型验证的全过程。
本地构建Deepseek-OCR运行环境
本文详细介绍了在 Ubuntu 20.04/22.04/24.04 上从零开始构建 Deepseek-OCR 运行环境的步骤，包括准备系统依赖、安装 Python 3.12.9、创建隔离虚拟环境、升级 pip 并安装 PyTorch 2.6.0 和 vLLM 0.8.5。所有命令均可直接复制执行。文章还提供了常见问题及其解决方案，确保整套栈安装顺利。
本地部署智能错题本
一个基于AI的智能错题管理系统，帮助学生高效整理、分析和复习错题，支持Google Gemini和OpenAI等多种AI服务商配置，具备AI智能分析、多维度筛选、智能标签系统、灵活导出打印、智能练习等功能。该系统还支持多用户管理、数据可视化统计和PWA添加到主屏幕使用。
