系統(tǒng)介紹

1. mbp pro
   
   
   

一、Ollama 安裝與配置

1.1 跨平臺(tái)安裝指南

Ollama 作為本地運(yùn)行大模型的利器，支持三大主流操作系統(tǒng)：

1.2 服務(wù)驗(yàn)證

ollama -v

# 輸出ollama version is 0.5.7

出現(xiàn)上述則表示安裝成功，可瀏覽器訪問http://localhost:11434/驗(yàn)證

二、Deepseek 模型部署

2.1 模型下載與加載

以 deepseek r1 模型為例：

1. 訪問https:///library/deepseek-r1，默認(rèn)為 7b 模型，如需其他模型，可以在當(dāng)前頁搜索所需模型

2. 模型詳情頁復(fù)制安裝命令ollama run deepseek-r1 

3. 安裝完成后在終端執(zhí)行：

• mac 后臺(tái)標(biāo)識(shí)
  

  

• win 后臺(tái)標(biāo)識(shí)
  

  見任務(wù)欄托盤區(qū)

2.2 模型驗(yàn)證測(cè)試

運(yùn)行交互式對(duì)話測(cè)試：

請(qǐng)用Python寫一個(gè)快速排序算法

當(dāng)看到完整代碼輸出，說明模型已成功加載。

硬件要求建議：

• 最低配置：16GB 內(nèi)存 + 8GB 顯存

• 推薦配置：32GB 內(nèi)存 + 16GB 顯存（RTX 3060 級(jí)別）

三、安裝交互 ui

3.1 chatbox

1. 下載地址chatboxai.app

2. 配置本地模型

• 進(jìn)入設(shè)置頁面
  

• 選擇 ollama api (本地部署)

• 配置本機(jī)地址，默認(rèn)http://127.0.0.1:11434
  

至此即可開啟問答模式

3.2 Page Assist 瀏覽器插件 

1. 安裝地址Page Assist - 本地 AI 模型的 Web UI

2. 安裝后簡單配置即可開啟問答模式，功能豐富，可以參考官方引導(dǎo)

3. 本插件支持本地知識(shí)庫建設(shè)，因本次使用 Dify 建設(shè)，在此不贅述。

四、Dify 知識(shí)庫搭建

參考文檔地址Docker Compose 部署

4.1 環(huán)境準(zhǔn)備

1.拉取源代碼，準(zhǔn)備環(huán)境

2.啟動(dòng) Docker 容器（需要先安裝 D ocker）

docker compose up -d
# 如果版本是 Docker Compose V1，使用以下命令：
docker-compose up -d

# 正常返回
[+] Running 74/9
 ? db Pulled                                                    834.2s
 ? sandbox Pulled                                              1120.7s
 ? weaviate Pulled                                              526.5s
 ? web Pulled                                                   174.0s
 ? redis Pulled                                                 893.7s
 ? api Pulled                                                  2919.8s
 ? worker Pulled                                               2919.8s
 ? ssrf_proxy Pulled                                            494.0s
 ? nginx Pulled                                                 184.7s
[+] Running 11/11
 ? Network docker_default             Created                     0.0s
 ? Network docker_ssrf_proxy_network  Created                     0.0s
 ? Container docker-db-1              Started                     1.1s
 ? Container docker-web-1             Started                     1.1s
 ? Container docker-redis-1           Started                     1.1s
 ? Container docker-sandbox-1         Started                     1.1s
 ? Container docker-weaviate-1        Started                     1.1s
 ? Container docker-ssrf_proxy-1      Started                     1.1s
 ? Container docker-api-1             Started                     0.7s
 ? Container docker-worker-1          Started                     0.7s
 ? Container docker-nginx-1           Started                     0.8s

在此階段可能會(huì)遇到下列失敗的情況，可以嘗試切換源解決 我當(dāng)時(shí)的條件

1. 修改配置后重啟 docker

2. 辦公網(wǎng)環(huán)境下

解決方法

• 右上角齒輪圖標(biāo)進(jìn)入設(shè)置 -> Docker engine，在配置中添加

• 寫入以下內(nèi)容 ocker）

{
  // ...
  'registry-mirrors': [
    'https://docker.',
    'https://docker.m.',
    'https://docker.',
    'https://docker.',
    'http://mirrors.ustc.edu.cn',
    'https://docker.',
    'http://mirror.',
    'https://',
    'https://',
    'https://hub.v'
  ]}

4.2 Dify 創(chuàng)建聊天

1. 訪問http://localhost/（默認(rèn) 80 端口） 進(jìn)入 dify

2. 首次進(jìn)入初始化設(shè)置賬號(hào)密碼

3. 點(diǎn)擊 Dify 平臺(tái)右上角頭像 → 設(shè)置 → 模型供應(yīng)商，選擇 Ollama，輕點(diǎn)“添加模型”。

在配置 url 時(shí)，因?yàn)槭?docker 服務(wù)，http://localhost:11434 存在無法訪問的情況，可以嘗試http://host.ernal:11434

4.至此，可以開始創(chuàng)建應(yīng)用，在主頁選擇 全部 -> 創(chuàng)建空白應(yīng)用 -> 填入應(yīng)用信息即可

4.3 Dify 知識(shí)庫創(chuàng)建

1. 主頁選擇 知識(shí)庫 -> 創(chuàng)建知識(shí)庫 -> 上傳知識(shí) -> 等待處理完成

   

2. 進(jìn)入聊天應(yīng)用，選擇剛才創(chuàng)建的知識(shí)庫，即可開始帶有私域知識(shí)的溝通
   

五、應(yīng)用測(cè)試

5.1 翻譯場(chǎng)景

1.本地客戶端具有部分國際化測(cè)試文件需要執(zhí)行翻譯，格式示例如下，多層嵌套的 json 格式，value 為string類型。需要利用大模型對(duì)整個(gè) json 文件進(jìn)行翻譯，將中文翻譯為英文后按原格式返回

2.實(shí)際應(yīng)用測(cè)試，以deepseek-r1:7b/14b模型做測(cè)試。得到結(jié)果如下

3.執(zhí)行腳本trans.js 

const fs = require('fs');
const axios = require('axios');

// 1. 讀取本地JSON文件
const readJsonFile = (filePath) => {
  return new Promise((resolve, reject) => {
    fs.readFile(filePath, 'utf8', (err, data) => {
      if (err) {
        reject(err);
      } else {
        resolve(JSON.parse(data));
      }
    });
  });
};

const MODEL = 'deepseek-r1:14b';

// 2. 調(diào)用本地大模型接口進(jìn)行翻譯
const translateText = async (text, key) => {
  let response;
  try {
    console.time(`run worker ${key}`);
    response = await axios.post('http://localhost:11434/api/generate', {
      // model: 'deepseek-r1:7b',
      model: MODEL,
      prompt: `有部分客戶端國際化的配置文件，內(nèi)容為json格式，需要翻譯，要求按步驟進(jìn)行翻譯：
      1. 將中文翻譯為英文
      2. 保持原有json格式不變，將value替換成翻譯后的文本
      3. 你始終以合法的JSON格式響應(yīng)，返回結(jié)果格式如: {'key1':'翻譯后的文本1','key2':'翻譯后的文本2'}，直接返回結(jié)果，不需要符號(hào)包裹
      配置文件
      '''${JSON.stringify(text)}'''`,
      stream: false,
    });
    console.timeEnd(`run worker ${key}`);

    const splitText = '</think>';
    const startIndex = response.data.response.indexOf(splitText);
    const result = response.data.response
      .slice(startIndex + splitText.length)
      .trim()
      .replace(/<<+|>>+/g, '');
    // console.log('response.data.response:', response.data.response, JSON.parse(result), result)
    return JSON.parse(result); // 假設(shè)接口返回的翻譯結(jié)果在response.data.translatedText中
  } catch (error) {
    console.error('翻譯出錯(cuò):', key);
    return translateText(text, key); // 如果翻譯失敗，返回原文
  }
};

// 3. 并行翻譯邏輯（手動(dòng)控制并發(fā)）
const translateJson = async (jsonData, concurrency = 5) => {
  const entries = Object.entries(jsonData);
  const translatedData = {};
  let currentIndex = 0; // 當(dāng)前處理的任務(wù)索引

  // 定義工作線程：每個(gè)線程不斷處理下一個(gè)任務(wù)
  const worker = async () => {
    while (currentIndex < entries.length) {
      const index = currentIndex++;
      if (index >= entries.length) break; // 所有任務(wù)已完成
      const [key, value] = entries[index];
      try {
        translatedData[key] = await translateText(value, key);
      } catch (error) {
        translatedData[key] = value; // 保留原文
      }
    }
  };

  // 啟動(dòng)指定數(shù)量的工作線程
  const workers = Array(concurrency).fill(null).map(worker);
  await Promise.all(workers); // 等待所有線程完成

  const result = {};

  // 保持原有順序
  entries.forEach(([key, value]) => {
    result[key] = translatedData[key] || value;
  });

  return result;
};

// 4. 將翻譯后的內(nèi)容生成新的文件
const writeTranslatedJson = (filePath, data) => {
  return new Promise((resolve, reject) => {
    fs.writeFile(filePath, JSON.stringify(data, null, 2), 'utf8', (err) => {
      if (err) {
        reject(err);
      } else {
        resolve();
      }
    });
  });
};

function compareObjectsWithPath(obj1, obj2, path = '') {
  // 類型不同時(shí)直接返回路徑
  if (typeof obj1 !== typeof obj2) {
    return { success: false, path: path || 'root' };
  }

  // 處理可遍歷對(duì)象（對(duì)象或數(shù)組）
  if (typeof obj1 === 'object' && obj1 !== null && obj2 !== null) {
    const isArr1 = Array.isArray(obj1);
    const isArr2 = Array.isArray(obj2);

    // 數(shù)組類型不一致
    if (isArr1 !== isArr2) {
      return { success: false, path: path || 'root' };
    }

    if (isArr1) {
      // 數(shù)組長度不同
      if (obj1.length !== obj2.length) {
        return { success: false, path: path || 'root' };
      }

      // 遞歸檢查數(shù)組元素
      for (let i = 0; i < obj1.length; i++) {
        const currentPath = `${path}[${i}]`;
        const result = compareObjectsWithPath(obj1[i], obj2[i], currentPath);
        if (!result.success) return result;
      }
      return { success: true };
    } else {
      // 檢查是否為純對(duì)象（字面量對(duì)象）
      const isPlainObj1 = isPlainObject(obj1);
      const isPlainObj2 = isPlainObject(obj2);

      if (isPlainObj1 !== isPlainObj2) {
        return { success: false, path: path || 'root' };
      }

      // 非純對(duì)象（如 Date、RegExp）需檢查是否均為字符串
      if (!isPlainObj1) {
        return typeof obj1 === 'string' && typeof obj2 === 'string'
          ? { success: true }
          : { success: false, path: path || 'root' };
      }

      // 合并所有 key 并檢查數(shù)量
      const keys1 = Object.keys(obj1);
      const keys2 = Object.keys(obj2);
      const allKeys = new Set([...keys1, ...keys2]);

      if (allKeys.size !== keys1.length || allKeys.size !== keys2.length) {
        return { success: false, path: path || 'root' };
      }

      // 遞歸檢查每個(gè)屬性
      for (const key of allKeys) {
        const currentPath = path ? `${path}.${key}` : key;

        if (!keys1.includes(key) || !keys2.includes(key)) {
          return { success: false, path: currentPath };
        }
        const result = compareObjectsWithPath(
          obj1[key],
          obj2[key],
          currentPath
        );
        if (!result.success) return result;
      }
      return { success: true };
    }
  } else {
    // 基本類型：檢查是否均為字符串
    return typeof obj1 === 'string' && typeof obj2 === 'string'
      ? { success: true }
      : { success: false, path: path || 'root' };
  }
}

// 判斷是否為純對(duì)象（字面量對(duì)象）
function isPlainObject(value) {
  return Object.prototype.toString.call(value) === '[object Object]';
}

// 主函數(shù)
const main = async () => {
  console.time('run main');

  const inputFilePath = './locales/zh.json'; // 輸入的JSON文件路徑
  const outputFilePath = `output_${MODEL}.json`; // 輸出的JSON文件路徑

  try {
    // 讀取JSON文件
    const jsonData = await readJsonFile(inputFilePath);

    // 翻譯JSON內(nèi)容
    const translatedData = await translateJson(jsonData);

    // 將翻譯后的內(nèi)容寫入新文件
    await writeTranslatedJson(outputFilePath, translatedData);

    console.log(
      '翻譯完成，結(jié)果是否存在遺漏項(xiàng)：',
      compareObjectsWithPath(jsonData, translatedData)
    );
    console.log('翻譯完成，結(jié)果已寫入:', outputFilePath);
  } catch (error) {
    console.error('處理過程中出錯(cuò):', error);
  }
  console.timeEnd('run main');
};

// 執(zhí)行主函數(shù)
main();

7b

翻譯結(jié)果

 'window': {
   'willUnload': {
     'title': 'What should you confirm before refreshing the current page?',
     'message': 'the system might not save your changes',
     'unload_bt': 'Reload',
     'cancel_bt': 'Cancel'
   }
 },

14b

翻譯結(jié)果

'window': {
    'willUnload': {
      'title': 'Confirm to refresh the current page?',
      'message': 'The system may not save your changes.',
      'unload_bt': 'Reload',
      'cancel_bt': 'Cancel'
    }
  },

4.整體體驗(yàn)下來，14b 模型在翻譯工作上比 7b 模型更為準(zhǔn)確，一次性翻譯成功率高。7B 模型翻譯結(jié)果噪聲多，返回結(jié)果可序列化效果差。翻譯結(jié)果遠(yuǎn)遠(yuǎn)不如 14b。

結(jié)論

14b 在 macos 執(zhí)行效率能滿足特定業(yè)務(wù)場(chǎng)景要求