共赴良策

Cloudflare R2 调用次数飙升 最近为了增强博客浏览体验，最终上了cdn，做了国内外分流。国内使用的是腾讯云EdgeOne，有一说一挺烂的，居然不支持自动部署证书，还得手动申请一个再关联上。。。对比Cloudflare的小黄云体验极差。 回到正题，众所周知，cloudflare R2按调用次数算，看了下数据，几天已经5w多次调用了，骇的我感觉考虑其他方案。 大盘鸡 原先我的图床搭建在家里得nas上，因为刷pt上了运营商黑名单，上传带宽只有50M，也就是上传速度就剩6.25了。所以也就将图片迁移到了Cloudflare R2上。因为上述原因加上一些其他考虑，最终还是决定弄个大盘鸡吧。 选择 正好cnfaster做活动，花了420多买了一个如下配置的香港VPS： 价格还是挺便宜的，就是不知道会不会跑路。流量8T，1000G硬盘放国内云厂商我都不敢想，这还是香港vps，可以打科学上网。 有需要的可以自己去看看 https://cnfaster.com/recommend/v5g7bb2wrgaV 迁移脚本 回到正题，Cloudflare...

deepseek R1的本地化部署可以看我前篇内容，这篇跳过了 效果对比 这是没有问到没有训练过内容的效果 这是训练过内容，但是因为某种原因不能公开的效果 我就不把深度思考内容点开了，因为ai都知道不能说，我也不敢说 这是越狱版的效果 如何下载部署 部署方式和非越狱版一致，只是命令稍有不同。 模型所在地址: https://ollama.com/huihui_ai 总共有7b、8b、14b、32b、70b五种（单指deepseek），这次我用的是4070Ti的台式机部署的，12g显存，所以下载了14b的版本。上篇文章用的是mac mini 16g内存所以用的是8b版本。 1ollama run huihui_ai/deepseek-r1-abliterated:14b 当然如果你有4块4090，或者mac高内存的话，可以尝试用70b版本。比如小黑96g的mac M2 max试了一下70b版本，效果要明显好于32b，但是每秒只有几tokens。

DeepSeek-R1 是一款强大的自然语言处理模型，适用于多种任务，如文本生成、问答系统、对话生成等。 设备 我是用的mac mini 2023款的，M2芯片，16g内存。苹果的芯片比较特别，是统一内存架构，CPU、GPU和神经引擎都共享同一内存池，所以用来部署ai模型还是比较方便的。 Ollama Ollama 是一个开源平台和工具，使用非常非常简单。Ollama旨在让用户更方便地在本地部署和运行大型语言模型（如GPT等）并进行推理。其目的是通过简化部署流程，让开发者和研究人员能够更容易地将AI模型（尤其是大型语言模型）集成到自己的应用中，而不必依赖于云服务提供商。 下面以Mac平台为例，windows和linux差不多。 下载 https://ollama.com/download?utm_source=lobehub&utm_medium=docs&utm_campaign=download-macos 配置 Ollama 允许跨域访问 由于 Ollama...

网络拓扑 graph TB Modem[光猫] StudyRouter[书房主路由] LivingRouter[客厅子路由] Switch[2.5G交换机] NAS[群晖923+] IndustrialPC[N100软路由] MiniPC1[迷你主机1] MiniPC2[迷你主机2] TV[TV] PC[4070Ti主机] SwitchConsole[智能设备网关] AppleTV[Apple TV] DesktopPC[4060主机] Modem -->|网线| StudyRouter StudyRouter -->|网线| LivingRouter StudyRouter -->|光纤| Switch StudyRouter -->|网线| PC Switch -->|LAN| NAS Switch -->|LAN| IndustrialPC Switch...

前景提要 今天突然发现github无法通过ssh推送或者拉取了，研究了以下找到了一个解决办法。 提交时的错误如图，ssh密钥已经配置进GitHub了，仓库的权限也没有任何问题，但是就是无法进行ssh的操作。 解决办法 在ssh密钥的储存目录新建一个config文件，内容如下 1234Host github.comHostname ssh.github.comPort 443User git 然后重新进行git的操作，就可以正常进行了。

前言 最近有时序库的需求，我常用的是influxdb和timescaledb，influxdb是专门的时序库，timescaledb是在postgresql上的时序库，因为写法更接近于mysql，后端服务做动态库切换挺方便的，所以我选择了timescaledb。 安装 准备 因为众所周知的原因，docker源被墙了，所以群晖里面如果想用，必须要用到镜像源。我是自己利用cloudflare自己搭的，你们有需要也可以使用。 我的镜像源地址为: https://dockerhub.allbs.xyz 群晖中的配置方法为: 修改后别忘记点击使用按钮，使其生效。 搜索安装 因为我的群晖直接在搜索框中筛选出结果，所以我只能使用命令行安装了，如果可视化面板操作没问题的可以跳过我这一步。 1docker pull...

...