引言deepseek-r1开源标志着普惠AI时代的到来，中小企业接入DeepSeek最安全、实惠的方式就是搭建本地知识库。本文针对企业日常项目管理中相关人员工作繁忙，项目进度跟进不及时等现状，使用DeepSeek+RAGFlow搭建项目管理知识库，用户只需要把对合同文本，往来文件上传到知识库中，系统就会智能分析项目里程碑，现状等等实现智能管理。选用RAGFlow是因为它有以下几个功能点：整合了知识图谱，0.72版本后可以直接针对文件作知识图谱切割，带来了更准确检索知识的可能。但使用知识图谱切分会消耗大量token，本经适员验证半天就花了100万有多token。智能体自带编排功能带来处理复杂场景的能力。Python API为有开发知识的人带来对知识作更准确切片的手段。知识库，智能体可通过HTTP API访问，很方便就可以嵌入其它系统。一、环境搭建1.1 准备云服务器RAGFlow最低需要50G硬盘空间，开发平台准备的免费云桌面为40G，且是ARM环境RAGFlow无构建好的docker镜像。本经济适用男头铁就想白嫖，自己在云桌面上部署了半天最终还是碰到空间不足只能作罢。换个思路参与共创领代金券继续免费学习。配置：竞价计费 8vCPUs + 32GiB + 80G硬盘， 系统Ubuntu 2024，带宽选按带宽计费5M（用流量配置个环境，下载docker都20G+，作测试时可以再调为1M，主打就算代金券也要省），这样配置下来0.7左右一小时，不关机都够测5天。至于我？当然随手关机，代金券有效期可是一年。云主机购买好后到安全组里配置80端口放行你自己的公网ip，RAGFlow安装好后是要通过80端口访问页面的。  登入到云主机后更新，安装docker一条龙apt upgrade -yapt install docker.io -yapt install docker-compose -y要注意华为apt源力的docker compose版本低，需要自己升级，那为什么要先apt装一下，还不是为了环境么，它都配置好可以偷懒了。wget https://bgithub.xyz/docker/compose/releases/download/v2.34.0/docker-compose-linux-x86_64 -O docker-composemv ./docker-compose /usr/bin/chmod +x /usr/bin/docker-compose上面路径是按默认路径，如果你是其它环境可以自己whereis查下docker-compose所在目录，把mv 后的目的路径替换为你自己的路径即可。github因为dns污染经常抽风，这里跟后面要用得到的都是直接用bgithub.xyz。二、RAGFlow安装2.1 修改docker源这里我们可以到控制台里，搜索容器镜像服务->左边镜像中心->右边点击镜像加速器，获取华为镜像地址  修改docker源为华为加速地址。vi /etc/docker/daemon.json，在vi里加如以下内容{ "registry-mirrors": [ "https://替换为上面华为镜像加速地址" ]}按"esc",:wq保存并退出，重启docker使得镜像配置生效systemctl restart docker2.2 克隆RAGFlow库git clone https://bgithub.xyz/infiniflow/ragflow.gitcd ragflow/docker发帖时最新版本为0.17.2，但该版本有时在解析文件时大概率会一直在排队状态，nightly版本已经修复该bug，所以我们使用nightly,git checkout -f nightly修改配置.env文件，按/image搜索到镜像设置，我们要嵌入模型的，将slim那行注释掉启用下面，并修改:V0.17.2为:nightly  使用docker-compose下载镜像并启动ragflow前，你多半会跟我一样在下载minio时太慢而失败，我们先用华为镜像下载，然后设置为别名quay.io即可docker pull swr.cn-north-4.myhuaweicloud.com/ddn-k8s/quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Zdocker tag swr.cn-north-4.myhuaweicloud.com/ddn-k8s/quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z然后再启用RAGFlow，这里会下载10个多G的镜像文件，在等待时可以去作后续步骤获取华为云免费token等等。docker-compose up -d2.3 申请华为云免费token登录华为云 MAAS，进入贵阳一区域的MaaS控制台，然后点击控制台左侧“模型推理”，点击右侧的“免费服务”，找到想要使用的DeepSeek版本后点击“领取额度”，  领取后点击“调用说明”，选到"OpenAI SDK", 将API地址，模型名称都复制下来，后面RAGFlow中设置大模型提供商时需要填写这些信息。  2.4 申请API Key大模型外部调用需要提供API Key，需要先申请API Key。还是在ModelArts Studio界面中左边找到最下面“API Key管理”，右边点击“创建API Key”，按照你喜好填入标签，描述->“确定”即可， 同样把生成的API Key复制下来，之后我们在RAGFlow中需要填入。  三、RAGFlow配置3.1 访问我们部署的RAGFlow页面当docker-compose启动完成后，打开浏览器访问我们购买的云服务器网址即可进入RAGFlow界面，如果你输入网址后打不开，确认下有没有按1.1所说的在安全组中放行你的ip访问80端口。在初始页面中输入Email，Password。点击“sign in”，系统会自动为你创建管理员帐号。进入主界面后右上方语言切换为中文。  3.2 配置RAGFlow模型提供商点击左右侧头像->左侧“模型提供商”，从右边待添加模型里找到“OpenAI-API-Compatible”模型点击添加  “模型类型”选择chat，模型名称"DeepSeek-R1"，把2.3步中保存的对应信息填入基础Url，API-KEY中。 确定后RAGFlow会测试链接，连接成功后会出现在页面上方的”添加了的模型“里。重复上述步骤把"DeepSeek-V3"模型、其它地方申请的模型、本地部署的大模型都添加进去，后续编排智能体的时，就可以根据具体场景设置调用不同的大模型。  添加完成模型后还有一步设置默认模型提供商，点击最上面“系统模型设置”，RAGFlow拆分知识图谱需要用到有推理能力的大模型，所以这里我们选DeepSeek-R1模型，嵌入模型选BAAI/bge-large-zh-v1.5，我们没用到图片、语音识别下面的几个模型可以不填。  四、项目管理知识库准备及测试4.1 知识库配置前面一系列配置完成后，就可以添加知识库了。在新建知识库前，我们先准备一些文件，见附件的“项目模拟文件.zip”，模拟项目立项，项目支付，项目研发等等信息。准备好文件后回到RAGFlow页面，点击“知识库”，再点击“新建知识库”，名字按喜好取，比如我取的“项目管理原型”。主要的配置如下嵌入模型：BAAI/bge-large-zh。切片方法：General。打开提取知识图谱，实体类型设计如下：项目，日期，里程碑，组织，订单，预算，金额（本来数字类型数据在知识图谱里一般不设置为实体，我们这里只是验证原型所以忽略，实际使用时可以通过RAGFlow的组件去业务系统中获取更准确的数字），为提高检索准确，实体归一化，社区报告生成，都选上（注意确实会消耗大量大量的token）4.2  上传知识库，并解析出知识图谱。将附件的文件上传到知识库中，全选后点解析，RAGFlow会自动提取资料的知识图谱，时间会持续至少30分钟，等有文件解析成功后左边会出现“知识图谱”选项，点击就可以看到RAGFlow自动生成的图谱图示，如下图。需要注意的是因为GrapRAG里提取实体跟关系是英文提示词，社区摘要有时候会是一串英文。如果要投入正式使用还得自己作更多的测试修改为中文提示词。  4.3 测试项目管理知识图谱解析完成后，就可以测试我们的项目管理原型是否能满足要求。点击最上方“聊天”-“新建助理”，作如下配置助理设置：知识库选择上面我们建立的知识库"项目管理原型"提示引擎：对默认的提示词作进一步修改，增加“#项目按照项目立项时间排序，回答给定项目的相关内容。算不是实际支出，只有支付的才是实际支出”提示引擎里的使用知识图谱可以切换测试，看看使用知识图谱跟不使用知识图谱的对比效果模型：选择DeepSeek-R1测试用例：”2025年项目总共支出了多少“，不启用知识图谱时，回答知识库中无2025年总共支出，或者只回答奶茶项目支出了10万，这就是默认知识库中，信息重叠时，只取TopN造成的毛病。 启用知识图谱时，回答会耗时更多，后台看是首先用大模型对问题生成知识图谱查询，然后把查询结果再给模型完善回答。 五、 制作智能体机器人上面测试我们可以发现，为实现不同问题需要定制不同的提示词，或者有些多跳的问题需要使用知识图谱，简单的问题直接使用RAG问答就行。为给用户更好的使用体验，可以通过智能体机器人，对用户问题作分析然后按不同问题调用不同的流程做回答。点击页面上方"agent"->“创建agent”，使用空白模板。我们要实现一个可以执行多个功能的项目管理智能体，要用到如下组件。问题分类：判断用户问题类型，然后调用不同的模型作回答知识检索：针对用户问题检索知识库内容生成回答：将检索内容作为上下文，让大模型作智能回答首先拖入“对话”，“问题分类”两个组件，设置好流程，如下图  点中问题分类，第一步需要设置输入，我们直接应用对话_0，第二部选择作分类的大模型，因为分类不需要推理能力为了响应速度我们选DeepSeek-V3，最后点击新增分类，填写名称，描述以及例子，其中例子是最重要的分类依据。大模型根据分类例子判断分类这里添加以下三种问题分类，你也可以按实际情况自己发挥项目现状：描述，项目情况类问题。示例，奥美项目当前情况？奶茶项目推进如何？项目成本：描述，项目支出类问题。示例，奥美预算多少？ 2025年项目支出多少？奶茶推进项目超预算了么？项目总结：描述：汇报类问题。 示例，生成奥美项目的项目月结。 生成奶茶推进项目月结。 有了问题分类，就可以针对不同类型问题作不同的检索，比如简单的问题直接检索知识库，复杂的问题按知识库检索，甚至更复杂的问题可以再让DeepSeek把问题拆分为一系列小问题，使用循环组件分别解决小问题后再汇总回答，这里主要作原型测试，所以不展开。我们直接简单按3个分类作3中不同的检索，从左边拉出3个知识检索，配置好执行箭头, 每个检索的配置里”输入“统一都选择“对话_0"，”知识库选择“项目管理原型”，是否启用知识图谱，根据分类的复杂程度配置， 这里设置“项目成本”启用知识图谱。    再拖拉3个生成回答对应3个知识检索，表示用相同或者不同的大模型去回答对应问题，3个回答的提示词简单设计如下 生成回答_0：模型选择DeepSeeK-V3。提示词：根据{input}，总结项目当前里程碑，并简单分析下当前项目。注意：只回答问到的项目的相关内容生成回答_1：模型选择DeepSeek-R1。提示词：请总结段落{input}。注意数字，不要胡编乱造。生成回答_2：模型选择DeepSeek-R1。提示词：根据{input}。生成项目总结。总结里要提到项目已完成里程碑，当前里程碑，预算，实际支出。当前重点关注点 到此，一个简单的智能体搭建完成。我们可以点击“运行”测试新建的智能体。 输入问题“奥美项目现状”， 如下图可以看到智能体正确的按“项目现状”分类->“知识检索_0”->"生成回答_0"流程执行，并回答了奥美项目现状。可以再多问几个问题测试下，比如“奥美注射液小试阶段付钱了么？”，“奶茶推进项目月结”，都能按最初分类并回答，大家可以自行测试这里就不贴图了六、感想展望以上我们用DeepSeek+AGFlow搭建了项目管理的雏形。对于信息类的检索已经能满足使用，但对于稍微复杂点的统计、对比类问题还不是很满意。比如多跳类问题“第二个项目已经支付了多少钱”查看知识图谱的检索结果还是会带多个项目，能正确回答是因为作测试的知识库里项目数量少每次都把所有项目直接提供给DeepSeek-R1，或多或少的依赖R1推理能力推理出结果。当知道问题只针对一个项目把知识检索的TopN设置为1，2这类小数值时，回答就经常不是正确的项目。一方面因为使用的GraphRAG里提示词为英文编写，另外一方面使用ES作为知识图谱的存储也不太方便技术人员，如果能存储到Neoj4之类的外部知识图谱数据库中，就可以使用外部查询的方式来获得更准确结果。使用知识图谱的查询耗时太久，影响用户体验，从日志看是使用推理对于企业应用特别是项目管理来说知识图谱的实体，属性，关系相对确认，只要提示词给了足够详细用不带推理的DeepSeek-V3，甚至QWQ-32B模型也一样作正确查询。另外DeepSeek-R1目前函数调用还在完善，希望在R2版本时能完善该功能。同时RAGFlow早日增加对MCP支持，这两项完善后技术背景的人员会有更多手段实现更准确的智能体应用。 我正在参加【案例共创】第3期 基于华为开发者空间+DeepSeek完成AI应用构建开发最佳实践cid:link_1

general_error又是因为什么造成的呢

样例数据写入，在盘的位置是随机的还是顺序的？如果不是随机的，5个块为什么会写在6上？

无论是使用std::cout.flush();和fflush(stdout);后在debug.txt文件中看不到player信息，一直卡住

参赛规则里面写的"参赛对象要求：高校在校学生。"非全日制研究生也算在校学生吗？

建议反馈活动2025年第4期来啦~错过3月活动时间的同学可不要错过4月活动哦，3-4月期间累计最高可兑换华为WATCH FIT手表，还有华为 FreeLace Pro 无线耳机，有一丝丝心动吗？快抓紧时间，来云声提优化建议吧~【活动时间】4月1日-4月30日 【参与方式】在云声平台提交对华为云产品的优化建议 【奖项设置】3~4月可选择累积兑换，兑换福利如下：礼包总金额不少于1000，可选择兑换华为WATCH FIT3 手表礼包总金额不少于600，可优先选择兑换华为 FreeLace Pro 无线耳机礼包总金额不少于400，可优先选择兑换华为12000mh移动电源其中提交华为开发者空间相关建议，额外获得惊喜好礼PS：请谨慎客观提交云产品体验类建议，若发现有恶意刷量水帖嫌疑，此建议不纳入活动评选，严重者直接取消活动参与资格 【活动规则】1.有效建议积分云声关联产品/功能分为云产品建议、解决方案建议、平台建议，三种类型的建议对应的分值不相同，云产品建议（1分）、解决方案建议（0.5分）、平台建议（0.2分），按照当月有效建议类型对应不同分值以及邀请加分项来进行计算总排名，关联产品/功能可在云声提建议页面查看，示例如下；说明：云声关联产品/功能分别对应以上3种类型，取决于建议内容实际对应的产品/解决方案/功能，选择关联的标签仅供初审作为参考。2.高价值优质建议奖1）经内部产品研发团队评估为高价值优质建议奖的用户，额外奖励100-200元开发者盲盒礼包/人说明：高价值优质建议要求建议对云产品功能及优化改进有重要作用，优先从已被采纳的建议的选择；建议内容需要表述清晰，有明确的建议方案，最好有操作截图或链接等能进一步详细描述；高价值建议数量不限，且与有效建议积分奖可叠加，每位用户每月最多可获得一次。3.注意事项1）若出现积分相同且排名一致的情况，结合已实现和已采纳建议情况，会由内部技术专家选出价值更高的建议用户给予奖励。2）同一用户在同一页面（文档）提出的同一类体验问题（包括但不限于错别字、语句不通顺、视觉体验等），在通过审核后仅算作一条有效建议数3）若发现代他人提交优化建议，此建议分值只取原分值30%；若发现2次及以上重复提交他人建议，或2次及以上重复提交体验类相关建议进行恶意刷量（包括但不限于错别字、语句不通顺、视觉体验等），有争议建议部分不参与活动评选，情况严重者取消活动参与资格；4）以上激励价值为实物礼品价值，兑换礼品以仓库现有实物礼品为准，不可以指定，如遇商品缺货，将随机换成其他等价值礼品发放5）活动结束后，7-10个工作日内会公示获奖结果，30个工作日内完成礼品邮寄

建议反馈活动2025年第3期来啦~本月有累计兑换活动，3-4月累计最高可兑换华为WATCH FIT手表更有华为FreeLace Pro 无线耳机，小伙伴们心动了吗？快来云声提优化建议吧~【活动时间】3月1日-3月31日 【参与方式】在云声平台提交对华为云产品的优化建议 【奖项设置】3~4月可选择累积兑换，兑换福利如下：礼包总金额不少于1000，可选择兑换华为WATCH FIT3 手表礼包总金额不少于600，可优先选择兑换华为 FreeLace Pro 无线耳机礼包总金额不少于400，可优先选择兑换华为12000mh移动电源其中提交华为开发者空间相关建议，额外获得惊喜好礼PS：请谨慎客观提交云产品体验类建议，若发现有恶意刷量水帖嫌疑，此建议不纳入活动评选，严重者直接取消活动参与资格 【活动规则】1.有效建议积分云声关联产品/功能分为云产品建议、解决方案建议、平台建议，三种类型的建议对应的分值不相同，云产品建议（1分）、解决方案建议（0.5分）、平台建议（0.2分），按照当月有效建议类型对应不同分值以及邀请加分项来进行计算总排名，关联产品/功能可在云声提建议页面查看，示例如下；说明：云声关联产品/功能分别对应以上3种类型，取决于建议内容实际对应的产品/解决方案/功能，选择关联的标签仅供初审作为参考。2.高价值优质建议奖1）经内部产品研发团队评估为高价值优质建议奖的用户，额外奖励100-200元开发者盲盒礼包/人说明：高价值优质建议要求建议对云产品功能及优化改进有重要作用，优先从已被采纳的建议的选择；建议内容需要表述清晰，有明确的建议方案，最好有操作截图或链接等能进一步详细描述；高价值建议数量不限，且与有效建议积分奖可叠加，每位用户每月最多可获得一次。3.注意事项1）若出现积分相同且排名一致的情况，结合已实现和已采纳建议情况，会由内部技术专家选出价值更高的建议用户给予奖励。2）同一用户在同一页面（文档）提出的同一类体验问题（包括但不限于错别字、语句不通顺、视觉体验等），在通过审核后仅算作一条有效建议数3）若发现代他人提交优化建议，此建议分值只取原分值30%；若发现2次及以上重复提交他人建议，或2次及以上重复提交体验类相关建议进行恶意刷量（包括但不限于错别字、语句不通顺、视觉体验等），有争议建议部分不参与活动评选，情况严重者取消活动参与资格；4）以上激励价值为实物礼品价值，兑换礼品以仓库现有实物礼品为准，不可以指定，如遇商品缺货，将随机换成其他等价值礼品发放5）活动结束后，7-10个工作日内会公示获奖结果，30个工作日内完成礼品邮寄

        随着人工智能技术的飞速发展，智能助手已经成为我们日常生活中不可或缺的一部分。无论是智能手机上的语音助手，还是企业内部的智能客服系统，智能助手都在为我们提供便捷、高效的服务。今天，我们将介绍如何利用华为云的Maas（Model-as-a-Service，大模型即服务）平台和Chatbox（来构建一个本地的智能助手。‌一、Maas与Chatbox简介‌‌Maas平台‌：Maas是华为云提供的一个强大的大模型即服务平台。它允许开发者轻松地使用预训练的AI模型进行各种自然语言处理任务，如文本生成、情感分析、问答系统等。Maas平台提供了丰富的API接口，使得开发者可以快速地集成AI功能到自己的应用中。‌Chatbox AI‌：Chatbox AI 是一款 AI 客户端应用和智能助手，支持众多先进的 AI 模型和 API，可在 Windows、MacOS、Android、iOS、Linux 和网页版上使用。二、开通MaaS服务1、打开modelArts Studio控制台附上控制台地址：2、点击模型部署，领取对应模型，当前每个模型提供200万个tokens，测试学习基本够用了 3、点击调用获取api地址和模型名称4、创建API Key，左侧鉴权管理-创建API Key5、保存创建的密钥信息，备留后续步骤使用 三、本地安装Chatbox AI客户端下载地址：Chatbox AI官网：办公学习的AI好助手，全平台AI客户端，官方免费下载按需下载自己需要的版本下载完直接安装即可，win下一步一步安装 四、配置Chatbox AI1、点击使用自己的apikey或者本地模型2、模型提供方选择自定义提供方3、按照说明配置，填写名称，自己随意定义，填写mass的地址、api key，模型名称在设置页面可以参考以下列表进行配置。说明 模型提供方下拉选择模型提供方。名称填写定义模型提供方名称。API 域名填写模型服务调用地址。API 路径填写模型服务调用路径。API 密钥填写模型服务调用 API 密钥。模型填写调用的模型（本方案以 deepseek-r1 模型为例，可自行配置其它模型进行体验）。4、点击保存后就可以体验自己的智能助手了 我正在参加【案例共创】第1期 书写云产品应用构建开发最佳实践/评测，共创官方文档https://bbs.huaweicloud.com/forum/thread-0217170307934787108-1-1.html

        在人工智能技术的迅猛推动下，AI问答系统已成为企业与用户之间沟通的重要工具。为了构建一个既高效又智能，同时还易于扩展的AI问答系统，结合使用华为云提供的Maas（Model-as-a-Service，即大模型即服务）平台和开源的Dify第三方框架打造一个智能知识库问答系统一、组件介绍1、MaasMaas(Model-as-a-Service)，华为推出的大模型即服务平台，一站式部署托管业界主流开源大模型，开放API结合业界主流Agent开发框架，轻松构建AI Agent应用2、Docker一种开源的容器化平台，它允许开发人员将应用程序及其所有依赖项打包到一个独立的容器中，从而实现快速部署、可移植性和环境一致性。容器化技术将应用程序与底层系统解耦，使得应用可以在几乎任何地方以相同的方式运行,3、Dify是一个开源的AI编排引擎，它旨在简化和自动化AI服务的管理、编排以及集成工作流。通过提供统一的接口和平台，Dify帮助开发人员和团队高效地构建、管理和部署AI应用程序。在知识库系统中，Dify可以集成多个AI模型和工具，实现复杂的工作流自动化，从而提高系统的处理效率和准确性。二、开通MaaS服务1、打开modelArts Studio控制台附上控制台地址：ModelArts - Console2、点击模型部署，领取对应模型，当前每个模型提供200万个tokens，测试学习基本够用了 3、点击调用获取api地址和模型名称4、创建API Key，左侧鉴权管理-创建API Key5、保存创建的密钥信息，备留后续步骤使用 三、安装docker使用apt安装dockersudo apt-get update sudo apt install docker.iosudo apt install docker-compose修改docker为国内源#编辑daemon.json文件sudo vi /etc/docker/daemon.json添加如下内容{"registry-mirrors": ["https://docker.registry.cyou","https://docker-cf.registry.cyou","https://dockercf.jsdelivr.fyi","https://docker.jsdelivr.fyi","https://dockertest.jsdelivr.fyi","https://mirror.aliyuncs.com","https://dockerproxy.com","https://mirror.baidubce.com","https://docker.m.daocloud.io","https://docker.nju.edu.cn","https://docker.mirrors.sjtug.sjtu.edu.cn","https://docker.mirrors.ustc.edu.cn","https://mirror.iscas.ac.cn","https://docker.rainbond.cc"]}重启docker查看docker状态systemctl daemon-reloadsystemctl restart dockersudo systemctl status docker 四、在Docker上部署Dify克隆dify的docker镜像git clone https://github.com/langgenius/dify.git 在docker部署 difycd dify cd dockersudo docker-compose up -d等下载部署完成检查容器状态sudo docker ps -a五、配置dify使用浏览器访问http://your_server_ip:180/install 首次访问会出现上面的注册页面，填入信息即可。后续访问，查询到已注册，会自动跳转到登录页面配置dify,模型供应商选择open-opi-compatible，填入获取api地址、模型名称、api-key，点击保存 在Dify上创建知识库，上传自己的知识库，然后分段设置那里选择自动分段与清洗，索引方式那里选择经济型，最后保存并处理。创建一个应用助手  选择聊天助手，填写应用名称，点击创建填写提示词，上下文选择刚才创建的知识库至此就可以使用本地的知识库问答系统来回答我们的问题了 我正在参加【案例共创】第1期 书写云产品应用构建开发最佳实践/评测，共创官方文档https://bbs.huaweicloud.com/forum/thread-0217170307934787108-1-1.html

        在当今这个信息爆炸的时代，无论是大型企业还是个人，都需要面对海量的资料和技术文档。这些资料可能来自于日常的工作积累、项目经验，或者是为了学习和研究而收集的。如何有效地管理、分类和存储这些信息，以便在需要时能够快速检索和使用，成为了企业和个人都面临的一个重要问题。为了解决这一问题，如果有一个知识库系统，而且是智能的那会如虎添翼，今天我们就用Docker+Ollama+Dify打造一个本地的智能知识库问答系统一、组件介绍1、Docker一种开源的容器化平台，它允许开发人员将应用程序及其所有依赖项打包到一个独立的容器中，从而实现快速部署、可移植性和环境一致性。容器化技术将应用程序与底层系统解耦，使得应用可以在几乎任何地方以相同的方式运行,2、Ollama一个用于在本地运行大型语言模型（LLM）的开源框架。它简化了部署LLM的过程，使得管理和运行这些模型变得更加容易。Ollama支持多种大型语言模型，并允许用户根据特定需求定制和创建自己的模型。3、Dify则是一个开源的AI编排引擎，它旨在简化和自动化AI服务的管理、编排以及集成工作流。通过提供统一的接口和平台，Dify帮助开发人员和团队高效地构建、管理和部署AI应用程序。在知识库系统中，Dify可以集成多个AI模型和工具，实现复杂的工作流自动化，从而提高系统的处理效率和准确性。二、环境安装1、领取华为开发者空间华为开发者空间当前可以免费领取，需要的小伙伴可以直接参考领取：开发者空间云主机免费领取指南（内含视频及文字指导）_开发者空间_华为云论坛配置开发者 2、安装docker使用apt安装dockersudo apt-get update sudo apt install docker.iosudo apt install docker-compose修改docker为国内源#编辑daemon.json文件sudo vi /etc/docker/daemon.json添加如下内容{"registry-mirrors": ["https://docker.registry.cyou","https://docker-cf.registry.cyou","https://dockercf.jsdelivr.fyi","https://docker.jsdelivr.fyi","https://dockertest.jsdelivr.fyi","https://mirror.aliyuncs.com","https://dockerproxy.com","https://mirror.baidubce.com","https://docker.m.daocloud.io","https://docker.nju.edu.cn","https://docker.mirrors.sjtug.sjtu.edu.cn","https://docker.mirrors.ustc.edu.cn","https://mirror.iscas.ac.cn","https://docker.rainbond.cc"]}重启docker查看docker状态systemctl daemon-reloadsystemctl restart dockersudo systemctl status docker3、部署Ollama执行安装命令如下： curl -fsSL https://ollama.com/install.sh | sh 部署deepseek接下来可以借助 Ollama 工具来部署 DeepSeek 大模型，部署 deepseek-r1:1.5b 版 ollama run deepseek-r1:1.5bollama默认智能本地访问，dify在docker部署会与本地地址冲突，修改配置使用主机地址访问#默认只能本地访问netstat -tunlp|grep ollama tcp 0 0 127.0.0.1:11434 0.0.0.0:* LISTEN 23094/ollama vim /etc/systemd/system/ollama.service ##添加如下[Service] Environment="OLLAMA_HOST=0.0.0.0"#重启systemctl daemon-reload systemctl restart ollama部署完成后，测试与 DeepSeek 大模型进行对话4、在Docker上部署Dify克隆dify的docker镜像git clone https://github.com/langgenius/dify.git 在docker部署 difycd dify cd dockersudo docker-compose up -d等下载部署完成检查容器状态sudo docker ps -a5、配置dify使用浏览器访问http://your_server_ip:180/install 首次访问会出现上面的注册页面，填入信息即可。后续访问，查询到已注册，会自动跳转到登录页面配置dify,模型供应商选择ollama，填入部署的Ollama地址，http://你的IP:11434，模型名称选择你自己下载的模型，点击保存在Dify上创建知识库，上传自己的知识库，然后分段设置那里选择自动分段与清洗，索引方式那里选择经济型，最后保存并处理。创建一个应用助手  选择聊天助手，填写应用名称，点击创建 填写提示词，上下文选择刚才创建的知识库至此本地的知识库问答系统部署完成，可以使用本地的知识库问答系统来回答我们的问题了 我正在参加【案例共创】第3期 基于华为开发者空间+DeepSeek完成AI应用构建开发最佳实践https://bbs.huaweicloud.com/forum/thread-0218176004967264062-1-1.htm

云声建议反馈活动2025年第2期来啦~本月继续给大家送“壕”礼2月活动可选择累积兑换，累积金额最高可兑换华为Sound Joy 2蓝牙音响！更有耳机、充电宝等电子好礼~以及限量开发者定制礼品等你解锁快叫上小伙伴一起来云声提优化建议吧~ 【活动时间】2月1日-2月28日 【参与方式】在云声平台提交对华为云产品的优化建议 【奖项设置】1~2月可选择累积兑换，兑换福利如下：礼包总金额不少于1000，可选择兑换华为Sound Joy 2蓝牙音响礼包总金额不少于600，可优先选择兑换华为FreeBuds 4E耳机礼包总金额不少于400，可优先选择兑换华为12000mh移动电源PS：请谨慎客观提交云产品体验类建议，若发现有恶意刷量水帖嫌疑，此建议不纳入活动评选，严重者直接取消活动参与资格 【活动规则】1.有效建议积分云声关联产品/功能分为云产品建议、解决方案建议、平台建议，三种类型的建议对应的分值不相同，云产品建议（1分）、解决方案建议（0.5分）、平台建议（0.2分），按照当月有效建议类型对应不同分值以及邀请加分项来进行计算总排名，关联产品/功能可在云声提建议页面查看，示例如下；说明：云声关联产品/功能分别对应以上3种类型，取决于建议内容实际对应的产品/功能，与实际关联的标签无关。2.高价值优质建议奖1）经内部产品研发团队评估为高价值优质建议奖的用户，额外奖励100-200元开发者盲盒礼包/人说明：高价值优质建议要求建议对云产品功能及优化改进有重要作用，优先从已被采纳的建议的选择；建议内容需要表述清晰，有明确的建议方案，最好有操作截图或链接等能进一步详细描述；高价值建议数量不限，且与有效建议积分奖可叠加，每位用户每月最多可获得一次。3.注意事项1）若出现积分相同且排名一致的情况，结合已实现和已采纳建议情况，会由内部技术专家选出价值更高的建议用户给予奖励。2）同一用户在同一页面（文档）提出的同一类问题（包括但不限于错别字、语句不通顺、视觉体验等），在通过审核后仅算作一条有效建议数3）若发现代他人提交优化建议，此建议分值只取原分值30%；若发现2次及以上重复提交他人建议，或2次及以上重复提交体验类相关建议进行恶意刷量（包括但不限于错别字、语句不通顺、视觉体验等），有争议建议部分不参与活动评选，情况严重者取消活动参与资格；4）以上激励价值为实物礼品价值，兑换礼品以仓库现有实物礼品为准，不可以指定，如遇商品缺货，将随机换成其他等价值礼品发放5）活动结束后，7-10个工作日内会公示获奖结果，30个工作日内完成礼品邮寄

尊敬的开发者，华为云控制台体验官开始招募啦~招募条件：使用过云服务器(各大云厂商均可)，有长期使用控制台的经验最佳👉参与方式：填写调研问卷 cid:link_0 （耗时大概1-2分钟）👉调研时间：25年1月-2月🔥调研奖励：从有效问卷用户中选取20人进行回访，完整参与访谈且真实回答的人可获得100元京东卡诚邀开发者积极参与调研，获奖名额有限，欢迎反馈~

在云计算的浪潮中，我初次接触PaaS（Platform as a Service，平台即服务）产品，仿佛打开了一扇新世界的大门。从初次邂逅的懵懂，到如今深度依赖的默契，PaaS不仅是我技术成长的见证者，更是推动我不断前行的强大助力。初识在疫情前的一个项目里，第一次用上了华为云，以前只是了解国内的各大云厂商，华为云，阿里云，腾讯云，京东云，对云的使用需求不是很强烈，自己的测试也只是在自己本地的电脑上，因为项目的推动要用云，公司也注册了华为云账号，自此开始了云化之路华为云上探索因为别的部门用过阿里云，借调了几个人过来，我们慢慢几乎使用了华为云基本主流的所有产品，分布式数据库中间件ddm，对象存储服务 OBS，弹性云服务器 ECS，数据仓库服务 DWS，MapReduce服务 MRS等等，在这段时间里我们同华为的同事一块探讨每个产品在项目中具体的使用方式，印象很深的是华为云上的文档真的写的很好，当时还给了很多考证的名额，因为学历问题把名额给别人了，万分可惜；交流与成长除了日常的开发运维工作，我也会参与各种PaaS相关的开发者活动。从线上的技术分享会到线下的开发者大会，每一次参与都让我受益匪浅。在这些活动中，我不仅学到了最新的技术趋势和最佳实践，还结识了许多志同道合的朋友。最近的免费领取云空间的活动，按着实例教程做做试验，也学习到了很多东西，这种交流与碰撞让我感受到了技术的无限魅力。共同展望虽然现在生产接触华为云的产品比较少了，但还是会关注着华为云的产品，学习着新的知识，共同探索云计算的无限可能，为构建更加美好的数字世界贡献自己的力量

 一、公有云服务搭建：RocketChat聊天系统上云 【题目 1】私有网络管理[0.5 分] 在公有云中完成虚拟私有云的创建，具体要求如下： （1）在上海一区域进行创建操作； （2）创建一个名为 intnetX 的内部网络：IP 地址为 172.16.0.0/16； （3）创建子网名称为 intnetX-server：IP 地址为 172.16.1.0/24; （4）创建子网名称为 intnetX-mysql：IP 地址为 172.16.2.0/24; 完成创建后，提交当前的 AK（SecretId）、SK（SecretKey）和 intnetX 网络的 ID 到答题框。  1.查看 vpc 名字为 intnetX 正确计 0.1 分 2.查看子网名为 intnetX-server 和子网网段正确计 0.2 分 3.查看子网名为 intnetX-mysql 和子网网段正确计 0.2 分 步骤：控制台 → 虚拟私有云VPC → 创建虚拟私有云  【题目 2】云实例管理[0.5 分] 登录华为云平台，创建两台云实例，具体要求如下： （1）计费模式：按需计费； （2）地域：上海一； （3）CPU 架构：x86 计算； （4）规格：c7.xlarge.2； （5）镜像：CentOS 7.5 64 位； （6）系统盘：高 IO 50G 硬盘； （7）公网带宽：按带宽计费，5Mbps； （8）实例名称：ChinaSkill-node-1、ChinaSkill-node-2； （9）登录方式：使用密码登录，密码自定义。 创建完成后，提交当前的 AK（SecretId）、SK（SecretKey）和 ChinaSkill-node-1 的实例 ID 到答题框。  1.查看云实例使用的类型是否正确计 0.2 分 2.查看云实例使用的云硬盘是否正确计 0.3 分 步骤：控制台 → 弹性云服务器 → 购买弹性云服务器      【题目 3】数据库管理[0.5 分] 使用intnetX-mysql网络创建两台chinaskill-sql-1和chinaskill-sql-2云服务器，使用提供的压缩文件rocketchat-cloud.tar.gz中的软件包源，在chinaskill-sql-1和chinaskill-sql-2中部署MongoDB数据库服务。配置完成后提交连接chinaskill-sql-1节点的用户名、密码和公网IP地址到答题框。  1.查看数据库安装正确计 0.5 分 配置本地yum源  [a] baserurl=file:///root/rocket/yum gpgcheck=0 1 2 3 安装MongoDB 数据库、  [root@mysql-1 ~]# yum install -y mongodb-org  [root@mysql-2 ~]# yum install -y mongodb-org   1 2 3 启动MongoDB数据库  [root@mysql-1 ~]# systemctl restart mongod [root@mysql-2 ~]# systemctl restart mongod  1 2 3 【题目 4】主从数据库[1 分] 在 chinaskill-sql-1 和 chinaskill-sql-2 云服务器中配置 MongoDB 主从数据库，配置MongoDB 集群名称为 rs 并完成集群设置。完成后提交连接chinaskill-sql-1 节点的用户名、 密码和公网 IP 地址到答题框。  1.查看 mongo 数据库 rs 集群状态正确计 1 分 修改MongoDB配置文件 （两个都要改）  [root@mysql-1 ~]# vi /etc/mongod.conf  net:   port: 27017   bindIp: 0.0.0.0   # 修改  #security:  #operationProfiling:  replication:   replSetName: rs  #添加   过滤： mongod --help | grep repl 1 2 3 4 5 6 7 8 9 10 重启服务  [root@mysql-1 ~]# systemctl restart mongod [root@mysql-2 ~]#  systemctl restart mongod  1 2 3 数据库配置( 在mysql-1配置就可以了 )  > use admin  switched to db admin > cfg={ _id:"rs", members:[ {_id:0,host:'172.16.1.88:27017',priority:2}, {_id:1,host:'172.16.1.89:27017',priority:1}] }; {         "_id" : "rs",         "members" : [                 {                         "_id" : 0,                         "host" : "172.16.1.88:27017",                         "priority" : 2                 },                 {                         "_id" : 1,                         "host" : "172.16.1.89:27017",                         "priority" : 1                 }         ] } > rs.initiate(cfg) { "ok" : 1 }   要显示ok 1 rs:SECONDARY> rs.status()  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 【题目 5】node 环境管理[0.5 分] 使用提供的压缩文件 rocketchat-cloud.tar.gz 中软件包源，在 ChinaSkill-node-1 部署 nodejs， 根据 所提供 的 rocket.chat 所 需要求 安 装 nodejs 对 应版本。 配置完成后提 交连接 ChinaSkill-node-1 节点的用户名、密码和公网 IP 地址到答题框。  1.查看 node 版本为 v12.16.1 正确计 0.5 分 [root@mysql-1 rocket]# tar xf node-v12.16.1-linux-x64.tar.gz  [root@mysql-1 rocket]# mv node-v12.16.1-linux-x64 /usr/local/node [root@mysql-1 rocket]# ln -s /usr/local/node/bin/* /usr/bin/ [root@mysql-1 rocket]# node -v v12.16.1 [root@mysql-1 rocket]#   1 2 3 4 5 6 7 【题目 6】安全组管理[0.5 分] 创建一个安全组，具体要求如下： （1）名称：intnetX-security； （2）允许策略：只放行源地址为 172.16.1.0/24 访问 27017 端口； （3）允许策略：只放行源地址为 172.16.1.0/24 使用 ping 命令访问； （4）关联实例：将 intnetX-security 安全组关联至所创建的数据库中； 创建完成后，提交当前的 AK（SecretId）、SK（SecretKey）和安全组 ID 到答题框。  1.查看安全组是否被创建计 0.1 分 2.查看安全组 tcp 策略是否按要求创建计 0.2 分 3.查看安全组 icmp 策略是否按要求创建计 0.2 分 步骤：控制台 → 虚拟私有云VPC → 网络控制台 → 访问控制 → 安全组 → 创建安全组     加入chinaskill-sql-1 和 chinaskill-sql-2  【题目 7】RocketChat 上云[0.5 分] 使用 http 服务器提供的压缩文件 rocketchat-cloud.tar.gz 中的 RocketChat 软件包，在ChinaSkill-node-1 中部署 RocketChat 的 Web 服务。使用 chinaskill-sql-1 的 MongoDB 为后端数据库，设置 RocketChat 服务访问端口为 3000。完成 Rocketchat 系统上云后，将ChinaSkill-node-1 节点的用户名、密码和公网 IP 地址到答题框  1.查看 RocketChat 服务正常计 0.2 分 2.查看前端页面是否正常返回计 0.3 分 安装npm源  [root@mysql-1 rocket]# tar xf rocket.chat-3.2.2.tgz  [root@mysql-1 rocket]# cd bundle/ [root@mysql-1 bundle]# ls main.js  programs  README  server  star.json [root@mysql-1 bundle]# cd programs/server/ [root@mysql-1 server]# npm install   如果出现报错可以切换nodejs版本来安装 1 2 3 4 5 6 设置环境变量  选择chinaskill-sql-1 ip加入  [root@mysql-1 bundle]# export ROOT_URL='http://localhost:3000' [root@mysql-1 bundle]# export PORT="3000" [root@mysql-1 bundle]# export MONGO_URL='mongodb://172.16.1.88:27017/rocketchat?replicsSet=rs'  [root@mysql-1 bundle]# export MONGO_OPLOG_URL=mongodb://172.16.1.88:27017/local?replicaSet=rs [root@mysql-1 bundle]# node main.js   1 2 3 4 5 6  常见报错  Error: /lib64/libstdc++.so.6: version `CXXABI_1.3.9’ not found  需要更新libstdc++.so.6的版本  发现当前的 libstdc++.so.6 的版本没有 CXXABI_1.3.9 需要更换更高级别的 [root@mysql-1 bundle]# strings /usr/lib64/libstdc++.so.6 | grep CXXABI CXXABI_1.3 CXXABI_1.3.1 CXXABI_1.3.2 CXXABI_1.3.3 CXXABI_1.3.4 CXXABI_1.3.5 CXXABI_1.3.6 CXXABI_1.3.7 CXXABI_TM_1  先查看系统是否存在更高级别的，如果有的话用第一步来查看是否存在需要的东西             [root@mysql-1 bundle]# find / -name libstdc++.so.6*   /usr/lib64/libstdc++.so.6 /usr/lib64/libstdc++.so.6.0.19 /usr/lib64/libstdc++.so.6.0.26 /usr/share/gdb/auto-load/usr/lib64/libstdc++.so.6.0.19-gdb.py /usr/share/gdb/auto-load/usr/lib64/libstdc++.so.6.0.19-gdb.pyc /usr/share/gdb/auto-load/usr/lib64/libstdc++.so.6.0.19-gdb.pyo  把libstdc++.so.6更换 [root@mysql-1 bundle]# mv /usr/lib64/libstdc++.so.6 /usr/lib64/libstdc++.so.6.bak [root@mysql-1 bundle]# ln -s /usr/lib64/libstdc++.so.6.0.26 /usr/lib64/libstdc++.so.6 [root@mysql-1 bundle]#  

2024年11月22日，华为开发者布道师于人民大学站开展布道师华为ICT创新赛和编程赛技术案例分享技术布道案例分享，并在分享中对相关疑问分析解答。首先介绍了基于鸿蒙生态的低光照增强安全辅助驾驶系统：低光照增强安全辅助驾驶系统以华为云作为训练的平台，以MindSpore作为框架，通过整合红外相机与可见光相机的特征，利用特征互补模型在软件平台控制下进行数据处理。系统采用Hispark IPC通讯协议实现各设备间的通信，包括红外相机、可见光相机、深度相机以及车辆显示屏等，这些设备采集的数据会上传到华为云进行进一步的处理和存储。在华为云的平台上，智能决策单元和传感器单元协同工作，收集并分析环境信息，同时应用云端算力对算法模型进行部署以优化系统性能。系统还具备低光照工作能力，能够实时显示感知数据，并在必要时进行决策预警，确保驾驶安全。此外，系统还展示了与Harmony OS生态的兼容，如手表等设备的联动提醒，以及红外点阵投影等高级功能，为驾驶者提供全面的安全辅助。并介绍了技术方案所涉及的关键技术：（1）传感器标定与图像配准技术：应用传感器标定与图像配准技术，对传感器采集到的图像数据进行进一步的配准以及标定。其中，本技术包括了双目视觉系统、交通目标识别方法、深度迭代配准算法来实现图像标定以及配准。其中，双目视觉系统基于深度迭代的配准方法主要使用CNN进行特征的提取或者代替传统配准算法中相似性度量的计算函数。使用深度学习网络对输入的图像对进行特征提取与相似性测度，能够实现配准图像的生成与图像配准精度的判别。在实际检测中，大大降低了系统的计算时间，提高了图像配准以及标定的精度。（2）图像特征融合感知技术在图像处理过程中还应用到了图像特征融合感知技术。在对标定以及配准好的图像进行特征融合的过程中，项目团队通过Mindspore训练的AI神经运算专用芯片，运用多源数据融合感知技术与交通安全隐患的智能检测从而识别不同模型，实现多源数据的精确融合。最终，在这些技术的应用下，通过不同类型相机采集到的图像特征进行融合感知，在低光照等不同恶劣环境（3）辅助决策预警与风险评估技术在辅助决策以及预警层面应用HiSpark-WiFi-IoT套件为主的智能决策模块来进行实现。通过紧急避障系统中搭建的感知层、规划层、决策层实现安全隐患智能评定与决策预警的相关功能，为显示交互单元提供安全数据信息。在辅助决策预警与风险评估的功能中，终端显示给用户也是十分关键的。所以在显示与交互的单元中开发了搭载Harmony OS的显示终端、多频报警音响等显示报警装置，运行配套开发的鸿蒙APP，实时显示感知数据与决策预警判定结果，可以在低光照、雨雪雾霾等全天候全场景工况下辅助驾驶人员进行判断，提升驾驶安全性与可靠性。接着介绍了基于华为云的制造业咨询服务微调问答助手案例：构建了私有的工业中文知识库问答系统，旨在为用户提供自定义友好、离线可运行的全面解决方案。​我们的系统的亮点包括：多模态交互。支持文本输入、语音输入和文件上传等多种输入方式，实现了多模态交互。用户可以根据实际需求选择最方便的交互方式，提高了系统的灵活性和适用性。同时，多模态交互也考虑到了用户的个体差异，满足了不同用户的使用习惯和需求。多功能对话界面。对话界面不仅支持基本的文本对话，还提供了多会话管理、对话模式切换和语音输入等功能。用户可以方便地切换不同对话会话，选择不同对话模式，以及通过语音输入进行自然交互。这种多功能对话界面提升了用户体验，使得系统更易于使用和操作。权限管理与安全性。系统引入了权限管理功能，通过登录注册和权限认证，确保只有经过授权的用户才能访问和操作知识库。这一功能提高了系统的安全性，防止未经授权的访问和操作，保护敏感信息免受泄露和篡改。知识库管理。系统提供了完整的知识库管理功能，包括知识库创建、文件上传、向量数据库构建、文件检索等。用户可以方便地管理知识库中的信息，通过文件对话和知识库问答等方式进行信息检索，满足不同场景和需求。检索增强的大模型。系统整合了检索增强的大模型，包括文件对话、知识库问答、搜索引擎问答和自定义Agent问答等功能。通过这些功能，系统可以更全面、准确地回答用户的问题，提供更丰富的信息服务。同时，用户可以选择不同的检索方式，根据实际需求获取最合适的答案。基于华为云ModelArts、企业级华为云主机的详细解决方案如下所示：首先介绍使用智能问答助手连接企业知识库实时获取信息。在权限管理方面，智能问答助手上运行着基于用户认证机制，利用安全框架，对用户进行身份验证，确保只有授权用户才能访问知识库；使用加密协议上传用户信息到云端服务中；使用专用SDK与API能够方便地对用户权限进行控制与管理。在系统实现方面，我们使用了微服务架构通过streamlit-authenticator模块对用户进行身份验证；并将认证结果通过后端服务传输到前端界面进行展示；前端界面使用HTML、CSS和JavaScript技术，通过发送请求获得认证结果，使用WebSocket技术实时更新用户界面。其次，介绍整合多模态对话输入技术，实现了与用户的高效交互。它支持传统的文本输入方式，同时引入了先进的语音输入识别技术，能够准确捕捉并实时转换用户的语音指令为文字，以便进行后续处理。这一语音输入功能的实现，依托于Streamlit和Bokeh库，通过在用户界面上设置一个专门的按钮，用户点击后即可激活语音识别。系统内部，js_on_event事件监听器与webkitSpeechRecognition对象协同工作，确保语音识别的准确性和实时性。此外，Omniind还提供了多种对话模板供用户选择，以适应不同咨询场景的需求，从而提升企业咨询服务的质量和效率。最后说明问答助手在知识库构建方面，预先构建了一个事实对应的知识库，用于存储和组织信息。当用户提出问题时，系统会进行问题解析，然后通过知识检索在知识库中寻找相关信息，最终生成答案。在实现过程中，助手采用了知识库构建、问题解析、知识检索和答案生成等一系列步骤，避免推理跳跃问题，确保了回答的准确性和相关性。为了验证系统的有效性，进行了功能测试。测试中，基于自定义数据集创建了Digital Twin领域的知识库，并提出了一系列问题，观察系统是否能够正确检索知识库并给出相关答案。此外，系统还提供了一个用户界面，用户可以通过这个界面与知识库进行交互，提出问题并获取答案。这个界面设计直观，易于使用，使得用户能够方便地获取所需的信息。通过这种方式，Omniind智能问答助手不仅提高了信息检索的效率，也提升了用户获取知识的体验。本次项目展示是华为开发者布道师​首次对ICT实战技术案例及华为云企业级边云部署行业解决方案进行高校技术布道，希望后续能够带给大家更多具有行业价值和实践意义的布道案例 。欢迎大家加入华为开发者布道师的大家庭，成为优秀的华为云开发者！