当前位置: 首页 > article >正文

ChatBox调用Ollama本地部署的DeepseekR1

温馨提示:相关操作涉及一些操作的前提,
如果看到这里0_O
你并没有看过我的上一篇文章,建议你可以先食用一下

Deepseek教程(详细!!!)|使用Ollama下载Deepseek,并在Pycharm使用_ollama下载deep seek-CSDN博客https://blog.csdn.net/BlueEstrella/article/details/145400966?spm=1001.2014.3001.5502

1.打开ChatBox网页版

Chatbox (chatboxai.app)https://web.chatboxai.app/

 2.切换语言

在左下角找到【设置】一栏,点击第二个——Display,切换为中文,再点击右下的【保存】

3.在 Chatbox 中连接远程 Ollama 服务

再次点击设置,点击第一栏/模型,模型提供方选择【OLLAMA】,点击下方文字中的【参考教程】,按要求配置好。教程|如何将 Chatbox 连接到远程 Ollama 服务:逐步指南https://chatboxai.app/zh/help-center/connect-chatbox-remote-ollama-service-guide

在 Chatbox 中连接远程 Ollama 服务

除了可以轻松连接本地 Ollama 服务,Chatbox 也支持连接到运行在其他机器上的远程 Ollama 服务。

例如,你可以在家中的电脑上运行 Ollama 服务,并在手机或其他电脑上使用 Chatbox 客户端连接到这个服务。

你需要确保远程 Ollama 服务正确配置并暴露在当前网络中,以便 Chatbox 可以访问。默认情况下,需要对远程 Ollama 服务进行简单的配置

如何配置远程 Ollama 服务?

默认情况下,Ollama 服务仅在本地运行,不对外提供服务。要使 Ollama 服务能够对外提供服务,你需要设置以下两个环境变量:

OLLAMA_HOST=0.0.0.0
OLLAMA_ORIGINS=*

在 Windows 上配置

在 Windows 上,Ollama 会继承你的用户和系统环境变量。

  1. 通过任务栏退出 Ollama。

  2. 打开设置(Windows 11)或控制面板(Windows 10),并搜索“环境变量”。

  3. 点击编辑你账户的环境变量。

    为你的用户账户编辑或创建新的变量 OLLAMA_HOST,值为 0.0.0.0; 为你的用户账户编辑或创建新的变量 OLLAMA_ORIGINS,值为 *

  4. 点击确定/应用以保存设置。

  5. 从 Windows 开始菜单启动 Ollama 应用程序。


*请确保在本地已经配置好对应模型(详见我的上一篇文章),这时候你就可以看到deepseek-r1的选项。

(咳咳,这里插播一下

我已上传了Ollama的安装包,详情链接看这里~

AI模型-Ollama软件安装包(Windows版)https://download.csdn.net/download/BlueEstrella/90329920?spm=1001.2014.3001.5501

4.选择模型

完成上述的操作之后,就可以选择对应模型,保存并使用啦(#^0^#)——

*Chatbox中提供了多样的搭档选择,匹配不同的需求场景;

此外,你也可以自己创新新的AI搭档——

 到这里文章就结束啦——

呼呼,(。-ω-)zzz感谢观看~


http://www.kler.cn/a/529880.html

相关文章:

  • 《OpenCV》——图像透视转换
  • Elasticsearch的索引生命周期管理
  • deep generative model stanford lecture note2 --- autoregressive
  • LeGO LOAM坐标系问题的自我思考
  • Node.js——body-parser、防盗链、路由模块化、express-generator应用生成器
  • C_C++输入输出(下)
  • 构建由局部观测、分布式决策与全局奖励协同作用的多智能体强化学习系统
  • 吴恩达深度学习——机器学习的策略
  • 重生之我在异世界学编程之C语言:深入指针篇(上)
  • Avalonia与QtQuick的简单对比
  • [Java]多态
  • 本地Deepseek添加个人知识库
  • js对象方法大全
  • leetcode——删除链表的倒数第N个节点(java)
  • Lesson 125 Tea for two
  • Tensorflow 中的卷积神经网络(CNN)
  • 【背包问题】二维费用的背包问题
  • 力扣动态规划-18【算法学习day.112】
  • C#基础知识
  • 【C++语言】卡码网语言基础课系列----13. 链表的基础操作I
  • 7.DP算法
  • LabVIEW如何高频采集温度数据?
  • lstm预测
  • 解密高性能异步I/O:io_uring的魔力与应用
  • 理解知识蒸馏中的散度损失函数(KLDivergence/kldivloss )-以DeepSeek为例
  • scrape登录(js逆向)