将 gitlab，某个群组下的所有项目克隆到本地的脚本如下：

许多开源大模型是通过 Hugging Face 开源，下载模型往往需要访问 Hugging Face 的节点。 而在国内无法直接访问 Hugging Face，本文使用 python 脚本预下载模型的方式，解决大模型部署过程中遇到的模型无法下载问题。

Hugging Face 模型预下载

Hugging Face模型库

本文介绍通过 pyenv 管理 python 版本，操作环境为 Ubuntu 24.04。

准备

安装相关依赖库：

1
2
3
4

sudo apt update
sudo apt install -y build-essential libssl-dev zlib1g-dev libbz2-dev \
libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev \
xz-utils tk-dev liblzma-dev python3-openssl git

在 ~/.vimrc 添加以下配置即可：

1
2

set tabstop=2
set expandtab

本文基于Ubuntu Noble 24.04 (LTS)系统操作

准备

系统要求

• Ubuntu Oracular 24.10
• Ubuntu Noble 24.04 (LTS)
• Ubuntu Jammy 22.04 (LTS)
• Ubuntu Focal 20.04 (LTS)

Ollama 是一个开源工具，简化了大型语言模型的本地部署和使用。
其语法使用其他类似 Docker，熟悉 Docker 的用户可以很快上手。

安装 ollama

参考：ollama简介

运行 deepseek-r1 模型

默认使用 7B 参数模型，参数还有：1.5b、8b、14b、32b、70b、671b。

1

ollama run deepseek-r1

进入 wsl 系统，编辑 /etc/wsl.conf 文件，添加以下内容并保存，保存后，重启 wsl 即可。

1
2

[user]
default=<用户名>

可运行接口（Runnable interface）是处理 LangChain 组件的基础，它在许多组件中实现，如语言模型、输出解析器、检索器、编译的 LangGraph 图等。

本文介绍了 Runnable 接口的主要概念和方法，它允许开发者在一致且可预测的方式下与 LangChain 组件交互。

此处所指的信息是解析器，它们从模型获取文本输出尝试将其解析为一个更结构化的表示。 越来越多的模型支持函数（或工具）调用，此类调用会自动处理这一问题。 建议使用函数/工具调用而不是输出解析。

输出解析器（Output parser）负责获取模型的输出并将其转换为更适合下游任务的格式。 当您使用 LLM 生成结构化数据或规范化聊天模型和 LLM 的输出时，此功能非常有用。