1Panel+Ollama+WebUI:打造本地AI模型的完整指南(附Gemini插件教程)

1Panel、Ollama与Open WebUI:构建你的私有化AI模型应用平台实战

在AI技术日益普及的今天,许多开发者和技术爱好者不再满足于仅仅调用云端API。他们渴望在本地环境中部署、管理和实验自己的AI模型,无论是出于数据隐私的考量、网络环境的限制,还是纯粹对技术探索的热爱。构建一个稳定、易用且可扩展的本地AI平台,成为了一个极具吸引力的目标。本文将为你呈现一套完整的解决方案,它并非简单的工具堆砌,而是一个经过精心设计的、以1Panel为控制中枢,Ollama为模型引擎,Open WebUI为交互前端的集成化平台。我们将深入探讨如何将它们无缝衔接,并重点解锁通过插件系统集成如Gemini等第三方模型的高级玩法,让你在本地也能拥有媲美云端服务的AI应用体验。

1. 平台基石:1Panel与OpenResty的部署与配置

构建任何复杂应用,一个稳定且管理便捷的基础环境是首要前提。1Panel作为一个现代化的Linux服务器运维管理面板,以其直观的Web界面和容器化应用管理能力,极大地简化了服务器运维工作。而OpenResty,作为Nginx的增强版本,集成了LuaJIT,为我们提供了高性能的Web服务和反向代理能力,是承载我们AI Web应用前端的理想选择。

1.1 1Panel的初始化与OpenResty安装

假设你已经在你的服务器(可以是本地物理机、虚拟机或云主机)上成功安装了1Panel。登录1Panel后台,其清晰的仪表盘是操作起点。我们的第一步是为平台提供一个Web服务器。

在1Panel的“应用商店”中,搜索“OpenResty”。你会发现它通常作为一个官方维护的容器化应用存在。点击安装,1Panel会引导你完成一个简化的配置过程。这里有几个关键参数需要注意:

  • 端口映射:默认会将容器内的80和443端口映射到宿主机的某个端口(例如8080和8443)。如果你计划让这个OpenResty实例专门服务于后续的AI WebUI,可以考虑使用默认端口(80/443),但前提是宿主机的这些端口未被占用。更常见的做法是指定其他端口,如 3001:80
  • 数据卷:建议挂载一个宿主机目录到容器内的 /usr/local/openresty/nginx/conf 目录,用于持久化Nginx配置文件。这样,即使容器重建,你的自定义配置也不会丢失。
  • 网络:确保OpenResty容器与后续要安装的Ollama、WebUI容器处于同一个Docker网络(通常是1Panel创建的默认桥接网络或自定义网络),这是它们能够互相通信的基础。

安装完成后,OpenResty容器会自动启动。你可以在1Panel的“容器”列表中看到它的运行状态。此时,通过访问 http://你的服务器IP:映射的端口,应该能看到OpenResty的默认欢迎页面,这证明Web服务器已就绪。

1.2 基础网络与域名配置(可选但推荐)

对于长期使用的服务,通过IP和端口访问既不专业也不方便。利用1Panel和OpenResty,我们可以轻松配置域名访问和HTTPS。

首先,在1Panel侧边栏进入“网站”功能。点击“创建网站”,选择“反向代理”。你需要填写:

  • 域名:你计划用于访问AI平台的域名(例如 ai.yourdomain.com)。
  • 代理地址

Read more

本地文件深度交互新玩法:Obsidian Copilot的深度开发

本地文件深度交互新玩法:Obsidian Copilot的深度开发

前言 当 “本地知识库管理” 撞上 “AI 智能分析”,会擦出怎样的火花?试想一下:你的 Obsidian 里存着多年积累的笔记、文档,却只能手动翻阅检索;而现在,一个插件 + 蓝耘 API,就能让这些 “静态文字” 瞬间 “活” 起来 —— 自动总结核心内容、智能回答专业疑问,甚至挖掘隐藏关联!今天,就带大家拆解 Obsidian 联动蓝耘 API 的全新玩法,看看如何让本地文件从 “信息仓库” 变身 “智能助手” 。 蓝耘API KEY的创建 先进行API的创建 先点击蓝耘进行一个正常的注册流程 进入到主页之后,我们点击上方的MaaS平台 进入到平台后我们可以看到很多的大模型 不仅仅是文本生成、音频理解、视频理解还是视频生成,都有对应的大模型 每个模型都有很详细的介绍以及价格示例,用过api调用的都可以看到这个价格还是比较贴近平民的 并且可以进行在线体验的,这里是先进行思考的,

Qwen3-VL + LLama-Factory进行针对Grounding任务LoRA微调

Qwen3-VL + LLama-Factory进行针对Grounding任务LoRA微调

0.官方GitHub网站: GitHub - QwenLM/Qwen3-VL:Qwen3-VL 是由阿里云 Qwen 团队开发的多模态大语言模型系列。https://github.com/QwenLM/Qwen3-VL 空间感知能力大幅提升:2D grounding 从绝对坐标变为相对坐标,支持判断物体方位、视角变化、遮挡关系,能实现 3D grounding,为复杂场景下的空间推理和具身场景打下基础。 OCR 支持更多语言及复杂场景:支持的中英外的语言从 10 种扩展到 32 种,覆盖更多国家和地区;在复杂光线、模糊、倾斜等实拍挑战性场景下表现更稳定;对生僻字、古籍字、专业术语的识别准确率也显著提升;超长文档理解和精细结构还原能力进一步提升。 一是采用 MRoPE-Interleave,原始MRoPE将特征维度按照时间(t)、高度(h)和宽度(w)的顺序分块划分,

2025.10.17 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI整合包下载地址

2025.10.17 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI整合包下载地址

2025.10.17 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI整合包下载地址 * @[TOC](2025.10.17 更新 AI绘画秋葉aaaki整合包 Stable Diffusion整合包v4.10 +ComfyUI整合包下载地址) * 🌈 Stable Diffusion整合包(秋葉aaaki整合版) * 📦 【下载链接】 * 💡 英特尔 CPU 用户特别提醒 * 🔧 AMD 显卡专用方案 * ⚙️ 常见问题与解决方案 * 🧠 ComfyUI 整合包(秋葉aaaki定制优化版) * 📥 【下载链接】 * 🚀 更新日志(2025.2.4 v1.6) * 🧩 报错解决 关键词建议(自动覆盖百度、必应等搜索) AI绘画整合包下载、Stable Diffusion整合包、ComfyUI整合包、秋葉aaaki整合包、AI绘图工具、AI绘画模型、

2.2 GPT、LLaMA 与 MOE:自回归模型与混合专家架构演进

2.2 GPT、LLaMA 与 MOE:自回归模型与混合专家架构演进 基于《大规模语言模型:从理论到实践(第2版)》第2章 大语言模型基础 爆款小标题:从 GPT 到 LLaMA 到 MOE,主流架构差异与选型一张表搞定 为什么这一节重要 大模型产品与开源生态里,最常见的就是「GPT 类」「LLaMA 类」和「MOE 类」模型。若不搞清楚它们在训练目标(自回归 vs 掩码)、架构细节(归一化、激活、位置编码)和使用场景上的差异,很容易出现「用 BERT 做长文本生成」或「用纯 GPT 做句向量」这类错配。