1.下载：Ollama

Ollama是一个让你能在本地运行大语言模型的工具，为用户在本地环境使用和交互大语言模型提供了便利。

检查是否安装成功

①打开Win+R输入ollama，如下

②网页localhost:11434

2.下载deepseek等其他大模型

进入ollama官网models选择自己要下载的模型deepseek-r1:1.5b

3.在该文件夹下添加这两句
# 启用自定义模型
CUSTOM_MODEL_ENABLED=true
# 指定ollama的API地址（根据部署环境调整IP）
OLLAMA_API_BASE_URL=host.docker.internal:11434

4.调用大模型
import json
​
import requests
​
headers = {"Content-Type": "application/json"}
data={"model":"deepseek-r1:1.5b","prompt":"你是谁？","stream":False}
response = requests.post("http://127.0.0.1:11434/api/generate", headers=headers, data=json.dumps(data))
print(response.json())
print(response.json().get("response",""))

# 语言模型
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

deck.gl TripsLayer 出租车轨迹动画示例实战：从示例运行到着色器原理

TripsLayer 是 deck.gl 中用于渲染**随时间流动的轨迹动画**（如出租车行程、物流路径、迁徙路线）的核心图层。本文以仓库中的最小独立示例 [examples/website/trips](https://link.gitcode.com/i/1442af8f442f4cff39ff546e050fceb5) 为骨架，带你完成从安装依赖、启动应用、理解曼哈顿出租车数据格式，到深入

avatar 天工造物局

Foundry Anvil 中 eth_simulateV1 的 Blob 交易与 Blob Gas 字段规范化：原理、实现与测试验证

本篇技术指南以 [anvil-simulate-blob-transactions.md](https://link.gitcode.com/i/3d2ebe227262de169335eb290af80da8) 这条 changelog 条目为起点，深入剖析 Foundry Anvil 对 `eth_simulateV1` RPC 返回结果中 blob（EIP-4844）交易与 blob gas

avatar 天工造物局

LMCache CLI 实战：用 `lmcache kvcache clear` 管理运行中服务的 KV Cache 状态

本文是一份针对 LMCache 官方 CLI 命令 `lmcache kvcache` 的完整技术指南。该命令用于在**运行中的 LMCache 服务（MP HTTP server）**上管理 KV cache 状态，当前提供 `clear` 子命令，用于清空 L1（CPU 内存）层中缓存的全部 KV 数据。读完本文，你将掌握该命令的完整参数体系、退出码语义、终端/JSON/静默三种输出模式，并能

avatar 天工造物局