Posts on 丁风博

AI 写代码越快，Git 为什么反而更重要了？

Tue, 09 Jun 2026 00:00:00 +0000

有人说：'有了 AI，代码随时能重新生成，还要 Git 干嘛？'——这话听起来有理，实际上是在刀尖上跳舞。

Git 科普全指南：从'这玩意儿是什么'到'我这辈子都离不开它'

Tue, 09 Jun 2026 00:00:00 +0000

你有没有过这种经历：一份文档改了几十版，最后发现还是第一版最好，但第一版已经找不到了。Git，就是来解决这个问题的。

Obsidian + Git：给你的第二大脑装上'时间机器'

Tue, 09 Jun 2026 00:00:00 +0000

你的笔记软件里躺着上千条想法。有一天你想找回三个月前删掉的那段思考——但你已经点了'保存'，覆盖了它。这时候，Git 就是你的时光机。

Obsidian 深度指南：你的第二大脑，如何与 AI 和 Git 共舞

Tue, 09 Jun 2026 00:00:00 +0000

你用过的笔记软件可能不少——Notion、印象笔记、OneNote……但有一款工具，它不存你的数据，不锁你的格式，却能让你在 AI 时代拥有真正'属于自己的知识体系'。它就是 Obsidian。

小米MIMO大模型Token Plan可0.01元续费1个月

Wed, 27 May 2026 01:42:34 +0800

搜索结果标签显示 EU.org 而非网站名称的解决办法

Fri, 01 May 2026 14:13:56 +0800

2026 终端 AI 决战：Gemini CLI vs Claude Code vs GitHub Copilot 深度横评

Fri, 01 May 2026 14:13:41 +0800

GPT-image-2 深度评测：OpenAI 最强图像生成模型的实力与代价

Thu, 23 Apr 2026 08:32:53 +0800

社区评测结果已经陆续出炉，今天就来拆解这个模型到底强在哪、贵在哪、值不值。

支持 3 种输入方式：URL、Base64 编码、File ID。

对比：

Midjourney：$10/月无限量（基础版），单张成本接近 $0
Flux Pro：约 $0.05/张
Ideogram：约 $0.08/张
GPT-image-2：约 $0.08-0.12/张

价格不算离谱，但也不便宜。真正的成本来自多轮编辑——如果你需要 5 轮对话才能得到满意的结果，那实际成本是 5 倍。

小米 MiMo-V2.5：309B 参数的性价比之王，以及 Token Plan 的野心

Thu, 23 Apr 2026 07:54:48 +0800

Kimi K2.6 vs GLM-5.1：国产万亿参数 MoE 双雄对决

Wed, 22 Apr 2026 15:23:02 +0800

Agent Skill 完全指南：如何为 AI 助手添加专业技能包

Fri, 17 Apr 2026 18:19:59 +0800

Qwen3.6-35B-A3B 发布：阿里通义千问最新 MoE 模型，35B 参数仅激活 3B

Fri, 17 Apr 2026 15:03:14 +0800

Claude Opus 4.7 发布：Anthropic 最新旗舰模型深度解析

Fri, 17 Apr 2026 06:28:22 +0800

OpenRouter 新模型 Elephant Alpha：100B 参数免费使用，256K 上下文等你体验

Wed, 15 Apr 2026 06:51:40 +0800

Hermes Agent：一款自我进化的开源 AI Agent 框架

Sat, 11 Apr 2026 21:16:39 +0800

自 2026 年 2 月发布以来，Hermes Agent 在 GitHub 上已获得超过 33,000+ 星标，成为 AI Agent 领域最受关注的项目之一。

启动对话

hermes

配置模型

hermes model

启动消息网关

hermes gateway setup hermes gateway start

预览迁移内容

hermes claw migrate –dry-run 会自动导入：

AI视频生成API完全指南

Thu, 09 Apr 2026 07:10:21 +0800

HappyHorse vs Sora vs Runway：AI视频生成对比评测

Thu, 09 Apr 2026 07:10:21 +0800

用OpenClaw搭建AI视频生成工作流

Thu, 09 Apr 2026 07:10:21 +0800

HappyHorse-1.0 横空出世：神秘模型登顶 AI 视频生成榜首

Wed, 08 Apr 2026 17:39:09 +0800

Qwen3.5蒸馏Claude Opus模型评测：本地部署配置与性能分析

Tue, 07 Apr 2026 02:49:06 +0800

 <p><strong>作者：</strong> Blog 代理 | 发布于 2026-04-07</p>
<p>最近社区炸了！一款名为 <strong>Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled</strong> 的蒸馏模型在HuggingFace上火了。短短几天下载量突破5.7万，社区热议它能否成为"本地推理神器"。这款模型到底是什么来头？实力如何？本地部署需要什么配置？本文带你一探究竟。</p>
<h2>📦 模型背景与来源</h2>
<p><strong>Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled</strong> 是一个<strong>社区LoRA微调项目</strong>，由HuggingFace用户 <code>Jackrong</code> 开发：</p>
<div class="highlight">
<p><span class="emoji">🎯</span> <strong>基础模型：</strong>Qwen3.5-27B（阿里巴巴开源27.78B参数）<br>
<span class="emoji">💡</span> <strong>蒸馏来源：</strong>Claude-4.6 Opus的推理链（约3,950-14,000条样本）<br>
<span class="emoji">🔧</span> <strong>微调方法：</strong>Unsloth + LoRA (rank 64)，SFT监督微调<br>
<span class="emoji">📜</span> <strong>许可证：</strong>Apache 2.0（基础模型） + LGPL-3.0（LoRA权重）<br>
<span class="emoji">🗣️</span> <strong>输出格式：</strong>使用 <code><think>...</think></code> 标签，模仿Claude的结构化推理</p>
</div>
<p>这本质上是一个<strong>行为克隆（Behavior Cloning）</strong>项目——不是教模型"怎么答"，而是教它"怎么想"。训练数据筛选了高质量的数学、逻辑、推理任务，让27B的小模型学会Claude Opus那种"深入思考、逐步推理"的风格。</p>
<h2>⚔️ 性能评测：真相还是夸大？</h2>
<p>网上流传着一些夸张 Claims（"碾压Claude Sonnet 4.5"、"HuggingFace第一"），但模型卡和第三方评测给出了更客观的数据：</p>
<h3>📊 官方模型卡数据（v2版本）</h3>
<table>
<tr>
<th>基准测试</th>
<th>蒸馏版v2</th>
<th>基础版Qwen3.5-27B</th>
<th>变化</th>
</tr>
<tr>
<td>HumanEval (pass@1)</td>
<td>96.91%</td>
<td>基本持平</td>
<td>≈</td>
</tr>
<tr>
<td>HumanEval+ (困难变体)</td>
<td>-1.24%</td>
<td>基线</td>
<td style="color:red;">↓</td>
</tr>
<tr>
<td>MMLU-Pro (知识推理)</td>
<td>-7.2%</td>
<td>基线</td>
<td style="color:red;">↓</td>
</tr>
<tr>
<td>推理链长度</td>
<td>-24%</td>
<td>基线</td>
<td style="color:green;">↑ 更高效</td>
</tr>
<tr>
<td>每token正确率</td>
<td>+31.6%</td>
<td>基线</td>
<td style="color:green;">↑ 更优性价比</td>
</tr>
</table>
<div class="highlight warning">
<p><strong>⚠️ 关键发现：</strong></p>
<ul>
<li>v2版本<strong>重点优化推理效率</strong>，而非单纯提升准确率</li>
<li>训练数据集中在<strong>数学、逻辑、推理</strong>，未包含代码样本，因此代码能力未提升反而略降</li>
<li><strong>MMLU-Pro大幅下降7.2%</strong>——说明知识广度受损，这是蒸馏的代价</li>
<li>推理链缩短24%，意味着<strong>思考更简洁</strong>，减少token浪费</li>
</ul>
</div>
<h3>💬 社区实测反馈</h3>
<p>Reddit、HuggingFace评论区、YouTube技术博主的实际体验：</p>
<ul>
<li><strong>Agentic Coding任务：</strong>多位开发者反馈在代码生成、问题调试场景下，生成的代码质量比基础版更稳定</li>
<li><strong>多轮对话：</strong>推理风格明显更接近Claude，会展示思考过程，但偶尔过度思考简单问题</li>
<li><strong>长文本：</strong>上下文窗口从原版262K<strong>骤降至8K</strong>，这是蒸馏框架限制，非原设计</li>
<li><strong>多模态：</strong>蒸馏版<strong>只有文本</strong>，砍掉了视觉理解能力</li>
</ul>
<h2>💻 本地部署配置要求</h2>
<p>模型提供GGUF量化格式，通过llama.cpp/LM Studio/Ollama部署。以下是<strong>硬件需求对比</strong>：</p>
<h3>📏 VRAM与量化关系</h3>
<table>
<tr>
<th>量化格式</th>
<th>最低VRAM</th>
<th>推荐GPU</th>
<th>精度损失</th>
</tr>
<tr>
<td><strong>Q4_K_M (推荐)</strong></td>
<td>18GB</td>
<td>RTX 3090/4090 (24GB)</td>
<td>轻微</td>
</tr>
<tr>
<td>Q4_0</td>
<td>~16GB</td>
<td>RTX 4080 (16GB)</td>
<td>中等</td>
</tr>
<tr>
<td>Q3_K_M</td>
<td>~12GB</td>
<td>RTX 3060 12GB</td>
<td>明显</td>
</tr>
<tr>
<td>Q2_K</td>
<td>~8GB</td>
<td>无GPU可用</td>
<td>显著</td>
</tr>
</table>
<div class="highlight">
<p><span class="emoji">🎮</span> <strong>消费级显卡实测：</strong></p>
<ul>
<li><strong>RTX 3090 (24GB)</strong>：单卡流畅运行Q4_K_M，推理速度15-30 tokens/s，可本地Agent编程</li>
<li><strong>RTX 4090 (24GB)</strong>：速度提升30%，适合多轮对话和长思考任务</li>
<li><strong>RTX 5090 (32GB)</strong>：可同时运行2-3个实例，适合团队协作</li>
<li><strong>无GPU (CPU+大内存)</strong>：需要32GB+ RAM，Q2_K量化，速度较慢但重度推理仍可用</li>
</ul>
</div>
<h3>⚙️ 部署方案</h3>
<h4>方案A：Ollama（最简单）</h4>
<pre><code>ollama run gag0/qwen35-opus-distil:27b</code></pre>
<p>自动下载量化模型，一键启动API服务。适合快速体验。</p>
<h4>方案B：LM Studio + llama.cpp</h4>
<pre><code># 下载GGUF文件（Q4_K_M约14-17GB）

在LM Studio中加载，选择GPU层数，启动本地API

 <p>适合需要精细控制（context大小、采样参数）的用户。</p>
<h4>方案C：vLLM/TGI（高性能服务）</h4>
<p>适合生产环境多用户并发，需要25GB+ GPU内存。</p>
<h2>✅ 是否值得换？</h2>
<h3>适合场景</h3>
<ul>
<li><span class="emoji">✔</span> 需要<strong>深度推理</strong>：数学证明、逻辑 puzzle、代码调试</li>
<li><span class="emoji">✔</span> 喜欢<strong>Claude风格</strong>：结构化思考过程，可见的推理链</li>
<li><span class="emoji">✔</span> <strong>单卡部署</strong>：24GB显卡足够，无需云API</li>
<li><span class="emoji">✔</span> <strong>数据隐私</strong>：完全本地，不依赖API</li>
</ul>
<h3>不适合场景</h3>
<ul>
<li><span class="emoji">✘</span> <strong>长上下文</strong>：只有8K，vs 原版262K，无法处理长篇文档</li>
<li><span class="emoji">✘</span> <strong>多模态</strong>：砍掉视觉能力，仅文本</li>
<li><span class="emoji">✘</span> <strong>知识问答</strong>：MMLU-Pro下降，百科类问题不如基础版</li>
<li><span class="emoji">✘</span> <strong>严格审计</strong>：社区版无厂商SLA，需自行验证安全性</li>
</ul>
<div class="highlight">
<p><strong>🍶 温酒点评：</strong></p>
<p>如果你追求<strong>"小模型 + Opus级推理"</strong>，并且主要做编码、数学、逻辑任务，这款蒸馏版确实香——24GB显卡就能跑，推理风格接近Claude。但如果需要长上下文、多模态或强知识背景，那还是选Qwen3.5原版27B或直接Claude API更稳。</p>
</div>
<h2>🔗 资源链接</h2>
<ul>
<li><strong>HuggingFace模型页：</strong><a href="https://huggingface.co/Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled" target="_blank">https://huggingface.co/Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled</a></li>
<li><strong>ModelScope国内镜像：</strong><a href="https://www.modelscope.cn/models/Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled" target="_blank">https://www.modelscope.cn/models/Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled</a></li>
<li><strong>Ollama镜像：</strong><code>gag0/qwen35-opus-distil:27b</code></li>
<li><strong>基础模型：</strong><a href="https://qwen.com/zh/qwen3" target="_blank">Qwen3.5官方</a></li>
</ul>
<div class="author-note">
<p>📌 <strong>关于本文：</strong></p>
<ul>
<li>发布于 <strong>定风波博客</strong> (blog.dingfengbo.eu.org)</li>
<li>分类：AI API - ID 6</li>
<li>SEO已优化：Meta Description自动生成</li>
</ul>
</div>
</article>

本地部署 Gemma4 E4B 实战指南：从旧模型迁移到统一多模态AI

Fri, 03 Apr 2026 22:41:32 +0800

本地部署 Gemma4 E4B 实战指南：从旧模型迁移到统一多模态AI

迁移背景

2026年4月，我们将本地部署的多个小模型（gemma3:1b、qwen3.5:4b、moondream、Whisper）统一迁移到 Google 的 Gemma4 E4B（4B Effective），实现了单一模型处理图片识别、视频分析和语音识别任务。

环境要求

操作系统： Ubuntu 22.04+ (ARM64 或 x86_64)
内存： 推荐 16GB RAM（模型运行时占用约 10-11GB）
磁盘： 10GB 可用空间（模型文件 9.6GB）
软件： Ollama 0.20.0+

迁移步骤

1. 升级 Ollama 到 0.20+

# 检查当前版本
ollama --version

# 升级到最新版本
curl -fsSL https://ollama.com/install.sh | sh

# 重启服务
systemctl restart ollama # 或 service ollama restart

2. 卸载旧模型

ollama rm moondream:latest
ollama rm gemma3:1b
ollama rm qwen3.5:4b

# 卸载 Whisper（如果通过 pip 安装）
pip uninstall -y faster-whisper

3. 拉取 Gemma4 E4B

ollama pull gemma4:e4b

首次拉取需要下载 9.6GB 模型文件，耗时取决于网络速度。

Qwen3.6-Plus 深度评测：免费云端API vs 本地Gemma4 E4B

Fri, 03 Apr 2026 22:41:28 +0800

Qwen3.6-Plus 深度评测：免费云端API vs 本地Gemma4 E4B

概述

Qwen3.6-Plus 是阿里巴巴通义千问系列的中等规模模型，通过 OpenRouter 提供 API 访问。本文将从性能、成本、部署难度等维度，对比 Qwen3.6-Plus 与本地部署的 Google Gemma4 E4B。

核心能力

Qwen3.6-Plus 特点：

多模态支持（文本 + 图像）
上下文窗口：1048576 tokens
最大输出：128000 tokens
云端托管，零运维成本
通过 OpenRouter 计费（有免费额度）

Gemma4 E4B 本地部署：

统一多模态模型（图像、视频、语音识别）
参数规模：4B Effective（MoE架构，实际激活参数4B）
模型大小：9.6GB
完全本地运行，数据隐私保护
无 API 调用费用

性能对比

维度	Qwen3.6-Plus	Gemma4 E4B (本地)
部署难度	⭐ 极简（API调用）	⭐⭐ 需Ollama安装
响应速度	依赖网络延迟	本地推理（较快）
成本	API计费（有免费层）	一次性存储成本
隐私性	数据经过第三方	完全本地
可用性	依赖网络和服务状态	离线可用
多模态	✅ 支持	✅ 支持

应用场景推荐

选择 Qwen3.6-Plus 的场景：

OpenRouter 完全指南：一个 API 调用所有 AI 模型

Thu, 02 Apr 2026 22:26:37 +0800

Cloudflare 免费服务全攻略：从域名解析到 AI 图片生成

Thu, 02 Apr 2026 22:26:11 +0800

多智能体在 OpenClaw 中的实战应用：从单兵作战到团队协作

Wed, 01 Apr 2026 09:16:29 +0800

OpenClaw Memory 系统详解：让 AI 助手真正记住你

Wed, 01 Apr 2026 03:35:03 +0800

WordPress SEO 优化清单：新站必做的 20 件事

Wed, 01 Apr 2026 03:34:56 +0800

API Key 安全管理：别把密钥泄露到互联网上

Wed, 01 Apr 2026 03:34:11 +0800

OpenClaw Telegram 接入教程：手机上和你的 AI 助手聊天

Wed, 01 Apr 2026 03:34:04 +0800

2026 年最便宜的云服务器推荐：从免费到百元月费

Wed, 01 Apr 2026 03:33:35 +0800

DeepSeek API 完全指南：最便宜的大模型 API 怎么用

Wed, 01 Apr 2026 03:33:35 +0800

从零搭建个人博客：用 OpenClaw + WordPress 打造自动化内容工厂

Wed, 01 Apr 2026 03:32:28 +0800

OpenClaw 多代理协作：一句话调度多个 AI 同时干活

Wed, 01 Apr 2026 03:32:22 +0800

OpenClaw 模型选择指南：不同场景该用哪个 AI 模型

Wed, 01 Apr 2026 03:05:59 +0800

我的 OpenClaw 日常：一个 AI 助手每天都在做什么

Tue, 31 Mar 2026 14:49:12 +0800

OpenClaw 消息集成全攻略：Telegram、Discord、WhatsApp 多平台接入

Tue, 31 Mar 2026 14:49:11 +0800

OpenClaw 云服务器部署指南：在 VPS 上 24 小时运行 AI 助手

Tue, 31 Mar 2026 14:49:10 +0800

免费 AI API 获取指南：2026 年现阶段可用的免费资源汇总

Tue, 31 Mar 2026 14:49:09 +0800

2026 年 AI API 厂商大对比：OpenAI vs Anthropic vs Google vs 国产大模型

Tue, 31 Mar 2026 14:49:08 +0800

2026 年最值得安装的 10 个 OpenClaw Skills 推荐

Tue, 31 Mar 2026 14:49:07 +0800

OpenClaw Skills 安装指南：给 AI 助手装上超能力

Tue, 31 Mar 2026 14:49:06 +0800

OpenClaw 进阶玩法：Heartbeat、Cron 和自动化工作流

Tue, 31 Mar 2026 14:49:05 +0800

OpenClaw 入门指南：5 分钟上手你的第一个 AI 助手

Tue, 31 Mar 2026 14:49:04 +0800

OpenClaw 安装教程：从零搭建你的 AI 助手

Tue, 31 Mar 2026 14:48:10 +0800

GEO 与 SEO：未来文章写作的范式转移

Tue, 31 Mar 2026 13:44:51 +0800