所有的文章会迁移到微信公众号，如果对我的文章和分享感兴趣的可以关注一下我的公众号，后续的文章会同步在公众号中分享和发表。

再次感谢大家的关注，谢谢！

Minio简介

MinIO 是一个 高性能、开源的对象存储系统，完全兼容 Amazon S3 API。
它采用云原生架构设计，能够在本地服务器、私有云、公有云及混合云环境中部署，用于存储和管理海量非结构化数据。

MinIO 以 对象（Object） 的形式存储数据，每个对象由：

• 数据本身（Data）
• 元数据（Metadata）
• 唯一对象键（Object Key）

组成，适合存储图片、音视频、日志文件、模型文件、备份数据等。

MCP Server概念

MCP Server 是一个中间层服务器，它主要负责处理和管理 AI 模型的上下文信息，确保模型能够高效且准确地理解和响应用户请求。它作为应用程序和AI模型之间的桥梁，优化了信息的传递和处理过程。

​ 根据MCP协议定义，Server可以提供三种类型的标准能力，Resources、Tools、Prompts，每个Server可同时提供者三种类型能力或其中一种。

• Resources：资源，类似于文件数据读取，可以是文件资源或是API响应返回的内容。比如
• Tools：工具，第三方服务、功能函数，通过此可控制LLM可调用哪些函数。
• Prompts：提示词，为用户预先定义好的完成特定任务的模板。

相关服务部署

FunASR部署

项目地址：https://github.com/modelscope/FunASR

下载模型【已下载】

1

modelscope download iic/SenseVoiceSmall --local_dir /root/autodl-fs/FunASR/SenseVoiceSmall

创建虚拟环境

1
2

mkdir ~/autodl-tmp/FunASR && cd ~/autodl-tmp/FunASR
uv init && uv venv --python 3.12

安装VLLM

下载 uv工具（需要有 Python环境）

1

pip install uv -i https://pypi.tuna.tsinghua.edu.cn/simple

创建虚拟环境

1

cd ~/autodl-tmp/ && uv venv --python 3.12 && source .venv/bin/activate

AutoDL平台介绍与使用展示

AutoDL平台介绍

AutoDL 是一个在线算力租赁与模型部署平台，提供简便的 GPU 云主机、JupyterLab 环境、端口映射、公网访问、文件传输等能力，广泛用于：

• 快速搭建LLM推理环境（如 Ollama、LMDeploy）
• 开发 AI 应用（如 LangChain、Gradio Web UI）
• 部署私有大模型（如 DeepSeek、Qwen、Baichuan 等）

它面向的用户包括：

• 无 GPU的开发者
• 希望快速部署实验环境的科研人员
• 对私有化部署有一定隔离需求的企业用户

Coze基本介绍

扣子是新一代 AI Agent 开发平台。无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 AI 应用，并将 AI 应用发布到各个社交平台、通讯软件，也可以通过 API 或 SDK 将 AI 应用集成到你的业务系统中。

ORM概述

ORM = Object Relational Mapping（对象关系映射）。它是一种 让你用面向对象的方式操作数据库 的技术。

一句话解释：
ORM = 把 Python（或其他语言）里的对象 ↔ 数据库里的表记录 互相转换的工具。

举个最直观的例子：

不用 ORM（纯 SQL）

1
2
3

cursor.execute("SELECT id, name, age FROM users WHERE id = 1")
row = cursor.fetchone()
user = {"id": row[0], "name": row[1], "age": row[2]}

1

user = session.query(User).filter_by(id=1).first()

数据库里的users表，就像程序里的一个User类；每个数据行就是类的实例。

也就是说：

数据库表 → 类（Class）

数据行 → 对象（Object）

表字段 → 类属性（Attribute）

一、创建大模型请求函数

由于后续的课程中会使用到大模型去做相关的实验，所以需要提前准备一个大模型API，用于后续调用。

可以直接使用Ollama，也可以使用其他厂商的API【例如：deepseek，qwen，豆包等等】。

或者参考我的博客教程

1

from utils.llms import OllamaChat

1
2
3
4
5

chat_model = OllamaChat(
    system_message="nothink",
    url='http://localhost:6008/api/chat',
    model_name='qwen3:8b'
)

1
2
3

responses = chat_model.chat("你好，你是谁？", stream=True)
for response in responses:
    print(response, end="", flush=True)

<think>

</think>

你好！我是Qwen，是阿里巴巴集团旗下的通义实验室自主研发的超大规模语言模型。我能够进行多轮对话、回答问题、创作文字，比如写故事、写邮件、写剧本等，还能进行逻辑推理、多语言翻译、代码生成等任务。我的目标是让每个人都能更轻松地获取信息、表达想法和创造内容。有什么我可以帮助你的吗？

PostgreSQL简介

PostgreSQL（简称 Postgres）是一款开源、企业级、稳定且功能非常强大的关系型数据库系统。

它始于 1986 年加州大学伯克利分校的 POSTGRES 项目，至今已经发展为：

最先进、最强大的开源关系数据库。

和 MySQL、SQLite 是同等级别的数据库产品，但定位更偏向企业级和高端应用。

与Mysql不同的是，Postgre在database和table之间还有一个schema层。默认的情况下，创建好database后会自动创建并应用一个public schema。