first commit

70-SimpRead/output/Obsidian 和 Logseq 对比 - 拾月/Obsidian 和 Logseq 对比 - 拾月.md

@@ -0,0 +1,68 @@
+---
+url: https://www.skyue.com/22040623.html
+title: Obsidian 和 Logseq 对比 - 拾月
+date: 2025-08-20 15:21:09
+tag:
+summary: 用了 2 年 Obsidian，Logseq 以前也知道并试用过，当时只有 web 版，稳定性差就没关注了。
+created: 2025-08-30T11:44
+updated: 2025-09-22T13:26
+---
+用了 2 年 Obsidian，Logseq 以前也知道并试用过，当时只有 web 版，稳定性差就没关注了。不久前看了 Randy Lu 关于 Logseq 的[视频分享](https://www.youtube.com/watch?v=DxoGJBb1mWQ)，被吸引到了，于是试用了 2 周。这期间只用 Logseq，没用 Obsidian。
+
+现在，想基于经验分析下二者的功能差异及未来的可能的迭代方向。需要说明的是，这不是一个教程，但如果你正在试用这两个软件，并在犹豫选择哪一个，本文或许能提供一些视角。
+
+这两个软件共同主打的特点是：本地存储 + 文本文件。这对在意数据安全、数据可迁移性的用户（比如我）来讲，非常有吸引力。
+
+它们的核心差异点有两个：
+
+1.  Logseq 强制使用大纲视图，Obsidian 是自由格式的 markdown 文档
+2.  Logseq 没有文件夹结构，Obsidian 有文件夹结构。
+
+**一、首先讲讲自由格式与强制大纲带来的影响**
+
+Logseq 强制使用大纲视图，其实就是 block 优先，先有 block，然后 block 组成 page，并且 block 还有层级的关系。
+
+Obsidian 自由格式，就是 page 优先，当它想去支持 block 的时候，只能从段落出发，每一段是个 block，段落间当然也没有层级关系。（[官方文档介绍](https://publish.obsidian.md/help-zh/%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97/%E5%9D%97%E9%93%BE%E6%8E%A5%E4%B8%8E%E5%9D%97%E5%BC%95%E7%94%A8)：前后有空行包围的东西就是 block）。
+
+从通用性来讲，Obsidian 的自由格式，其实兼容 Logseq 大纲视图。网上有很多人分享二者共用一个库的方案，无一例外的都是以 Logseq 库为准，然后让 Obsidian 去兼容 Logseq，充分佐证了这一点。
+
+以 block 为例，前方讲 Obsidian 的 block 是基于段落的，但大纲带也是支持的，如下图所示。
+
+![](<assets/1755674470013.png>)
+
+Obsidian 大纲中的反向链接
+
+相比 Logseq 的 block，Obsidian 的 block 有两个问题：
+
+*   Logseq 能直接在反向引用中编辑和操作（比如点击链接）内容，Obsidian 则必须跳转到原文档才能编辑和操作。
+*   Logseq 的`#`标签和 `` 引用，都是作用于块的属性，通过 query 能直接查询到块，Obsidian 通用 dataview 的 query 只能查询到 page。
+
+尤其是第 2 条，对 task 的管理非常重要。事实上，Obsidian 的 dataview 社区[已经在计划实现相关功能](https://github.com/blacksmithgu/obsidian-dataview/issues/874)了。
+
+再看看 Logseq，因为是强制大纲，所以不适合写长文，有趣的是，Logseq 社区呼声第二高的 Feature Request 就是支持[长文写作](https://discuss.logseq.com/t/longform-writing-in-logseq/3527)。
+
+这个帖子对 Logseq 应该如何处理长文 block 给出的建议，就是 Obsidian 基于段落的方案。
+
+按照这个畅想，Logseq 支持定义 page 的类型，一类是大纲视图 page，一类是长文视图 page。
+
+长远来看，Obsidian 在自由格式上支持更友好的 block 是顺理成章的事，但 Logseq 在现有强约束的情况下去支持自由格式的长文，需要打破框架。不清楚 Logseq 团队是否会考虑支持长文（目前 roadmap 中还看不到），但这确实是我无法放弃 Obsidian 唯一的原因。
+
+我个人比较期待二者最后殊途同归，Obsidian 更好的支持 block，Logseq 打破框架支持长文写作。
+
+**二、再谈谈文件夹支持**
+
+这一点，同样体现了 Obsidian 对 Logseq 的兼容。
+
+至于哪个更好，这个见仁见智，我倾向于 Logseq 简化文件夹的方式，减轻分类的压力。Logseq 的页面支持 [namespace 层级](https://www.skyue.com/22072311.html)，可以实现类似文件夹的功能。但需要注意，这是非常定制化的能力，离开了 Logseq 这样的关系就丢失了，所以，如果考虑数据的可迁移性，这个功能应该慎重使用。
+
+**三、我最终的选择**
+
+我希望在笔记软件中写长文，Logseq 无法完全替代 Obsidian，虽然 Obsidian 的大纲能力比 Logseq 弱但也完全够用，所以本着少折腾的原则，继续使用 Obsidian。但在使用习惯上，会把 Obsidian 中的 daily note 大纲化。
+
+哪天 Logseq 支持长文了，会考虑迁移。也许那一天，Obsidian 的 block 能力也能与 Logseq 并驾齐驱了。
+
+最后，本文使用 Obsidian 写成。
+
+## 相关阅读
+
+*   [Logseq 中 page、block 和 namespace 的用法](https://www.skyue.com/22072311.html)

70-SimpRead/output/Ollama 完整教程：本地 LLM 管理、WebUI 对话、Python-Java 客户端 API 应用 - 老牛啊 - 博客园.md

@@ -0,0 +1,471 @@
+---
+created: 2025-08-31T12:49
+updated: 2025-09-22T13:26
+---
+> 本文由 [简悦 SimpRead](http://ksria.com/simpread/) 转码， 原文地址 [www.cnblogs.com](https://www.cnblogs.com/obullxl/p/18295202/NTopic2024071001)
+
+> Ollama 可以非常方便的管理和部署我们本地大语言模型，老牛同学希望通过本文对 Ollama 进行一次详细介绍，包括本地大模型管理和使用、WebUI 对话界面部署、通过 Python 和 Java 使用 Ollama 的......
+
+老牛同学在前面有关大模型应用的文章中，多次使用了 **Ollama** 来管理和部署本地大模型（包括：**Qwen2**、**Llama3**、**Phi3**、**Gemma2** 等），但对 **Ollama** 这个非常方便管理本地大模型的软件的介绍却很少。
+
+目前，清华和智谱 AI 联合发布开源的 **GLM4-9B** 大模型也能支持 **Ollama** 进行本地部署了（[本地部署 GLM-4-9B 清华智谱开源大模型方法和对话效果体验](https://mp.weixin.qq.com/s/g7lDfnRRGdrHqN7WGMSkAg)），**Ollama** 支持的大模型越多越普及，对于的应用也就越多。为了降低大家查阅资料等学习时间，老牛同学今天尝试着对 Ollama 进行一次详细完整介绍。毕竟老牛同学也在不断学习中，若有疏漏或者错误之处，还请各位朋友多多指正，谢谢大家。
+
+本文将分为以下章节对 Ollama 进行介绍：
+
+1.  Ollama 基本介绍，它的作用是什么
+2.  Ollama 软件安装、一些常用的系统参数设置
+3.  Ollama 管理本地已有大模型（包括终端对话界面）
+4.  Ollama 导入模型到本地的三种方式：直接从 Ollama 远程仓库拉取、通过 GGUF 模型权重文件导入到本地、通过 safetensors 模型权限文件导入到本地
+5.  基于 WebUI 部署 Ollama 可视化对话界面
+6.  Ollama 客户端 API 应用，包括 Python API 和 Java API 接口应用
+
+Ollama 是什么，它与 Llama 有什么关系？
+--------------------------
+
+**Ollama** 官网：[https://ollama.com/](https://ollama.com/)，官方网站的介绍就一句话：**Get up and running with large language models.** （开始使用大语言模型。）
+
+**Ollama** 是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型、降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型，包括如 **Qwen2**、**Llama3**、**Phi3**、**Gemma2** 等开源的大型语言模型。
+
+**Ollama** 支持的大语言模型列表，可通过搜索模型名称查看：[https://ollama.com/library](https://ollama.com/library)
+
+**Ollama** 官方 GitHub 源代码仓库：[https://github.com/ollama/ollama/](https://github.com/ollama/ollama)
+
+**Llama** 是 Meta 公司开源的备受欢迎的一个通用大语言模型，和其他大模型一样，**Llama** 可以通过 **Ollama** 进行管理部署和推理等。
+
+因此，`Ollama`与`Llama`的关系：`Llama`是大语言模型，而`Ollama`是大语言模型（不限于`Llama`模型）便捷的管理和运维工具，它们只是名字后面部分恰巧相同而已！
+
+![](https://ntopic.cn/p/2024071001/01.png)
+
+Ollama 安装和常用系统参数设置
+------------------
+
+在官网首页，我们可以直接下载 **Ollama** 安装程序（支持 Windows/MacOS/Linux）：[https://ollama.com/](https://ollama.com/)
+
+**Ollama** 的安装过程，与安装其他普通软件并没有什么两样，安装完成之后，有几个常用的系统**环境变量**参数建议进行设置：
+
+1.  **OLLAMA_MODELS**：模型文件存放目录，默认目录为当前用户目录（Windows 目录：`C:\Users%username%.ollama\models`，MacOS 目录：`~/.ollama/models`，Linux 目录：`/usr/share/ollama/.ollama/models`），如果是 Windows 系统**建议修改**（如：D:\OllamaModels），避免 C 盘空间吃紧
+2.  **OLLAMA_HOST**：Ollama 服务监听的网络地址，默认为 **127.0.0.1**，如果允许其他电脑访问 Ollama（如：局域网中的其他电脑），**建议设置**成 **0.0.0.0**，从而允许其他网络访问
+3.  **OLLAMA_PORT**：Ollama 服务监听的默认端口，默认为 **11434**，如果端口有冲突，可以修改设置成其他端口（如：**8080** 等）
+4.  **OLLAMA_ORIGINS**：HTTP 客户端请求来源，半角逗号分隔列表，若本地使用无严格要求，可以设置成星号，代表不受限制
+5.  **OLLAMA_KEEP_ALIVE**：大模型加载到内存中后的存活时间，默认为 **5m** 即 5 分钟（如：纯数字如 300 代表 300 秒，0 代表处理请求响应后立即卸载模型，任何负数则表示一直存活）；我们可设置成 **24h**，即模型在内存中保持 24 小时，提高访问速度
+6.  **OLLAMA_NUM_PARALLEL**：请求处理并发数量，默认为 **1**，即单并发串行处理请求，可根据实际情况进行调整
+7.  **OLLAMA_MAX_QUEUE**：请求队列长度，默认值为 **512**，可以根据情况设置，超过队列长度请求被抛弃
+8.  **OLLAMA_DEBUG**：输出 Debug 日志标识，应用研发阶段可以设置成 **1**，即输出详细日志信息，便于排查问题
+9.  **OLLAMA_MAX_LOADED_MODELS**：最多同时加载到内存中模型的数量，默认为 **1**，即只能有 1 个模型在内存中
+
+Ollama 管理本地已有大模型
+----------------
+
+【展示本地大模型列表：`ollama list`】
+
+```
+	>ollama list
+	NAME            ID              SIZE    MODIFIED
+	gemma2:9b       c19987e1e6e2    5.4 GB  7 days ago
+	qwen2:7b        e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+可以看到，老牛同学本地有 2 个大模型，它们的名称（**NAME**）分别为 **gemma2:9b** 和 **qwen2:7b**。
+
+【删除单个本地大模型：`ollama rm 本地模型名称`】
+
+```
+	>ollama rm gemma2:9b
+	deleted 'gemma2:9b'
+	
+	>ollama list
+	NAME            ID              SIZE    MODIFIED
+	qwen2:7b        e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+老牛同学通过`rm`命令删除了 **gemma2:9b** 大模型之后，再次通过`list`命令查看，本地只有 **qwen2:7b** 一个大模型了。
+
+【启动本地模型：`ollama run 本地模型名`】
+
+```
+	>ollama run qwen2:0.5b
+	>>>
+
+```
+
+启动成功之后，就可以通过终端对话界面进行对话了（本命令下面也会讲到，其他详细暂且忽略）
+
+【查看本地运行中模型列表：`ollama ps`】
+
+```
+	>ollama ps
+	NAME            ID              SIZE    PROCESSOR       UNTIL
+	qwen2:0.5b      6f48b936a09f    693 MB  100% CPU        4 minutes from now
+
+```
+
+通过`ps`命名可以看到，老牛同学本地 **qwen2:0.5b** 大模型正在运行中。
+
+【复制本地大模型：`ollama cp 本地存在的模型名 新复制模型名`】
+
+```
+	>ollama cp qwen2:0.5b Qwen2-0.5B
+	copied 'qwen2:0.5b' to 'Qwen2-0.5B'
+	
+	>ollama list
+	NAME                    ID              SIZE    MODIFIED
+	Qwen2-0.5B:latest       6f48b936a09f    352 MB  4 seconds ago
+	qwen2:0.5b              6f48b936a09f    352 MB  29 minutes ago
+	qwen2:7b                e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+上面`cp`命令，老牛同学把本地 **qwen2:0.5b** 复制了一份，新模型名为 **Qwen2-0.5B**
+
+下面老牛同学介绍三种通过 Ollama 下载到本地大模型方式：
+
+1.  方式一：直接通过 Ollama 远程仓库下载，这是最直接的方式，也是最推荐、最常用的方式
+2.  方式二：如果已经有 GGUF 模型权重文件了，不想重新下载，也可以通过 Ollama 把该文件直接导入到本地（不推荐、不常用）
+3.  方式三：如果已经有 safetensors 模型权重文件，也不想重新下载，也可以通过 Ollama 把该文件直接导入到本地（不推荐、不常用）
+
+方式一：Ollama 从远程仓库下载大模型到本地
+------------------------
+
+【下载或者更新本地大模型：`ollama pull 本地/远程仓库模型名称`】
+
+本`pull`命令从 Ollama 远程仓库完整下载或增量更新模型文件，模型名称**格式**为：**模型名称: 参数规格**；如`ollama pull qwen2:0.5b` 则代表从 Ollama 仓库下载 **qwen2** 大模型的 **0.5b** 参数规格大模型文件到本地磁盘：
+
+![](https://ntopic.cn/p/2024071001/02.png)
+
+如果参数规格标记为`latest`则代表为默认参数规格，下载时**可以**不用指定，如 **Qwen2** 的 **7b** 被标记为`latest`，则`ollama pull qwen2`和`ollama pull qwen2:7b`这 2 个命令的意义是一样的，都下载的为 **7b** 参数规格模型。为了保证后续维护方便、避免误操作等，老牛同学**建议**不管是否为默认参数规格，我们下载命令中均明确参数规格。
+
+值得一提的是，今天开始 **GLM4** 支持 Ollama 部署和推理，老牛同学特意列出它的下载命令：`ollama pull glm4:9b`（和其他模型相比，其实并没有特殊支出）。需要注意的是：Ollama 最低版本为 **0.2.0** 才能支持 **GLM4** 大模型！
+
+![](https://ntopic.cn/p/2024071001/03.png)
+
+```
+	>ollama pull qwen2:0.5b
+	pulling manifest
+	pulling manifest
+	pulling manifest
+	pulling manifest
+	pulling manifest
+	pulling 8de95da68dc4... 100% ▕████████████████████████▏ 352 MB
+	pulling 62fbfd9ed093... 100% ▕████████████████████████▏  182 B
+	pulling c156170b718e... 100% ▕████████████████████████▏  11 KB
+	pulling f02dd72bb242... 100% ▕████████████████████████▏   59 B
+	pulling 2184ab82477b... 100% ▕████████████████████████▏  488 B
+	verifying sha256 digest
+	writing manifest
+	removing any unused layers
+	success
+	
+	>ollama list
+	NAME            ID              SIZE    MODIFIED
+	qwen2:0.5b      6f48b936a09f    352 MB  9 minutes ago
+	qwen2:7b        e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+若本地不存在大模型，则**下载**完整模型文件到本地磁盘；若本地磁盘存在该大模型，则**增量**下载大模型更新文件到本地磁盘。
+
+从上面最后的`list`命令结果可以看到，老牛同学本地存在了 **qwen2:0.5b** 这个名称的大模型。
+
+【下载且运行本地大模型：`ollama run 本地/远程仓库模型名称`】
+
+```
+	>ollama run qwen2:0.5b
+	>>>
+
+```
+
+若本地不存在大模型，则**下载**完整模型文件到本地磁盘（类似于`pull`命令），然后**启动**大模型；若本地存在大模型，则直接启动（不进行更新）。
+
+启动成功后，默认为终端对客界面：
+
+![](https://ntopic.cn/p/2024071001/04.png)
+
+1.  若需要输入多行文本，需要用**三引号**包裹，如：`"""这里是多行文本"""`
+2.  `/clear`清除对话上下文信息
+3.  `/bye`则退出对话窗口
+4.  `/set parameter num_ctx 4096`可设置窗口大小为 4096 个 Token，也可以通过请求设置，如：`curl <http://localhost:11434/api/generate> -d '{ "model": "qwen2:7b", "prompt": "Why is the sky blue?", "options": { "num_ctx": 4096 }}'`
+5.  `/show info`可以查看当前模型详情：  
+    ，
+
+```
+	>>> /show info
+	  Model
+	        arch                    qwen2
+	        parameters              494.03M
+	        quantization            Q4_0
+	        context length          32768
+	        embedding length        896
+	 
+	  Parameters
+	        stop    "<|im_start|>"
+	        stop    "<|im_end|>"
+	 
+	  License
+	        Apache License
+	        Version 2.0, January 2004
+
+```
+
+方式二：Ollama 导入 GGUF 模型文件到本地磁盘
+----------------------------
+
+若我们已经从 HF 或者 ModeScope 下载了 GGUF 文件（文件名为：**Meta-Llama-3-8B-Instruct.Q4_K_M.gguf**），在我们存放`Llama3-8B`的 GGUF 模型文件目录中，创建一个文件名为`Modelfile`的文件，该文件的内容如下：
+
+```
+	FROM ./Meta-Llama-3-8B-Instruct.Q4_K_M.gguf
+
+```
+
+然后，打开终端，执行命令导入模型文件：`ollama create 模型名称 -f ./Modelfile`
+
+```
+	>ollama create Llama-3-8B -f ./Modelfile
+	transferring model data
+	using existing layer sha256:647a2b64cbcdbe670432d0502ebb2592b36dd364d51a9ef7a1387b7a4365781f
+	creating new layer sha256:459d7c837b2bd7f895a15b0a5213846912693beedaf0257fbba2a508bc1c88d9
+	writing manifest
+	success
+
+```
+
+导入成功之后，我们就可以通过`list`命名，看到名为 **Llama-3-8B** 的本地模型了，后续可以和其他模型一样进行管理了。
+
+方式三：Ollama 导入 safetensors 模型文件到到本地磁盘
+------------------------------------
+
+官方操作文档：[https://ollama.fan/getting-started/import/#importing-pytorch-safetensors](https://ollama.fan/getting-started/import/#importing-pytorch-safetensors)
+
+若我们已经从 HF 或者 ModeScope 下载了 safetensors 文件（文件目录为：**Mistral-7B**），
+
+```
+	git lfs install
+	 
+	git clone https://www.modelscope.cn/rubraAI/Mistral-7B-Instruct-v0.3.git Mistral-7B
+
+```
+
+然后，我们转换模型（结果：`Mistral-7B-v0.3.bin`）：
+
+```
+	python llm/llama.cpp/convert.py ./Mistral-7B --outtype f16 --outfile Mistral-7B-v0.3.bin
+
+```
+
+接下来，进行量化量化：
+
+```
+	llm/llama.cpp/quantize Mistral-7B-v0.3.bin Mistral-7B-v0.3_Q4.bin q4_0
+
+```
+
+最后，通过 Ollama 导入到本地磁盘，创建`Modelfile`模型文件：
+
+```
+	FROM Mistral-7B-v0.3_Q4.bin
+
+```
+
+执行导入命令，导入模型文件：`ollama create 模型名称 -f ./Modelfile`
+
+```
+	>ollama create Mistral-7B-v0.3 -f ./Modelfile
+	transferring model data
+	using existing layer sha256:647a2b64cbcdbe670432d0502ebb2592b36dd364d51a9ef7a1387b7a4365781f
+	creating new layer sha256:459d7c837b2bd7f895a15b0a5213846912693beedaf0257fbba2a508bc1c88d9
+	writing manifest
+	success
+
+```
+
+导入成功之后，我们就可以通过`list`命名，看到名为 **Mistral-7B-v0.3** 的本地模型了，后续可以和其他模型一样进行管理了。
+
+基于 WebUI 部署 Ollama 可视化对话界面
+--------------------------
+
+**Ollama** 自带控制台对话界面体验总归是不太好，接下来部署 Web 可视化聊天界面：
+
+1.  下载并安装 Node.js 工具：[https://nodejs.org/zh-cn](https://nodejs.org/zh-cn)
+2.  下载`ollama-webui`工程代码：`git clone https://github.com/ollama-webui/ollama-webui-lite ollama-webui`
+3.  切换`ollama-webui`代码的目录：`cd ollama-webui`
+4.  设置 Node.js 工具包镜像源（下载提速）：`npm config set registry http://mirrors.cloud.tencent.com/npm/`
+5.  安装 Node.js 依赖的工具包：`npm install`
+6.  最后，启动 Web 可视化界面：`npm run dev`
+
+![](https://ntopic.cn/p/2024071001/05.jpg)
+
+如果看到以上输出，代表 Web 可视化界面已经成功了！
+
+浏览器打开 Web 可视化界面：[http://localhost:3000/](http://localhost:3000/)
+
+![](https://ntopic.cn/p/2024071001/06.png)
+
+Ollama 客户端：HTTP 访问服务
+--------------------
+
+Ollama 默认提供了`generate`和`chat`这 2 个原始的 API 接口，使用方式如下：
+
+1.  `generate`接口的使用样例：
+
+```
+	curl http://localhost:11434/api/generate -d "{
+	  'model': 'qwen:0.5b',
+	  'prompt': '为什么天空是蓝色的？'
+	}"
+
+```
+
+2.  `chat`接口的使用样例：
+
+```
+	curl http://localhost:11434/api/chat -d '{
+	  "model": "qwen:7b",
+	  "messages": [
+	    { "role": "user", "content": "为什么天空是蓝色的？" }
+	  ]
+	}'
+
+```
+
+接下来的 **Python** 和 **Java** 客户端应用，都是对这 2 个接口的封装。
+
+Ollama 客户端：Python API 应用
+------------------------
+
+我们把 Ollama 集成到 Python 应用中，只需要以下简单 2 步即可：
+
+**第一步**，安装 Python 依赖包：
+
+**第二步**，使用 Ollama 接口，`stream=True`代表按照流式输出：
+
+```
+	import ollama
+	 
+	# 流式输出
+	def api_generate(text:str):
+	  print(f'提问：{text}')
+	 
+	  stream = ollama.generate(
+	    stream=True,
+	    model='qwen:7b',
+	    prompt=text,
+	    )
+	 
+	  print('-----------------------------------------')
+	  for chunk in stream:
+	    if not chunk['done']:
+	      print(chunk['response'], end='', flush=True)
+	    else:
+	      print('\n')
+	      print('-----------------------------------------')
+	      print(f'总耗时：{chunk['total_duration']}')
+	      print('-----------------------------------------')
+	 
+	 
+	if __name__ == '__main__':
+	  # 流式输出
+	  api_generate(text='天空为什么是蓝色的？')
+	 
+	  # 非流式输出
+	  content = ollama.generate(model='qwen:0.5b', prompt='天空为什么是蓝色的？')
+	  print(content)
+
+```
+
+Ollama 客户端：Java API 应用（SpringBoot 应用）
+-------------------------------------
+
+我们也可以把 Ollama 集成到 SpringBoot 应用中，只需要以下简单 3 步即可：
+
+**第一步**，在总`pom.xml`中新增 SpringBoot Starter 依赖：
+
+```
+	<dependency>
+	  <groupId>io.springboot.ai</groupId>
+	  <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
+	  <version>1.0.0</version>
+	</dependency>
+
+```
+
+**第二步**，在 SpringBoot 配置文件`application.properties`中增加 Ollama 配置信息：
+
+```
+	server.port=8088
+	spring.application.name=NTopicBootX
+	spring.ai.ollama.base-url=http://localhost:11434
+	spring.ai.ollama.chat.options.model=qwen:0.5b
+
+```
+
+配置文件指定了 Ollama API 地址和端口，同时指定了默认模型 **qwen:0.5b**（注意：模型需要在本地已经存在）
+
+**第三步**，使用`OllamaChatClient`进行文字生成或者对话：
+
+```
+	import org.springframework.ai.chat.ChatResponse;
+	import org.springframework.ai.chat.prompt.Prompt;
+	import org.springframework.ai.ollama.OllamaChatClient;
+	import org.springframework.ai.ollama.api.OllamaOptions;
+	import org.springframework.beans.factory.annotation.Autowired;
+	import org.springframework.beans.factory.annotation.Qualifier;
+	import org.springframework.web.bind.annotation.GetMapping;
+	import org.springframework.web.bind.annotation.RequestParam;
+	import org.springframework.web.bind.annotation.RestController;
+	 
+	@RestController
+	public class OllamaClientController {
+	 
+	    @Autowired
+	    @Qualifier("ollamaChatClient")
+	    private OllamaChatClient ollamaChatClient;
+	 
+	    
+	     * http://localhost:8088/ollama/chat/v1?msg=天空为什么是蓝色的？
+	     */
+	    @GetMapping("/ollama/chat/v1")
+	    public String ollamaChat(@RequestParam String msg) {
+	        return this.ollamaChatClient.call(msg);
+	    }
+	 
+	    
+	     * http://localhost:8088/ollama/chat/v2?msg=人为什么要不断的追求卓越？
+	     */
+	    @GetMapping("/ollama/chat/v2")
+	    public Object ollamaChatV2(@RequestParam String msg) {
+	        Prompt prompt = new Prompt(msg);
+	        ChatResponse chatResponse = ollamaChatClient.call(prompt);
+	        return chatResponse;
+	    }
+	 
+	    
+	     * http://localhost:8088/ollama/chat/v3?msg=你认为老牛同学的文章如何？
+	     */
+	    @GetMapping("/ollama/chat/v3")
+	    public Object ollamaChatV3(@RequestParam String msg) {
+	        Prompt prompt = new Prompt(
+	                msg,
+	                OllamaOptions.create()
+	                        .withModel("qwen:0.5b")
+	                        .withTemperature(0.4F));
+	        ChatResponse chatResponse = ollamaChatClient.call(prompt);
+	        return chatResponse.getResult().getOutput().getContent();
+	    }
+	}
+
+```
+
+以上是 Java 客户端的简单样例，我们可以通过`OllamaChatClient`访问 Ollama 接口，既可以使用默认大模型，也可以在参数指定模型名称！
+
+[基于 Qwen2/Lllama3 等大模型，部署团队私有化 RAG 知识库系统的详细教程（Docker+AnythingLLM）](https://mp.weixin.qq.com/s/PpY3k3kReKfQdeOJyrB6aw)
+
+[使用 Llama3/Qwen2 等开源大模型，部署团队私有化 Code Copilot 和使用教程](https://mp.weixin.qq.com/s/vt1EXVWtwm6ltZVYtB4-Tg)
+
+[本地部署 GLM-4-9B 清华智谱开源大模型方法和对话效果体验](https://mp.weixin.qq.com/s/g7lDfnRRGdrHqN7WGMSkAg)
+
+[玩转 AI，笔记本电脑安装属于自己的 Llama 3 8B 大模型和对话客户端](https://mp.weixin.qq.com/s/MekCUJDhKzuUnoykkGoH2g)
+
+[ChatTTS 开源文本转语音模型本地部署、API 使用和搭建 WebUI 界面](https://mp.weixin.qq.com/s/rL3vyJ_xEj7GGoKaxUh8_A)
+
+![](https://ntopic.cn/WX-21.png)

70-SimpRead/output/Ollama 完整教程：本地 LLM 管理、WebUI 对话、Python_Java 客户端 API 应用 - 老牛啊 - 博客园/Ollama 完整教程：本地 LLM 管理、WebUI 对话、Python_Java 客户端 API 应用 - 老牛啊 - 博客园.md

@@ -0,0 +1,462 @@
+---
+url: https://www.cnblogs.com/obullxl/p/18295202/NTopic2024071001
+title: Ollama 完整教程：本地 LLM 管理、WebUI 对话、Python/Java 客户端 API 应用 - 老牛啊 - 博客园
+date: 2025-08-31 12:39:45
+tag:
+summary: Ollama 可以非常方便的管理和部署我们本地大语言模型，老牛同学希望通过本文对 Ollama 进行一次详细介绍，包括本地大模型管理和使用、WebUI 对话界面部署、通过 Python 和 Java 使用 Ollama 的......
+created: 2025-08-31T12:49
+updated: 2025-09-22T13:26
+---
+老牛同学在前面有关大模型应用的文章中，多次使用了 **Ollama** 来管理和部署本地大模型（包括：**Qwen2**、**Llama3**、**Phi3**、**Gemma2** 等），但对 **Ollama** 这个非常方便管理本地大模型的软件的介绍却很少。
+
+目前，清华和智谱 AI 联合发布开源的 **GLM4-9B** 大模型也能支持 **Ollama** 进行本地部署了（[本地部署 GLM-4-9B 清华智谱开源大模型方法和对话效果体验](https://mp.weixin.qq.com/s/g7lDfnRRGdrHqN7WGMSkAg)），**Ollama** 支持的大模型越多越普及，对于的应用也就越多。为了降低大家查阅资料等学习时间，老牛同学今天尝试着对 Ollama 进行一次详细完整介绍。毕竟老牛同学也在不断学习中，若有疏漏或者错误之处，还请各位朋友多多指正，谢谢大家。
+
+本文将分为以下章节对 Ollama 进行介绍：
+
+1.  Ollama 基本介绍，它的作用是什么
+2.  Ollama 软件安装、一些常用的系统参数设置
+3.  Ollama 管理本地已有大模型（包括终端对话界面）
+4.  Ollama 导入模型到本地的三种方式：直接从 Ollama 远程仓库拉取、通过 GGUF 模型权重文件导入到本地、通过 safetensors 模型权限文件导入到本地
+5.  基于 WebUI 部署 Ollama 可视化对话界面
+6.  Ollama 客户端 API 应用，包括 Python API 和 Java API 接口应用
+
+## Ollama 是什么，它与 Llama 有什么关系？
+
+**Ollama** 官网：[https://ollama.com/](https://ollama.com/)，官方网站的介绍就一句话：**Get up and running with large language models.** （开始使用大语言模型。）
+
+**Ollama** 是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型、降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型，包括如 **Qwen2**、**Llama3**、**Phi3**、**Gemma2** 等开源的大型语言模型。
+
+**Ollama** 支持的大语言模型列表，可通过搜索模型名称查看：[https://ollama.com/library](https://ollama.com/library)
+
+**Ollama** 官方 GitHub 源代码仓库：[https://github.com/ollama/ollama/](https://github.com/ollama/ollama)
+
+**Llama** 是 Meta 公司开源的备受欢迎的一个通用大语言模型，和其他大模型一样，**Llama** 可以通过 **Ollama** 进行管理部署和推理等。
+
+因此，`Ollama`与`Llama`的关系：`Llama`是大语言模型，而`Ollama`是大语言模型（不限于`Llama`模型）便捷的管理和运维工具，它们只是名字后面部分恰巧相同而已！
+
+![](https://ntopic.cn/p/2024071001/01.png)
+
+## Ollama 安装和常用系统参数设置
+
+在官网首页，我们可以直接下载 **Ollama** 安装程序（支持 Windows/MacOS/Linux）：[https://ollama.com/](https://ollama.com/)
+
+**Ollama** 的安装过程，与安装其他普通软件并没有什么两样，安装完成之后，有几个常用的系统**环境变量**参数建议进行设置：
+
+1.  **OLLAMA_MODELS**：模型文件存放目录，默认目录为当前用户目录（Windows 目录：`C:\Users%username%.ollama\models`，MacOS 目录：`~/.ollama/models`，Linux 目录：`/usr/share/ollama/.ollama/models`），如果是 Windows 系统**建议修改**（如：D:\OllamaModels），避免 C 盘空间吃紧
+2.  **OLLAMA_HOST**：Ollama 服务监听的网络地址，默认为 **127.0.0.1**，如果允许其他电脑访问 Ollama（如：局域网中的其他电脑），**建议设置**成 **0.0.0.0**，从而允许其他网络访问
+3.  **OLLAMA_PORT**：Ollama 服务监听的默认端口，默认为 **11434**，如果端口有冲突，可以修改设置成其他端口（如：**8080** 等）
+4.  **OLLAMA_ORIGINS**：HTTP 客户端请求来源，半角逗号分隔列表，若本地使用无严格要求，可以设置成星号，代表不受限制
+5.  **OLLAMA_KEEP_ALIVE**：大模型加载到内存中后的存活时间，默认为 **5m** 即 5 分钟（如：纯数字如 300 代表 300 秒，0 代表处理请求响应后立即卸载模型，任何负数则表示一直存活）；我们可设置成 **24h**，即模型在内存中保持 24 小时，提高访问速度
+6.  **OLLAMA_NUM_PARALLEL**：请求处理并发数量，默认为 **1**，即单并发串行处理请求，可根据实际情况进行调整
+7.  **OLLAMA_MAX_QUEUE**：请求队列长度，默认值为 **512**，可以根据情况设置，超过队列长度请求被抛弃
+8.  **OLLAMA_DEBUG**：输出 Debug 日志标识，应用研发阶段可以设置成 **1**，即输出详细日志信息，便于排查问题
+9.  **OLLAMA_MAX_LOADED_MODELS**：最多同时加载到内存中模型的数量，默认为 **1**，即只能有 1 个模型在内存中
+
+## Ollama 管理本地已有大模型
+
+【展示本地大模型列表：`ollama list`】
+
+```
+	>ollama list
+	NAME            ID              SIZE    MODIFIED
+	gemma2:9b       c19987e1e6e2    5.4 GB  7 days ago
+	qwen2:7b        e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+可以看到，老牛同学本地有 2 个大模型，它们的名称（**NAME**）分别为 **gemma2:9b** 和 **qwen2:7b**。
+
+【删除单个本地大模型：`ollama rm 本地模型名称`】
+
+```
+	>ollama rm gemma2:9b
+	deleted 'gemma2:9b'
+	
+	>ollama list
+	NAME            ID              SIZE    MODIFIED
+	qwen2:7b        e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+老牛同学通过`rm`命令删除了 **gemma2:9b** 大模型之后，再次通过`list`命令查看，本地只有 **qwen2:7b** 一个大模型了。
+
+【启动本地模型：`ollama run 本地模型名`】
+
+```
+	>ollama run qwen2:0.5b
+	>>>
+
+```
+
+启动成功之后，就可以通过终端对话界面进行对话了（本命令下面也会讲到，其他详细暂且忽略）
+
+【查看本地运行中模型列表：`ollama ps`】
+
+```
+	>ollama ps
+	NAME            ID              SIZE    PROCESSOR       UNTIL
+	qwen2:0.5b      6f48b936a09f    693 MB  100% CPU        4 minutes from now
+
+```
+
+通过`ps`命名可以看到，老牛同学本地 **qwen2:0.5b** 大模型正在运行中。
+
+【复制本地大模型：`ollama cp 本地存在的模型名 新复制模型名`】
+
+```
+	>ollama cp qwen2:0.5b Qwen2-0.5B
+	copied 'qwen2:0.5b' to 'Qwen2-0.5B'
+	
+	>ollama list
+	NAME                    ID              SIZE    MODIFIED
+	Qwen2-0.5B:latest       6f48b936a09f    352 MB  4 seconds ago
+	qwen2:0.5b              6f48b936a09f    352 MB  29 minutes ago
+	qwen2:7b                e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+上面`cp`命令，老牛同学把本地 **qwen2:0.5b** 复制了一份，新模型名为 **Qwen2-0.5B**
+
+下面老牛同学介绍三种通过 Ollama 下载到本地大模型方式：
+
+1.  方式一：直接通过 Ollama 远程仓库下载，这是最直接的方式，也是最推荐、最常用的方式
+2.  方式二：如果已经有 GGUF 模型权重文件了，不想重新下载，也可以通过 Ollama 把该文件直接导入到本地（不推荐、不常用）
+3.  方式三：如果已经有 safetensors 模型权重文件，也不想重新下载，也可以通过 Ollama 把该文件直接导入到本地（不推荐、不常用）
+
+## 方式一：Ollama 从远程仓库下载大模型到本地
+
+【下载或者更新本地大模型：`ollama pull 本地/远程仓库模型名称`】
+
+本`pull`命令从 Ollama 远程仓库完整下载或增量更新模型文件，模型名称**格式**为：**模型名称: 参数规格**；如`ollama pull qwen2:0.5b` 则代表从 Ollama 仓库下载 **qwen2** 大模型的 **0.5b** 参数规格大模型文件到本地磁盘：
+
+![](<assets/1756615190796.png>)
+
+如果参数规格标记为`latest`则代表为默认参数规格，下载时**可以**不用指定，如 **Qwen2** 的 **7b** 被标记为`latest`，则`ollama pull qwen2`和`ollama pull qwen2:7b`这 2 个命令的意义是一样的，都下载的为 **7b** 参数规格模型。为了保证后续维护方便、避免误操作等，老牛同学**建议**不管是否为默认参数规格，我们下载命令中均明确参数规格。
+
+值得一提的是，今天开始 **GLM4** 支持 Ollama 部署和推理，老牛同学特意列出它的下载命令：`ollama pull glm4:9b`（和其他模型相比，其实并没有特殊支出）。需要注意的是：Ollama 最低版本为 **0.2.0** 才能支持 **GLM4** 大模型！
+
+![](<assets/1756615191422.png>)
+
+```
+	>ollama pull qwen2:0.5b
+	pulling manifest
+	pulling manifest
+	pulling manifest
+	pulling manifest
+	pulling manifest
+	pulling 8de95da68dc4... 100% ▕████████████████████████▏ 352 MB
+	pulling 62fbfd9ed093... 100% ▕████████████████████████▏  182 B
+	pulling c156170b718e... 100% ▕████████████████████████▏  11 KB
+	pulling f02dd72bb242... 100% ▕████████████████████████▏   59 B
+	pulling 2184ab82477b... 100% ▕████████████████████████▏  488 B
+	verifying sha256 digest
+	writing manifest
+	removing any unused layers
+	success
+	
+	>ollama list
+	NAME            ID              SIZE    MODIFIED
+	qwen2:0.5b      6f48b936a09f    352 MB  9 minutes ago
+	qwen2:7b        e0d4e1163c58    4.4 GB  10 days ago
+
+```
+
+若本地不存在大模型，则**下载**完整模型文件到本地磁盘；若本地磁盘存在该大模型，则**增量**下载大模型更新文件到本地磁盘。
+
+从上面最后的`list`命令结果可以看到，老牛同学本地存在了 **qwen2:0.5b** 这个名称的大模型。
+
+【下载且运行本地大模型：`ollama run 本地/远程仓库模型名称`】
+
+```
+	>ollama run qwen2:0.5b
+	>>>
+
+```
+
+若本地不存在大模型，则**下载**完整模型文件到本地磁盘（类似于`pull`命令），然后**启动**大模型；若本地存在大模型，则直接启动（不进行更新）。
+
+启动成功后，默认为终端对客界面：
+
+![](<assets/1756615192002.png>)
+
+1.  若需要输入多行文本，需要用**三引号**包裹，如：`"""这里是多行文本"""`
+2.  `/clear`清除对话上下文信息
+3.  `/bye`则退出对话窗口
+4.  `/set parameter num_ctx 4096`可设置窗口大小为 4096 个 Token，也可以通过请求设置，如：`curl <http://localhost:11434/api/generate> -d '{ "model": "qwen2:7b", "prompt": "Why is the sky blue?", "options": { "num_ctx": 4096 }}'`
+5.  `/show info`可以查看当前模型详情：  
+    ，
+
+```
+	>>> /show info
+	  Model
+	        arch                    qwen2
+	        parameters              494.03M
+	        quantization            Q4_0
+	        context length          32768
+	        embedding length        896
+	 
+	  Parameters
+	        stop    "<|im_start|>"
+	        stop    "<|im_end|>"
+	 
+	  License
+	        Apache License
+	        Version 2.0, January 2004
+
+```
+
+## 方式二：Ollama 导入 GGUF 模型文件到本地磁盘
+
+若我们已经从 HF 或者 ModeScope 下载了 GGUF 文件（文件名为：**Meta-Llama-3-8B-Instruct.Q4_K_M.gguf**），在我们存放`Llama3-8B`的 GGUF 模型文件目录中，创建一个文件名为`Modelfile`的文件，该文件的内容如下：
+
+```
+	FROM ./Meta-Llama-3-8B-Instruct.Q4_K_M.gguf
+
+```
+
+然后，打开终端，执行命令导入模型文件：`ollama create 模型名称 -f ./Modelfile`
+
+```
+	>ollama create Llama-3-8B -f ./Modelfile
+	transferring model data
+	using existing layer sha256:647a2b64cbcdbe670432d0502ebb2592b36dd364d51a9ef7a1387b7a4365781f
+	creating new layer sha256:459d7c837b2bd7f895a15b0a5213846912693beedaf0257fbba2a508bc1c88d9
+	writing manifest
+	success
+
+```
+
+导入成功之后，我们就可以通过`list`命名，看到名为 **Llama-3-8B** 的本地模型了，后续可以和其他模型一样进行管理了。
+
+## 方式三：Ollama 导入 safetensors 模型文件到到本地磁盘
+
+官方操作文档：[https://ollama.fan/getting-started/import/#importing-pytorch-safetensors](https://ollama.fan/getting-started/import/#importing-pytorch-safetensors)
+
+若我们已经从 HF 或者 ModeScope 下载了 safetensors 文件（文件目录为：**Mistral-7B**），
+
+```
+	git lfs install
+	 
+	git clone https://www.modelscope.cn/rubraAI/Mistral-7B-Instruct-v0.3.git Mistral-7B
+
+```
+
+然后，我们转换模型（结果：`Mistral-7B-v0.3.bin`）：
+
+```
+	python llm/llama.cpp/convert.py ./Mistral-7B --outtype f16 --outfile Mistral-7B-v0.3.bin
+
+```
+
+接下来，进行量化量化：
+
+```
+	llm/llama.cpp/quantize Mistral-7B-v0.3.bin Mistral-7B-v0.3_Q4.bin q4_0
+
+```
+
+最后，通过 Ollama 导入到本地磁盘，创建`Modelfile`模型文件：
+
+```
+	FROM Mistral-7B-v0.3_Q4.bin
+
+```
+
+执行导入命令，导入模型文件：`ollama create 模型名称 -f ./Modelfile`
+
+```
+	>ollama create Mistral-7B-v0.3 -f ./Modelfile
+	transferring model data
+	using existing layer sha256:647a2b64cbcdbe670432d0502ebb2592b36dd364d51a9ef7a1387b7a4365781f
+	creating new layer sha256:459d7c837b2bd7f895a15b0a5213846912693beedaf0257fbba2a508bc1c88d9
+	writing manifest
+	success
+
+```
+
+导入成功之后，我们就可以通过`list`命名，看到名为 **Mistral-7B-v0.3** 的本地模型了，后续可以和其他模型一样进行管理了。
+
+## 基于 WebUI 部署 Ollama 可视化对话界面
+
+**Ollama** 自带控制台对话界面体验总归是不太好，接下来部署 Web 可视化聊天界面：
+
+1.  下载并安装 Node.js 工具：[https://nodejs.org/zh-cn](https://nodejs.org/zh-cn)
+2.  下载`ollama-webui`工程代码：`git clone https://github.com/ollama-webui/ollama-webui-lite ollama-webui`
+3.  切换`ollama-webui`代码的目录：`cd ollama-webui`
+4.  设置 Node.js 工具包镜像源（下载提速）：`npm config set registry http://mirrors.cloud.tencent.com/npm/`
+5.  安装 Node.js 依赖的工具包：`npm install`
+6.  最后，启动 Web 可视化界面：`npm run dev`
+
+![](<assets/1756615197189.png>)
+
+如果看到以上输出，代表 Web 可视化界面已经成功了！
+
+浏览器打开 Web 可视化界面：[http://localhost:3000/](http://localhost:3000/)
+
+![](https://ntopic.cn/p/2024071001/06.png)
+
+## Ollama 客户端：HTTP 访问服务
+
+Ollama 默认提供了`generate`和`chat`这 2 个原始的 API 接口，使用方式如下：
+
+1.  `generate`接口的使用样例：
+
+```
+	curl http://localhost:11434/api/generate -d "{
+	  'model': 'qwen:0.5b',
+	  'prompt': '为什么天空是蓝色的？'
+	}"
+
+```
+
+2.  `chat`接口的使用样例：
+
+```
+	curl http://localhost:11434/api/chat -d '{
+	  "model": "qwen:7b",
+	  "messages": [
+	    { "role": "user", "content": "为什么天空是蓝色的？" }
+	  ]
+	}'
+
+```
+
+接下来的 **Python** 和 **Java** 客户端应用，都是对这 2 个接口的封装。
+
+## Ollama 客户端：Python API 应用
+
+我们把 Ollama 集成到 Python 应用中，只需要以下简单 2 步即可：
+
+**第一步**，安装 Python 依赖包：
+
+**第二步**，使用 Ollama 接口，`stream=True`代表按照流式输出：
+
+```
+	import ollama
+	 
+	# 流式输出
+	def api_generate(text:str):
+	  print(f'提问：{text}')
+	 
+	  stream = ollama.generate(
+	    stream=True,
+	    model='qwen:7b',
+	    prompt=text,
+	    )
+	 
+	  print('-----------------------------------------')
+	  for chunk in stream:
+	    if not chunk['done']:
+	      print(chunk['response'], end='', flush=True)
+	    else:
+	      print('\n')
+	      print('-----------------------------------------')
+	      print(f'总耗时：{chunk['total_duration']}')
+	      print('-----------------------------------------')
+	 
+	 
+	if __name__ == '__main__':
+	  # 流式输出
+	  api_generate(text='天空为什么是蓝色的？')
+	 
+	  # 非流式输出
+	  content = ollama.generate(model='qwen:0.5b', prompt='天空为什么是蓝色的？')
+	  print(content)
+
+```
+
+## Ollama 客户端：Java API 应用（SpringBoot 应用）
+
+我们也可以把 Ollama 集成到 SpringBoot 应用中，只需要以下简单 3 步即可：
+
+**第一步**，在总`pom.xml`中新增 SpringBoot Starter 依赖：
+
+```
+	<dependency>
+	  <groupId>io.springboot.ai</groupId>
+	  <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
+	  <version>1.0.0</version>
+	</dependency>
+
+```
+
+**第二步**，在 SpringBoot 配置文件`application.properties`中增加 Ollama 配置信息：
+
+```
+	server.port=8088
+	spring.application.name=NTopicBootX
+	spring.ai.ollama.base-url=http://localhost:11434
+	spring.ai.ollama.chat.options.model=qwen:0.5b
+
+```
+
+配置文件指定了 Ollama API 地址和端口，同时指定了默认模型 **qwen:0.5b**（注意：模型需要在本地已经存在）
+
+**第三步**，使用`OllamaChatClient`进行文字生成或者对话：
+
+```
+	import org.springframework.ai.chat.ChatResponse;
+	import org.springframework.ai.chat.prompt.Prompt;
+	import org.springframework.ai.ollama.OllamaChatClient;
+	import org.springframework.ai.ollama.api.OllamaOptions;
+	import org.springframework.beans.factory.annotation.Autowired;
+	import org.springframework.beans.factory.annotation.Qualifier;
+	import org.springframework.web.bind.annotation.GetMapping;
+	import org.springframework.web.bind.annotation.RequestParam;
+	import org.springframework.web.bind.annotation.RestController;
+	 
+	@RestController
+	public class OllamaClientController {
+	 
+	    @Autowired
+	    @Qualifier("ollamaChatClient")
+	    private OllamaChatClient ollamaChatClient;
+	 
+	    
+	     * http://localhost:8088/ollama/chat/v1?msg=天空为什么是蓝色的？
+	     */
+	    @GetMapping("/ollama/chat/v1")
+	    public String ollamaChat(@RequestParam String msg) {
+	        return this.ollamaChatClient.call(msg);
+	    }
+	 
+	    
+	     * http://localhost:8088/ollama/chat/v2?msg=人为什么要不断的追求卓越？
+	     */
+	    @GetMapping("/ollama/chat/v2")
+	    public Object ollamaChatV2(@RequestParam String msg) {
+	        Prompt prompt = new Prompt(msg);
+	        ChatResponse chatResponse = ollamaChatClient.call(prompt);
+	        return chatResponse;
+	    }
+	 
+	    
+	     * http://localhost:8088/ollama/chat/v3?msg=你认为老牛同学的文章如何？
+	     */
+	    @GetMapping("/ollama/chat/v3")
+	    public Object ollamaChatV3(@RequestParam String msg) {
+	        Prompt prompt = new Prompt(
+	                msg,
+	                OllamaOptions.create()
+	                        .withModel("qwen:0.5b")
+	                        .withTemperature(0.4F));
+	        ChatResponse chatResponse = ollamaChatClient.call(prompt);
+	        return chatResponse.getResult().getOutput().getContent();
+	    }
+	}
+
+```
+
+以上是 Java 客户端的简单样例，我们可以通过`OllamaChatClient`访问 Ollama 接口，既可以使用默认大模型，也可以在参数指定模型名称！
+
+[基于 Qwen2/Lllama3 等大模型，部署团队私有化 RAG 知识库系统的详细教程（Docker+AnythingLLM）](https://mp.weixin.qq.com/s/PpY3k3kReKfQdeOJyrB6aw)
+
+[使用 Llama3/Qwen2 等开源大模型，部署团队私有化 Code Copilot 和使用教程](https://mp.weixin.qq.com/s/vt1EXVWtwm6ltZVYtB4-Tg)
+
+[本地部署 GLM-4-9B 清华智谱开源大模型方法和对话效果体验](https://mp.weixin.qq.com/s/g7lDfnRRGdrHqN7WGMSkAg)
+
+[玩转 AI，笔记本电脑安装属于自己的 Llama 3 8B 大模型和对话客户端](https://mp.weixin.qq.com/s/MekCUJDhKzuUnoykkGoH2g)
+
+[ChatTTS 开源文本转语音模型本地部署、API 使用和搭建 WebUI 界面](https://mp.weixin.qq.com/s/rL3vyJ_xEj7GGoKaxUh8_A)
+
+![](<assets/1756615202844.png>)

70-SimpRead/output/同步助手 - 文档中心 - 简悦 SimpRead - 如杂志般沉浸式阅读体验的扩展.md

@@ -0,0 +1,705 @@
+---
+created: 2025-08-30T11:44
+updated: 2025-09-22T13:27
+---
+> 本文由 [简悦 SimpRead](http://ksria.com/simpread/) 转码， 原文地址 [simpread.pro](https://simpread.pro/docs/#/Sync?id=%e5%af%bc%e5%87%ba%e6%96%87%e4%bb%b6%e5%a4%b9)
+
+> 文档中心 | 简悦 SimpRead - 如杂志般沉浸式阅读体验的扩展
+
+> [简悦 · 同步助手](#/Sync) 是 **随着简悦 2.1.0 发布的一个全新的 Desktop App**，用于对简悦已知功能的补充，以及会 **持续提供更多** 的可玩性。
+
+![](https://z3.ax1x.com/2021/05/19/g4vN9S.png)
+
+[目录](#/Sync?id=%e7%9b%ae%e5%bd%95)
+----------------------------------
+
+*   [描述](#/Sync?id=%e6%8f%8f%e8%bf%b0)
+    
+*   [支持平台](#/Sync?id=%e6%94%af%e6%8c%81%e5%b9%b3%e5%8f%b0)
+    
+*   [更新日志](#/Sync?id=%e6%9b%b4%e6%96%b0%e6%97%a5%e5%bf%97)
+    
+*   [下载](#/Sync?id=%e4%b8%8b%e8%bd%bd)
+    
+*   [教程](#/Sync?id=%e6%95%99%e7%a8%8b)
+    
+*   [验证](#/Sync?id=%e9%aa%8c%e8%af%81)
+    
+*   [同步](#/Sync?id=%e5%90%8c%e6%ad%a5)
+    
+    *   [如何配置](#/Sync?id=%e5%a6%82%e4%bd%95%e9%85%8d%e7%bd%ae)
+        
+    *   [自动同步](#/Sync?id=%e8%87%aa%e5%8a%a8%e5%90%8c%e6%ad%a5)
+        
+    *   [自动同步的注意事项](#/Sync?id=%e8%87%aa%e5%8a%a8%e5%90%8c%e6%ad%a5%3fid)
+        
+*   [内置解析](#/Sync?id=%e5%86%85%e7%bd%ae%e8%a7%a3%e6%9e%90)
+    
+*   [导出到本地](#/Sync?id=%e5%af%bc%e5%87%ba%e6%9c%8d%e5%8a%a1)
+    
+    *   [导出文件夹](#/Sync?id=%e5%af%bc%e5%87%ba%e6%96%87%e4%bb%b6%e5%a4%b9)
+        
+    *   [如何使用](#/Sync?id=%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8)
+        
+    *   [增强导出](#/Sync?id=%e5%a2%9e%e5%bc%ba%e5%af%bc%e5%87%ba)
+        
+    *   [读取外部文件](#/Sync?id=%e5%a4%96%e9%83%a8%e6%96%87%e4%bb%b6)
+        
+    *   [删除旧文件](#/Sync?id=%e5%88%a0%e9%99%a4%e6%97%a7%e6%96%87%e4%bb%b6)
+        
+*   [导出类型](#/Sync?id=%e5%af%bc%e5%87%ba%e7%b1%bb%e5%9e%8b)
+    
+    *   [PDF](#/Sync?id=pdf)
+        
+    *   [pandoc](#/Sync?id=pandoc)
+        
+    *   [Epub](#/Sync?id=epub)
+        
+    *   [assets + md](#/Sync?id=assets-md)
+        
+    *   [Textbundle](#/Textbundle)
+        
+    *   [邮件服务](#/邮件服务)
+        
+    *   [发送到 Kindle](#/发送到-Kindle)
+        
+*   [导出服务](#/Sync?id=%e8%87%aa%e5%8a%a8%e5%8c%96%e6%9c%8d%e5%8a%a1)
+    
+    *   [Hypothesis](#/自动化服务?id=hypothes)
+        
+    *   [Readwise.io](#/自动化服务?id=readwise)
+        
+*   [数据中心](#/Sync?id=%e6%95%b0%e6%8d%ae%e4%b8%ad%e5%bf%83)
+    
+*   [URL Scheme](#/Sync?id=urlscheme)
+    
+*   [稍后读相关](#/Sync?id=%e7%a8%8d%e5%90%8e%e8%af%bb%e7%9b%b8%e5%85%b3)
+    
+    *   [打开稍后读](#/Sync?id=%e6%89%93%e5%bc%80%e7%a8%8d%e5%90%8e%e8%af%bb)
+        
+    *   [极速版](#/Sync?id=%e6%9e%81%e9%80%9f%e7%89%88)
+        
+    *   [标注嵌入模式](#/Sync?id=%e6%a0%87%e6%b3%a8%e5%b5%8c%e5%85%a5%e6%a8%a1%e5%bc%8f)
+        
+        *   [嵌入到 Obsidian](#/Sync?id=%e5%b5%8c%e5%85%a5%e5%88%b0obsidian)
+            
+        *   [嵌入到 Logseq](#/Sync?id=%e5%b5%8c%e5%85%a5%e5%88%b0logseq)
+            
+        *   [嵌入到 MenubarX](#/Sync?id=%e5%b5%8c%e5%85%a5%e5%88%b0menbarx)
+            
+    *   [Token](#/Sync?id=token)
+        
+*   [主题](#/Sync?id=%e4%b8%bb%e9%a2%98)
+    
+*   [暗色模式](#/Sync?id=%e6%9a%97%e8%89%b2%e6%a8%a1%e5%bc%8f)
+    
+*   [文档地址源](#/Sync?id=%e6%96%87%e6%a1%a3%e5%9c%b0%e5%9d%80%e6%ba%90)
+    
+*   [Bookmarklet](#/Sync?id=bookmarklet)
+    
+*   [日志输出](#/Sync?id=%e6%97%a5%e5%bf%97)
+    
+
+[描述](#/Sync?id=%e6%8f%8f%e8%bf%b0)
+----------------------------------
+
+**简悦 · 同步助手** 为简悦 · 高级账户提供了增强型的功能，如：
+
+1.  **自动同步**
+    
+2.  **小书签**
+    
+3.  导出到文件 **本地的任意位置**
+    
+4.  **原生 PDF · Epub** 导出
+    
+5.  **直接发送到你的 Kindle**
+    
+6.  内置解析
+    
+7.  **邮件发送**
+    
+8.  **自动化** 导出
+    
+
+等诸多仅扩展端无法提供的功能，同时也为简悦 · 稍后读的客户端提供了一个未来可接入的入口。
+
+[支持平台](#/Sync?id=%e6%94%af%e6%8c%81%e5%b9%b3%e5%8f%b0)
+------------------------------------------------------
+
+> 基本上涵盖了全部平台，包括：`Windows` · `Mac` · `Linux` 与 [命令行版本](https://github.com/Kenshin/simpread/discussions/3704) · [Docker](https://github.com/Kenshin/simpread/discussions/4312)。
+
+> 关于同步助手的更多玩法和介绍，[请看这里](https://github.com/Kenshin/simpread/discussions/categories/%E5%90%8C%E6%AD%A5%E5%8A%A9%E6%89%8B)。
+
+[更新日志](#/Sync?id=%e6%9b%b4%e6%96%b0%e6%97%a5%e5%bf%97)
+------------------------------------------------------
+
+> 详细说明 [请看这里](https://simpreadpublish.notion.site/simpreadpublish/2482effc334e4df8aa3aac7da8bb8059)
+
+[下载](#/Sync?id=%e4%b8%8b%e8%bd%bd)
+----------------------------------
+
+包含简悦同步助手的全部版本：
+
+*   [Onedrive@世纪互联](https://experience.sharepoint.cn/:f:/s/simpread/EooPpw5vqrpLoMInbTpV1rgB5hyvrqv-cdhPCGwiLxrDvw?e=NJ9ZPG) **国内用户首选**
+    
+*   [FlowUs](https://flowus.cn/share/be3e616f-a047-40d4-94dc-e89f795a7a5e) **国内用户首选**
+    
+*   [百度网盘](https://pan.baidu.com/s/1ARQZ-zcQroTzHDJWWRJUIQ?pwd=m4pt) 提取码: m4pt **偶尔会被无故取消分享 😂**
+    
+*   [Box.net](https://app.box.com/s/q7hz86hkeqgoc7mkofxaxu5eiup88j32) **国外用户首选**
+    
+*   [OneDrive](https://1drv.ms/u/s!Aua4SNl3dUARh0iLAigvKGbGEHMz?e=LJe6f3)
+    
+    > 如无法访问请退出你的 OneDrive 账户，或在隐身模式下打开此链接。
+    
+*   Telegram Channel
+    
+    *   1.0.1 → [win 64 & 32](https://t.me/simpread/171) [mac](https://t.me/simpread/166)
+        
+    *   1.0.2 → [Telegram Group](https://t.me/simpreadgroup/56764)（含全部系统）
+        
+    *   1.1.0 → [Telegram Group](https://t.me/simpreadgroup/57763)（含全部系统）
+        
+
+[无法使用](#/Sync?id=%e6%97%a0%e6%b3%95%e4%bd%bf%e7%94%a8)
+------------------------------------------------------
+
+在 Windows 上运行可能会被 360 类的产品误报，因为同步助手使用了 Electron 技术，所以有可能存在此情况，如果是在上述官方提到的渠道下载，请放心使用。
+
+如果你在运行同步助手是遇到了问题，[Mac 用户看这里](https://github.com/Kenshin/simpread/discussions/2283) [Windows 用户看这里](https://github.com/Kenshin/simpread/discussions/2129)。
+
+[教程](#/Sync?id=%e6%95%99%e7%a8%8b)
+----------------------------------
+
+> 包含同步助手验证、绑定、自动同步、增强导出等功能的 [一站式教程](https://www.yuque.com/kenshin/simpread/pwpnsx)。
+
+[验证](#/Sync?id=%e9%aa%8c%e8%af%81)
+----------------------------------
+
+**简悦 · 同步助手** 在安装后需要与你的 **简悦 · 高级账户** 绑定后才能使用，验证流程：
+
+### [前提](#/Sync?id=%e5%89%8d%e6%8f%90)
+
+1.  确保安装简悦扩展端为 2.1.0 版本以上。
+    
+2.  确保你已经是高级账户。
+    
+
+### [验证](#/Sync?id=%e9%aa%8c%e8%af%81-1)
+
+1.  运行 **简悦 · 同步助手**
+    
+2.  **简悦 → 选项页 → 共通 → 简悦 · 同步助手 → 授权验证并开启简悦 · 同步助手**
+    
+    ![](https://s1.ax1x.com/2020/11/11/BXhkxP.md.png)
+    
+3.  认证无误后会有提示，如下图：
+    
+    ![](https://s1.ax1x.com/2020/11/11/BXh1x0.png)
+    
+
+[注意事项](#/Sync?id=%e6%b3%a8%e6%84%8f%e4%ba%8b%e9%a1%b9)
+------------------------------------------------------
+
+1.  端口号默认为 `7026`，建议不要随意更改。
+2.  简悦 · 同步助手 **仅可绑定一个** 简悦 · 高级帐号，即：授权验证后再无法再次绑定。（但可以通过重置的方式来解决）
+
+[同步](#/Sync?id=%e5%90%8c%e6%ad%a5)
+----------------------------------
+
+Tip
+
+通过此功能，简悦可以将 **配置文件保存到本地的任意位置**。
+
+### [如何配置](#/Sync?id=%e5%a6%82%e4%bd%95%e9%85%8d%e7%bd%ae)
+
+配置起来很简单，只需要选择 **配置文件保存的本地文件夹位置** 后就可以了。
+
+![](https://s1.ax1x.com/2022/11/09/zSKDbQ.png)
+
+### [自动同步](#/Sync?id=%e8%87%aa%e5%8a%a8%e5%90%8c%e6%ad%a5)
+
+Tip
+
+当使用同步功能后，如果选择的文件夹恰好是某个网盘的同步文件夹，就可以实现自动同步的功能。详细配置 [请看这里](#/自动同步)。
+
+### [自动同步的注意事项](#/Sync?id=%e8%87%aa%e5%8a%a8%e5%90%8c%e6%ad%a5%e7%9a%84%e6%b3%a8%e6%84%8f%e4%ba%8b%e9%a1%b9)
+
+> 详细配置 [请看这里](#/自动同步?id=%e6%b3%a8%e6%84%8f%e4%ba%8b%e9%a1%b9)
+
+[内置解析](#/Sync?id=%e5%86%85%e7%bd%ae%e8%a7%a3%e6%9e%90)
+------------------------------------------------------
+
+> 得益于 **简悦 · 同步助手**，简悦 · 稍后读内置的阅读模式解析得到全面「飞跃」，可解析 **动态加载** **包含了 LateX 的页面**，同时也解决了 **简悦 2.0 的某些页面乱码问题**。
+
+> 此功能需要在稍后读中使用，详细说明 [请看这里](#/稍后读?id=%e9%98%85%e8%af%bb%e6%a8%a1%e5%bc%8f%e8%a7%a3%e6%9e%90%e5%99%a8)。
+
+[导出服务](#/Sync?id=%e5%af%bc%e5%87%ba%e6%9c%8d%e5%8a%a1)
+------------------------------------------------------
+
+得益于 **简悦 · 同步助手** 的加持，在简悦原有导出的功能的基础上增加（强）了如下功能：
+
+*   可导出到任意目录
+    
+*   `原生 PDF` `原生 Epub`
+    
+*   `TextBundle` `md + assets`
+    
+*   `Markdeep`
+    
+*   `发送到邮件` `直接发送到 Kindle`
+    
+*   支持任意格式导出 e.g. `.docs`
+    
+
+### [导出文件夹](#/Sync?id=%e5%af%bc%e5%87%ba%e6%96%87%e4%bb%b6%e5%a4%b9)
+
+Tip
+
+通过设置导出文件夹，可以**将阅读模式的导出功能** 导出到此文件夹中。
+
+1.  在 **同步配置文件夹目录** 建立 `output` 文件夹
+    
+    ![](https://s1.ax1x.com/2022/11/09/zSK93V.png)
+    
+    > 也可选择与 **同步配置文件夹目录** 不一样的本地文件夹；也可保留为空，即使用 **同步配置文件夹目录** 下面的 `output` 文件夹。
+    
+2.  **简悦 · 同步助手** 开启相关选项（默认为开启状态）
+    
+    ![](https://s1.ax1x.com/2022/11/09/zSF8W4.png)
+    
+3.  **简悦（扩展端） → 选项页 → 共通 → 简悦 · 同步助手** 也同样开启以下功能。
+    
+    ![](https://s1.ax1x.com/2020/11/11/BXb3Hx.md.png)
+    
+
+### [如何使用](#/Sync?id=%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8)
+
+与之前的导出功能所在的位置一样，即：进入 **阅读模式 | 聚焦模式 → 右下角 控制栏 → 动作 → 导出**
+
+![](https://s1.ax1x.com/2022/11/09/zSMZqg.png)
+
+### [增强导出](#/Sync?id=%e5%a2%9e%e5%bc%ba%e5%af%bc%e5%87%ba)
+
+Tip
+
+1.0.2 版新增的功能，类似 Hazel 的自动化功能，可以将任意导出文件导出到指定目录。
+
+Warning
+
+下面的例子只是例子，目前 **暂时不支持同一个关键字执行多次方案**，比如： `md` 关键字只能执行一次，即第一次设置它的规则，即便后面有多个 `md` 规则都不会生效。
+
+```
+{"extension":"external", "path":"/Users/xxxx/xxxx/simpublish-demo/api/_output"}
+{"extension":"pdf", "path":"/Users/xxxx/xxxx/Ebook"}
+{"extension":"epub", "path":""}
+{"extension":"docx", "path":""}
+{"extension":"assets", "path":"/Users/xxxx/xxxx/Obsidian/SimpRead"}
+{"extension":"textbundle", "path":""}
+{"extension":"md", "path":"/Users/xxxx/xxxx/Obsidian/SimpRead"}
+
+```
+
+当导出类型为 Markdown 且为标注时，保存到 `/Users/xxxx/xxxx/Obsidian@simpread/SimpRead`
+
+```
+{"extension":"md", "path":"/Users/xxxx/xxxx/Obsidian@simpread/SimpRead", "type":"annote"}
+
+```
+
+当导出类型为 md + assets 且为全文时，保存到 `/Users/xxxx/xxxx/Obsidian@simpread/Inbox`
+
+```
+{"extension":"assets", "path":"/Users/xxxx/xxxx/Obsidian@simpread/Inbox", "type":"page"}
+
+```
+
+当导出类型为 `tts` ，保存到 `/Users/xxxx/xxxx/tts`
+
+```
+{"extension":"tts", "path":"/Users/xxxx/xxxx/tts"}
+
+```
+
+简单的解释
+
+*   `extension` → 任意文件的后缀 `epub` `docx` `md` `html` 等
+    
+    有几个特殊的后缀：
+    
+    *   `external` → 导出 HTML 时，将当前 `xxx.html` 复制到 `path` 对应的目录，此功能注意针对 [简悦的外部资料库的自建方案](https://github.com/Kenshin/simpread/discussions?discussions_q=label%3A%22self+built%22)。
+        
+    *   `assets` → 可以辅助 [导出 md + assets 格式](https://github.com/Kenshin/simpread/discussions/4041) 实现 `md + assets` 结构。
+        
+    *   `tts` → 可以辅助 [朗读](#/TTS?id=%e4%b8%8b%e8%bd%bd%e4%bd%8d%e7%bd%ae) 功能将正文转换的语音保存到任意位置。
+        
+*   `output` → 导出文件夹地址
+    
+    *   `""` → 空值，即当前导出目录的同 `extension` 文件夹，如
+        
+        `{"extension":"epub", "path":""}` 则会在导出文件夹中新建 `epub` 文件夹。
+        
+    *   `"/xxxx"` → 有值，根据对应值的位置导出。
+        
+*   type → 导出类型（ 此功能为 [同步助手 1.1.3 版](#/Sync) 功能，如低于此版本 [请升级](#/Sync?id=%e4%b8%8b%e8%bd%bd) ）。
+    
+    *   `annote` → 标注 e.g. `1234-xxx@annote`
+        
+    *   `page` → 全文 e.g. `1234-xxx`
+        
+    
+    > type 参数可以省略，当省略后不区分 **全文 or 标注**。
+    
+    > 通过区分全文 or 标注，可以实现以下方案：
+    
+    > 将标注导入到 Obsidian SimpRead 文件夹，将 assets 形式的全文导入到 Inbox 文件夹，做到全文和标注分开管理。
+    
+
+### [外部文件](#/Sync?id=%e5%a4%96%e9%83%a8%e6%96%87%e4%bb%b6)
+
+> 此功能为 [同步助手 1.1.3 版](#/Sync) 功能，如低于此版本 [请升级](#/Sync?id=%e4%b8%8b%e8%bd%bd)。
+
+> 将本地的任意快照（ 包括： `.html` `.md` ）生成阅读模式，同时也加入到简悦的稍后读系统，详细说明 [外部文件](#/外部文件)。
+
+### [删除旧文件](#/Sync?id=%e5%88%a0%e9%99%a4%e6%97%a7%e6%96%87%e4%bb%b6)
+
+> 当 **使用 [知识库](https://www.yuque.com/kenshin/simpread/lglfy2) 时，请启用此功能**。当删除稍后读时，无法自动同步删除本地快照，启用此功能后会避免出现重复的 `idx-xxx.html`。
+
+[导出类型](#/Sync?id=%e5%af%bc%e5%87%ba%e7%b1%bb%e5%9e%8b)
+------------------------------------------------------
+
+### [PDF](#/Sync?id=pdf)
+
+#### [同步助手基础打印方案](#/Sync?id=%e5%90%8c%e6%ad%a5%e5%8a%a9%e6%89%8b%e5%9f%ba%e7%a1%80%e6%89%93%e5%8d%b0%e6%96%b9%e6%a1%88)
+
+Tip
+
+通过 **简悦 · 同步助手** 终于支持了原生的 PDF 输出功能，只要分别在：
+
+1.  简悦 · 同步助手 → 导出 → **启用导出 PDF 功能**
+    
+2.  简悦（扩展端） → 选项页 → 共通 → 简悦 · 同步助手 →**启用导出 PDF 功能**
+    
+
+即可，[导出例子](https://static.simp.red/export/simpread.pdf)。
+
+#### [wkhtmltopdf](#/Sync?id=wkhtmltopdf)
+
+Tip
+
+同步助手高级打印方案
+
+1.0.2 版的同步助手增加了更丰富的定制化 PDF 导出方案，详细 [请看这里](https://github.com/Kenshin/simpread/discussions/3887)。
+
+**同步助手高级打印方案** 还提供了基础打印方案没有的定制化功能：
+
+*   [主题、字体样式、字体大小](https://github.com/Kenshin/simpread/discussions/3887#discussioncomment-2735661)
+    
+*   [自定义字体](https://github.com/Kenshin/simpread/discussions/3887#discussioncomment-2735667)
+    
+*   [自定义样式](https://github.com/Kenshin/simpread/discussions/3887#discussioncomment-2735664)
+    
+*   [更细致的打印，如页边距、打印尺寸](https://github.com/Kenshin/simpread/discussions/3887#discussioncomment-2750058)
+    
+*   自带目录
+    
+*   完美解决因图片防盗链无法成功打印的问题。
+    
+
+#### [与调用系统打印功能对比](#/Sync?id=%e4%b8%8e%e8%b0%83%e7%94%a8%e7%b3%bb%e7%bb%9f%e6%89%93%e5%8d%b0%e5%8a%9f%e8%83%bd%e5%af%b9%e6%af%94)
+
+1.  一次点击，系统打印需要多次点击
+    
+2.  布局更合理，系统打印的白边太大
+    
+3.  跨页时图片无分割，系统打印的图片在跨页时会有分割
+    
+
+### [Pandoc](#/Sync?id=pandoc)
+
+Note
+
+[Pandoc](https://pandoc.org/) 是一个免费基于命令行的多格式转换工具，**简悦 · 同步助手** 已集成 Pandoc 的大部分功能，所以借此支持导出任意格式 e.g. `.docs` `.epub` 等，细节 [请看这里](#/定制化导出?id=%e8%87%aa%e5%ae%9a%e4%b9%89%e5%af%bc%e5%87%ba)。
+
+#### [下载地址](#/Sync?id=%e4%b8%8b%e8%bd%bd%e5%9c%b0%e5%9d%80)
+
+建议请去 [官网](https://pandoc.org/installing.html) [下载](https://github.com/jgm/pandoc/releases/latest) 请找到适合自己的系统即可。
+
+#### [安装](#/Sync?id=%e5%ae%89%e8%a3%85)
+
+根据提示一路安装即可。
+
+#### [验证（Windows）](#/Sync?id=%e9%aa%8c%e8%af%81%ef%bc%88windows%ef%bc%89)
+
+> 只要 **确保全局可以调用 pandoc 命令**，安装完毕后在命令行下输入 `pandoc -v` 看到正常的输出即可。
+
+#### [验证（Mac）](#/Sync?id=%e9%aa%8c%e8%af%81%ef%bc%88mac%ef%bc%89)
+
+> 请确保 pandoc 在你的 `/usr/local/bin/` 目录下存在，同时也确保此目录在 `$PATH` 下。
+> 
+> 一般情况下 `/usr/local/bin/` 都会存在于 `$PATH` 下。
+
+可以使用如下命令检验：
+
+`which pandoc` → 查看 pandoc 所在目录
+
+PS：一般使用 `pandoc-xxx-macOS.pkg` 安装的话，自然是 `/usr/local/bin/` 目录。
+
+> 下个版本会包含 `pandoc` 定制化目录功能
+
+#### [使用](#/Sync?id=%e4%bd%bf%e7%94%a8)
+
+**简悦 · 同步助手** 已内置了 pandoc 的使用，所以对于用户来说，无需手动设置。
+
+### [Epub](#/Sync?id=epub)
+
+借助 [pandoc](#/Sync?id=pandoc) 简悦也支持 **原生导出 Epub**，在操作上与上面保持一致，即：需要分别在 **扩展端** 与 **同步助手** 开启此选项。
+
+#### [与调用第三方 Epub 对比](#/Sync?id=%e4%b8%8e%e8%b0%83%e7%94%a8%e7%ac%ac%e4%b8%89%e6%96%b9-epub-%e5%af%b9%e6%af%94)
+
+1.  第三方 Epub 转换所需的时间较长。（取决于网络的通畅
+2.  标题为中文字体会显示乱码。
+
+而 **原生 Epub 输出** 则没有上述问题。
+
+但如果要启用此功能的话，需要在 * _本地安装 [Pandoc](#/Sync?id=pandoc) *_。
+
+#### [扩展端开启方法](#/Sync?id=%e6%89%a9%e5%b1%95%e7%ab%af%e5%bc%80%e5%90%af%e6%96%b9%e6%b3%95)
+
+> 选项页 → 共通 → 同步助手，下图所示：
+
+![](https://s3.ax1x.com/2020/12/10/riixdx.png)
+
+#### [同步助手端开启方法](#/Sync?id=%e5%90%8c%e6%ad%a5%e5%8a%a9%e6%89%8b%e7%ab%af%e5%bc%80%e5%90%af%e6%96%b9%e6%b3%95)
+
+> 同步助手默认开启此选项，下图所示
+
+![](https://s3.ax1x.com/2020/12/10/riFkyd.png)
+
+### [Textbundle](#/Sync?id=textbundle)
+
+> 详细说明 [Textbundle](#/Textbundle)
+
+### [assets + md](#/Sync?id=assets-md)
+
+Tip
+
+同步助手 1.0.2 版支持导出 md + assets，如何使用 [请看这里](https://github.com/Kenshin/simpread/discussions/4041)。
+
+`md + assets` 是一个比 Textbundle 更加广泛的方案 Obsidian、Typora 等均支持此方式。
+
+### [Markdeep](#/Sync?id=markdeep)
+
+> 详细说明 [Markdeep](#/Markdeep)
+
+### [邮件服务](#/Sync?id=%e9%82%ae%e4%bb%b6%e6%9c%8d%e5%8a%a1)
+
+> 详细说明 [邮件服务](#/邮件服务)
+
+### [发送到 Kindle](#/Sync?id=%e5%8f%91%e9%80%81%e5%88%b0kindle)
+
+> 详细说明 [发送到 Kindle](#/发送到-Kindle)
+
+[自动化服务](#/Sync?id=%e8%87%aa%e5%8a%a8%e5%8c%96%e6%9c%8d%e5%8a%a1)
+----------------------------------------------------------------
+
+Tip
+
+除了上面的增强导出功能外，同步助手还包含一类比较特殊的服务，详细说明 [自动化服务](#/自动化服务)，目前接入了下面两个服务。
+
+### [Hypothesis](#/Sync?id=hypothesis)
+
+> 详细说明 [自动化服务](#/自动化服务?id=hypothes)
+
+### [Readwise](#/Sync?id=readwise)
+
+> 详细说明 [自动化服务](#/自动化服务?id=readwise)
+
+[数据中心](#/Sync?id=%e6%95%b0%e6%8d%ae%e4%b8%ad%e5%bf%83)
+------------------------------------------------------
+
+Tip
+
+**1.2.0 版** 新增功能，内置了一组针对 `simpread_config.json` 的优化、修复、整理、统计工具，包括：
+
+*   [历史记录](#/数据中心?id=%e5%8e%86%e5%8f%b2%e8%ae%b0%e5%bd%95)
+    
+*   [修复配置文件](#/数据中心?id=%e4%bf%ae%e5%a4%8d%e9%85%8d%e7%bd%ae%e6%96%87%e4%bb%b6)
+    
+*   [清理配置文件](#/数据中心?id=%e6%b8%85%e7%90%86%e9%85%8d%e7%bd%ae%e6%96%87%e4%bb%b6)
+    
+*   [查找重复数据](#/数据中心?id=%e6%9f%a5%e6%89%be%e9%87%8d%e5%a4%8d%e6%95%b0%e6%8d%ae)
+    
+*   [数据统计](#/数据中心?id=%e6%95%b0%e6%8d%ae%e7%bb%9f%e8%ae%a1)
+    
+
+> 详细说明 [数据中心](#/数据中心)
+
+![](https://s1.ax1x.com/2023/02/23/pSxYqOA.png)
+
+[URLScheme](#/Sync?id=urlscheme)
+--------------------------------
+
+Tip
+
+**1.1.0 版** 新增功能，目前支持三种 URL Scheme，未来还会陆续增加新方案。
+
+*   `type` 包括：`unread` `extension`
+    
+    *   `simpread://open?type=unread&idx=1234&id=abc`
+        
+        > 以独立窗口打开 ID 为 `1234` 的本地快照并具有跳转到对应的标注 `abc` 此功能也叫[标注嵌入模式](#/标注嵌入模式)。
+        
+    *   `simpread://open?type=extension`
+        
+        > 以独立窗口打开扩展端稍后读
+        
+    *   `simpread://open?type=unread`
+        
+        > 以独立窗口打开 [稍后读极速版](#/Sync?id=%e6%9e%81%e9%80%9f%e7%89%88)
+        
+*   `popup` 包括： `window` → 加上参数后，每个链接都会新打开一个窗口，默认（不加此参数）则无论打开什么链接只在当前窗口打开，例如：
+    
+    *   `simpread://open?type=unread&popup=window`
+        
+    *   `simpread://open?type=unread&idx=2530&id=1666433469343&popup=window`
+        
+*   `embed`
+    
+    *   `logseq` → 显示 logseq 选项 e.g. `simpread://open?type=unread&embed=logseq`
+        
+    *   `rr` → 显示 roam research 选项 e.g. `simpread://open?type=unread&embed=rr`
+        
+
+Warning
+
+注意：Linux 用户暂时不支持 URL Scheme。
+
+[稍后读相关](#/Sync?id=%e7%a8%8d%e5%90%8e%e8%af%bb%e7%9b%b8%e5%85%b3)
+----------------------------------------------------------------
+
+Tip
+
+同步助手内置了一些跟稍后读有关系的功能，包括：通过快捷键打开稍后读、稍后读极速版等。
+
+> 1.1.3 版把同步助手稍后读的内容都整理到一起，位置：**同步助手 → 导出 → 稍后读**
+
+![](https://s1.ax1x.com/2022/11/18/znY9RH.png)
+
+### [快捷键](#/Sync?id=%e5%bf%ab%e6%8d%b7%e9%94%ae)
+
+> 此功能为 [同步助手 1.1.3 版](#/Sync) 功能，如低于此版本 [请升级](#/Sync?id=%e4%b8%8b%e8%bd%bd)。
+
+> 在 1.1.3 版中把稍后读的相关快捷键整理到 **同步助手 → 导出 → 稍后读** 里面，并增加了一些新的快捷键，详细说明 [请看这里](#/稍后读快捷键)。
+
+### [打开稍后读](#/Sync?id=%e6%89%93%e5%bc%80%e7%a8%8d%e5%90%8e%e8%af%bb)
+
+> 通过设置快捷键可将稍后读以独立窗口打开。
+
+![](https://s1.ax1x.com/2022/11/09/zSZdiV.png)
+
+#### [设置稍后读](#/Sync?id=%e8%ae%be%e7%bd%ae%e7%a8%8d%e5%90%8e%e8%af%bb)
+
+> 需要 **简悦（扩展端）· 稍后读** [创建快捷方式](#/稍后读?id=%e5%88%9b%e5%bb%ba%e5%bf%ab%e6%8d%b7%e6%96%b9%e5%bc%8f)，然后将快捷键方式的路径填入到下面的地址。
+
+> 1.1.2 版（及以下）位置：同步助手 → 共通
+
+![](https://s1.ax1x.com/2022/11/18/znJ1UO.png)
+
+> 1.1.3 版（及以上）位置：同步助手 → 导出 → 稍后读
+
+![](https://s1.ax1x.com/2022/11/18/znJmvR.png)
+
+#### [设置快捷键](#/Sync?id=%e8%ae%be%e7%bd%ae%e5%bf%ab%e6%8d%b7%e9%94%ae)
+
+> 此功能为 1.1.2 版（及以下）功能。
+
+![](https://s1.ax1x.com/2022/11/18/znJJ8H.png)
+
+> **注意：** 此方式的设置与 **简悦 · 扩展端** 一致，依次设置按键。
+
+> 1.1.3 版（及以上） [请看这里](#/Sync?id=%e7%a8%8d%e5%90%8e%e8%af%bb%e5%bf%ab%e6%8d%b7%e9%94%ae)。
+
+### [极速版](#/Sync?id=%e6%9e%81%e9%80%9f%e7%89%88)
+
+> 1.1.0 版新增功能，内置了一个极简版本的稍后读 [访问地址](http://localhost:7026/unread/)。
+
+> 可以方便的将其嵌入到 Obsidian、MenubarX、以及新标签页等任意需要的地方，详细说明 [请看这里](#/稍后读极速版)。
+
+![](https://s1.ax1x.com/2022/11/08/xzp4L8.png)
+
+### [标注嵌入模式](#/Sync?id=%e6%a0%87%e6%b3%a8%e5%b5%8c%e5%85%a5%e6%a8%a1%e5%bc%8f)
+
+> 极速版稍后读还包含了 [标注嵌入模式](#/标注嵌入模式)。
+
+![](https://s1.ax1x.com/2022/11/08/xzpHij.png)
+
+Tip
+
+基于极速版与标注嵌入模式，可以将简悦的标注系统嵌入到 Obsidian、Logseq、Roam Reasearch 等双链笔记中，彻底实现 **左侧笔记，右侧标注** 的完美方案，详细说明 [配置库](#/配置库)。
+
+### [Token](#/Sync?id=token)
+
+> 此功能为 [同步助手 1.1.3 版](#/Sync) 功能，如低于此版本 [请升级](#/Sync?id=%e4%b8%8b%e8%bd%bd)。
+
+> 简悦的稍后读数据均存在 `simpread_config.json` 中，通过此方式可以让任意应用通过 `HTTP` 方式调用的话，相当于读取了稍后读的数据，可以产生很多联动效果，详细说明 [稍后读外部访问](#/稍后读外部访问)。
+
+[文档地址源](#/Sync?id=%e6%96%87%e6%a1%a3%e5%9c%b0%e5%9d%80%e6%ba%90)
+----------------------------------------------------------------
+
+> 此功能为 [同步助手 1.1.3 版](#/Sync) 功能，如低于此版本 [请升级](#/Sync?id=%e4%b8%8b%e8%bd%bd)。
+
+> 同步助手每个功能都配有相应的说明文档，可以通过此功能来切换不同的地址源。
+
+![](https://s1.ax1x.com/2022/11/17/zmtHLq.png)
+
+> 包括：
+
+*   [Github Page](http://ksria.com/simpread/docs)
+    
+    > 默认地址源。
+    
+*   [阿里云](https://simpread.pro/docs)
+    
+    > 国内用户可选择此方案。
+    
+*   [国外线路](http://ksria.com/simpread/docs2)
+    
+    > 使用 `cdnjs.cloudflare.com` 作为 CDN。
+    
+
+[主题](#/Sync?id=%e4%b8%bb%e9%a2%98)
+----------------------------------
+
+> 此功能为 [同步助手 1.1.3 版](#/Sync) 功能，如低于此版本 [请升级](#/Sync?id=%e4%b8%8b%e8%bd%bd)。
+
+> 在默认样式的基础上增加了一个 Light 样式。
+
+![](https://s1.ax1x.com/2022/11/18/znQsPA.md.png)
+
+[暗色模式](#/Sync?id=%e6%9a%97%e8%89%b2%e6%a8%a1%e5%bc%8f)
+------------------------------------------------------
+
+> 此功能为 [同步助手 1.1.3 版](#/Sync) 功能，如低于此版本 [请升级](#/Sync?id=%e4%b8%8b%e8%bd%bd)。
+
+> 增加了暗色模式，会跟随系统的改变而已改变。（暂时不支持手动更改为暗色模式）
+
+![](https://s1.ax1x.com/2022/11/18/znQjZF.md.png)
+
+[Bookmarklet](#/Sync?id=bookmarklet)
+------------------------------------
+
+> 详细说明 [请看这里](#/Bookmarklet)。
+
+[日志](#/Sync?id=%e6%97%a5%e5%bf%97)
+----------------------------------
+
+1.0.2 版新增功能，可将同步助手的操作日志输出到任意目录。
+
+![](https://s1.ax1x.com/2022/06/07/XD9uzq.png)
+
+[Logo 设计](#/Sync?id=logo-%e8%ae%be%e8%ae%a1)
+--------------------------------------------
+
+同步助手的 Logo 自于社区用户 [Shawn](https://shawnan.design/) 的设计。

70-SimpRead/output/本地快照系统.md

@@ -0,0 +1,53 @@
+---
+created: 2025-08-30T11:45
+updated: 2025-09-22T13:27
+---
+> 本文由 [简悦 SimpRead](http://ksria.com/simpread/) 转码， 原文地址 [www.yuque.com](https://www.yuque.com/kenshin/simpread/xr9wb8b4ap5rrzba)
+
+> 如果你只是轻量级使用简悦的阅读模式，无需安装同步助手；...
+
+支持本地快照系统是简悦区别其它同类产品最大的一个特点，同时也是简悦优于其它同类产品的原因。  
+前提  
+在 [同步助手](https://simpread.pro/docs/#/Sync) 的加持下，可以将阅读模式的内容保存到本地任意位置，基于这个特性简悦拥有了本地快照系统。  
+描述  
+稍后读功能之一：Capture，永久收藏，防止 404，线上稍后读只是将图片从服务器（A）放到了自己的服务器（B）上，依就在网络上，并没有改变这个图片不会 404 的命运。  
+而通过同步助手可以将阅读模式的全部资源（包括图片）保存到本地，用户可以使用任意网盘来同步这些快照，同时在简悦的稍后读中可以读取这个本地快照。不止如此，本地快照系统是简悦各种高级功能的基石，也是双链笔记玩法的基础。  
+能做什么  
+●通过阅读模式可将这篇文章（包括图片）保存到本地（[同步助手导出](https://simpread.pro/docs/#/Sync?id=%e5%af%bc%e5%87%ba%e6%9c%8d%e5%8a%a1) 功能）。  
+●这篇快照可支持任意网盘系统，包括：各种网盘（坚果云 / Onedrive / 百度 / 阿里云盘）、NAS、Git 系统等，是多设备的自动同步数据（[自动同步](https://simpread.pro/docs/#/%E8%87%AA%E5%8A%A8%E5%90%8C%E6%AD%A5) 功能）。  
+●在稍后读中读取本地快照，同时可以在本地快照上进行标注（[知识库](https://www.yuque.com/kenshin/simpread/lglfy2) 功能）。  
+●这篇稍后读会生成唯一的本地永久链接，方便在双链笔记中溯源（[永久链接](https://www.yuque.com/kenshin/simpread/egvhm7) 功能）。  
+●这篇稍后读还可以直接在网络访问，也就是永久外链（[资料库](https://www.yuque.com/kenshin/simpread/vcmg4o) 功能）。  
+●在本地标注时，也会自动同步标注（按照你设定的标注模板格式）到 Obsidian、Logseq 等本地双链笔记中（[Markdown 定制化](https://simpread.pro/docs/#/%E5%AE%9A%E5%88%B6%E5%8C%96%E5%AF%BC%E5%87%BA?id=markdown) 功能）。  
+●在 Obsidian、Logseq、Roam Research 中可以直接嵌入本地快照的标注模式（[标注嵌入模式](https://simpread.pro/docs/#/Sync?id=%e6%a0%87%e6%b3%a8%e5%b5%8c%e5%85%a5%e6%a8%a1%e5%bc%8f) 功能）。  
+分类  
+  
+本地快照系统不是一个单一化的功能，通过上面的例子可以看到它是一个复合型功能，简悦的大部分高级功能都围绕着它设置的。  
+  
+●知识库  
+●资料库  
+●永久链接  
+●标注嵌入模式  
+知识库  
+  
+资料库  
+  
+永久链接  
+  
+标注嵌入模式  
+  
+新手用户看过来  
+  
+虽然本地快照系统的每个功能都有教程，对于简悦老用户来说还是非常方便的，但对于新用户或新手用户来说可能不是那么友好，所以简悦官方推出了免配置的解决方案。  
+  
+  
+引申  
+●[同步助手](https://simpread.pro/docs/#/Sync)  
+●[同步助手导出](https://simpread.pro/docs/#/Sync?id=%e5%af%bc%e5%87%ba%e6%9c%8d%e5%8a%a1)  
+●[自动同步](https://simpread.pro/docs/#/%E8%87%AA%E5%8A%A8%E5%90%8C%E6%AD%A5)  
+●[稍后读本地化](https://simpread.pro/docs/#/%E7%A8%8D%E5%90%8E%E8%AF%BB?id=%e8%af%bb%e5%8f%96%e6%9c%ac%e5%9c%b0%e5%bf%ab%e7%85%a7)  
+●[知识库](https://www.yuque.com/kenshin/simpread/lglfy2)  
+●[资料库](https://www.yuque.com/kenshin/simpread/vcmg4o)  
+●[永久链接](https://www.yuque.com/kenshin/simpread/egvhm7)  
+●[Markdown 定制化](https://simpread.pro/docs/#/%E5%AE%9A%E5%88%B6%E5%8C%96%E5%AF%BC%E5%87%BA?id=markdown)  
+●[标注嵌入模式](https://simpread.pro/docs/#/Sync?id=%e6%a0%87%e6%b3%a8%e5%b5%8c%e5%85%a5%e6%a8%a1%e5%bc%8f)

70-SimpRead/output/高人指点的 35 条社会潜规则：1、你不联系别人，别人也不联系你，这叫默默断交原则。2、找老婆，不用看她是什么名牌大学毕业，就看她的家教，看她的母亲是一个什么样的人。/高人指点的 35 条社会潜规则：1、你不联系别人，别人也不联系你，这叫默默断交原则。2、找老婆，不用看她是什么名牌大学毕业，就看她的家教，看她的母亲是一个什么样的人。.md

@@ -0,0 +1,18 @@
+---
+url: https://super.sina.cn/shequn/post/detail_1111006286295965696.html
+title: 高人指点的 35 条社会潜规则：1、你不联系别人，别人也不联系你，这叫默默断交原则。2、找老婆，不用看她是什么名牌大学毕业，就看她的家教，看她的母亲是一个什么样的人。
+date: 2025-09-27 08:50:31
+tag:
+summary: 高人指点的 35 条社会潜规则：1、你不联系别人，别人也不联系你，这叫默默断交原则。2、找老婆，不用看她是什么名牌大学毕业，就看她的家教，看她的母亲是一个什么样的人。 - sina.cn
+created: 2025-09-27T08:50
+updated: 2025-09-27T08:50
+---
+![](<assets/1758934231610.png>)
+
+高人指点的 35 条社会潜规则： 1、你不联系别人，别人也不联系你，这叫默默断交原则。 2、找老婆，不用看她是什么名牌大学毕业，就看她的家教，看她的母亲是一个什么样的人。 3、不抢风头。在集体活动中，不要过分表现自己，抢了别人的风头，要学会给他人留一些展示的机会。 4、不要轻易透露自己的底牌。保留一些关键信息和个人能力，避免被人完全看透而处于被动。 5、避免过度八卦。过多地打听别人的隐私或传播八卦消息，容易引起他人反感。 6、人与人之间的感情，最好不要涉及利益，若是牵扯到了利益，这段感情也往往会走向终点。 7、别太把自己当回事，别啥都随口应承。要懂得估量自身能力，量力而行。要知道人的本事有限。一味打肿脸充胖子，掏空自己去成全别人，最终只会把自己的生活弄得一团糟。 8、虚伪行为在社交场合中屡见不鲜，为了保护自己，我们需要学会识别他人的虚伪行为。 9、听别人的话，要听懂言外之意。比如到别人家做客，别人说 "留下来一起吃饭吧"，却完全没有做饭的意思，那就是随便客气一些，是在委婉地向你下逐客令呢。 10、以十倍速度接近你的人，也会以十倍的速度离开你。 11、搞好人脉关系，重要的不是和小人物搞好关系，而是对你有帮助的大人物搞好关系。 12、良知这种东西不是每个人都有，有的人没有就是没有，不要强求。 13、便宜的东西找熟人买，方便增加感情贵重的东西找生人买，方便维护权益。 14、真正厉害的人，往往都是看破不说破就像很多潜规则一样，是不能拿到明面说的，一说就是错，一说就是麻烦甚至是灾祸，尤其是在现实生活中，管住嘴比什么都重要。 15、宁得罪部门经理，也不得罪领导安插的内卫。 16、在感情的世界里，新鲜感和责任的重要程度因人而异。很多时候不是因为自己不好，而是对方有了更好的选择。谁都不是唯要看清自己的位置。 17、不管是打工 上班不创业做生意当老板不把一些为人处世的潜规则研究透，你随时都会成为套路的牺牲品，尤其是下面这九个潜规则，决定着你的前途与命运。 18、人这辈子，要跟许多人打交道。有真心的，也有假意的。学会分辨，这是对彼此负责，不浪费真心。做人别太直，偶尔口不对心下；做事别太硬，适当圆滑点，这样才能少吃亏。 19、不管你对世俗潜规则怎么样投以白眼它就在那儿，不以你的意志为转移；不管你对家。抽烟、喝酒的态度是赞成、反感还是无所谓，它们都是现代人情感拉近的最快捷方式，没有之一。 20、微信计步程序，最好关闭，总有人在背后研究你。 21、假如你被一个人坑过、害过、背叛过那不管他多么痛哭流涕、低声下气、花言巧语向你解释，都不要轻易选择原谅。 22、请男人吃饭带个美女，这样破冰会非常快。 23、一个和尚打水吃，两个和尚挑水吃，三个和尚没水吃。永远不要幻想着和所有人都处好关系。人多反而容易起矛盾。 24、别人可以自嘲，但你不可以跟着附和。很多人知道这个道理，但常常做不到。 25、要提防那些满手都是烂牌的人，因为当他手里的每一张牌都很差时，想要赢的唯一方法就是打破规则。 26、成熟的人眼里只有前途，稚嫩的人满是爱恨情仇。 27、一个家族，哥哥混好了可以带弟弟，但弟弟混好，往往不会带哥哥。 28、亲戚做邻居容易引起纠纷，最好避免这种情况发生。 29、不能让自己舒服的人，都可以让他滚一边凉快去。我活着的目的就是为让自己爽让自己舒服。你都不能让我舒服，我跟你扯上关系干啥？ 30、与人交谈时，不要用手去掩鼻子，别人递给你的名片不要老是用手去玩弄。 31、去桑拿时，只要享受服务，不要去二楼休息室，以免招惹麻烦。 32、在与人交谈时，我发现只说 30% 的话能够让人保持一定的神秘感和吸引力；只说 50% 的话能够让人感受到真诚和亲近，只说 70% 的话能够让人感受到亲密和信任。
+
+## **全部评论**
+
+![](data:image/gif;base64,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)
+
+加载中...