จุดแข็ง
- การใช้เหตุผลทีละขั้นตอน
- เก่งคณิตศาสตร์เมื่อเทียบกับขนาด
- weights ภายใต้สัญญาอนุญาต MIT
เหมาะที่สุดสำหรับ
- งานใช้เหตุผลในเครื่อง
- คณิตศาสตร์และตรรกะ
- การทดลองแบบออฟไลน์
รันใน EDDI
เส้นทางที่เร็วที่สุดคือ Manager: เปิด agent wizard หรือ Platform Operator แล้วเลือกผู้ให้บริการและโมเดล หากต้องการกำหนดค่าเอง ให้ทำตามขั้นตอนเหล่านี้สำหรับผู้ให้บริการที่คุณต้องการ
Ollama (local) · type: "ollama"
Model id: deepseek-r1:8b
1. เก็บ credential
ผู้ให้บริการนี้ไม่ใช้ API key: Ollama ไม่ต้องใช้คีย์ ชี้ baseUrl ไปที่เซิร์ฟเวอร์ Ollama ของคุณ หากใช้ Ollama overlay ของ EDDI ค่าคือ http://ollama:11434
2. กำหนดค่า LLM task
ใช้สิ่งนี้เป็น langchain.json ของเวิร์กโฟลว์เอเจนต์ หรือวางพารามิเตอร์ลงใน LLM editor ใน Manager
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "ollama",
"parameters": {
"baseUrl": "http://ollama:11434",
"model": "deepseek-r1:8b",
"timeout": "120000",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}หมายเหตุสำหรับ EDDI
- โมเดลการใช้เหตุผลจะคิดก่อนตอบ ซึ่งในแชทแบบสตรีมอาจดูเหมือนค้าง ตั้ง
"think": "false"เพื่อให้ตอบทันที และกำหนดtimeoutให้งานอย่างเผื่อเวลา - รันแบบออฟไลน์ได้ทั้งหมดเมื่อดาวน์โหลดโมเดลแล้ว จึงเหมาะกับการติดตั้งแบบ air-gapped
โมเดลที่เกี่ยวข้อง
แหล่งที่มา
ข้อมูลในหน้านี้มาจากเอกสารของผู้ผลิต ตรวจสอบเมื่อ 2026-09-30 โมเดลเปลี่ยนแปลงเร็ว จึงควรยืนยันขีดจำกัดกับผู้ผลิตก่อนนำไปใช้ ราคาไม่ได้แสดงไว้ที่นี่: ดูหน้าราคาของผู้ผลิต