电费都够你们成本喝一壶了。

或者你把嵌入模型 改成 granite3.2-vision ，然后看看情况。

anythingllm 原生的嵌入模型 all-MiniLM-L6-v2 不是多模态的，并且也没有提到 vision 模型的集成，ds 的 671b 是 moe 专家模型，里面有原生 vision 处理的能力。

qwq 32B int 4 + bge-m3 ，并发不大的话 32G vram 够够的。不过得分卡跑。

@skytenlc 直接就在翻译出来的中文文档里编辑就 ok 啊。

本地部署 qwq 32b fp16 强的一笔。

@skytenlc 沉浸式翻译 可以编辑翻译出来的中文的。

按照你的思路，都是 agent 可以做到的，等你自己开发一个出来了。

1 ，肯定是搜，这个技术并不难。等我过几天写一篇详细的博客，纵观全网都没有把这个问题详细系统的讲一下的。
2 ，但是用的搜索引擎可能不同，就算是同一个关键字（有些提示工程做的好，只有本地知识库没有的才去搜，但是搜的关键字都是 llm 自己提供的，每个 llm 每次可能会丢出不同的关键字），用并发去多个搜索引擎跑 2 次，2 次的 top10 结果可能都不同。这个你可以理解哈？往往为了节省资源可能都是并发跑一次，然后聚合一下，至于聚合多少 url ，这个要看各自的 config 。
3 ，快是必须的，能套壳 ds 的厂家的资源解决 search/crawl/embedding 这种简单套路还不是手到擒来，要是搞的慢才丢人。
4 ，和这个无关。

把所有钱都去高档会所花掉。

这都是小问题，最大的问题是回款。

这些问题讲真用来面试，只能说面试的人水平确实不行，因为很多问题都是需要时间慢慢磨的。高明的面试只需要一个问题，不断的盘对于问题的认知和解决思路。解决问题的思路比具体问题更有价值。

这么惨的吗，这样闪亮的履历还要来 v 站找工作。。。。。。

你看出我头像是出自哪部电影了没？

@Phycheez 电影是光电的艺术，以目前的视频生成技术当然拉胯了，不过这才是你的机会啊。优秀的视频生成模型迟早会出现的，这是最擅长的 100 到 10000 的过程。但是对于垂直领域，需要一些在这个领域里有理解和认知的从业人员来做提示工程（调教）。比如各种经典镜头（升格，打破次面壁...）的技术，可能是在模型预训练阶段无法学会的，那么就得在后训练阶段或者提示工程来实现。这就是你的机会。

这边的建议是干就完了。

摆摊卖炒饭炒粉都比这个实际，当然你要是有点存款，可以考虑找个人流量可以的小区开小超市。我今年 37 ，十几年经验（ web 前后端，云计算，ML ），技术实力可以说是常规意义里大家口中的大佬（上市公司，国企，小作坊都待过），没卵用的，失业的第 3 年，boss 上几千的沟通，依然搞不到 offer 。坐吃山空+啃老的第三年。