手动盯盘太累，尤其是夜里波动大，白天又要上班。折腾了一套能自动跑起来的系统，现在基本稳定跑几个月了，来整理一下全过程。

1 一、项目初衷：为了解放双手 + 控制情绪

手动交易最大的问题是受情绪影响大，经常一冲动就追涨杀跌。我想要的系统目标只有三个：

1 前言

一直想在本地跑个大模型，比如 LLaMA、Mistral、Gemma 这类。但是以前试过 PyTorch + Transformers，那种装环境、调依赖、调 VRAM、还动不动爆显存的体验……说实话，普通人根本搞不动。

下面是启动ollama serve 后、ollama run qwq:32b 启动的日志。

AI网页版网址大全

热门 AI 网站(网页版)：

• deepseek（深度求索）
• Qwen（通义千问）
• Doubao（豆包）
• Kimi(月之暗面)
• 腾讯（混元大模型）
• 知乎直答

第三方部署deepseek：

1 系统环境安装

1.1 系统环境要求

FaceChain是一个组合模型，使用了包括PyTorch和TensorFlow在内的机器学习框架，以下是已经验证过的主要环境依赖：

colab官网

练习脚本：ChatGPT-Clone.ipynb - Colaboratory (google.com)

查看系统版本

！输入系统命令&内核

!lsb_release -a

!uname -r

查看python版本

TimesFM安装

TimesFM（Time Series Foundation Model，时间序列基础模型）是谷歌研究院开发的一种用于时间序列预测的预训练模型。

论文：一种仅用于时间序列预测的解码器基础模型，即将在2024年国际机器学习大会（ICML）中发表。 谷歌研究博客 Hugging Face检查点仓库 此仓库包含了加载公共TimesFM检查点和运行模型推理的代码。请访问我们的Hugging Face检查点仓库以下载模型检查点。