Показываю, каким образом у меня выглядит работа связки Ollama и DeepSeek в oflline-режиме в реальном времени. На реалистичном примере раскрываю приведённые ранее особенности.
👍 Итоговая версия plantuml кода от ИИ:
@startuml
title Purchasing Process Sequence Diagram
autonumber
actor User
participant "Frontend Client" as Frontend
participant "Product Catalog Service" as Catalog
participant "Cart Service" as Cart
participant "Checkout Service" as Checkout
participant "Payment Gateway" as Payment
participant "Order Management Service" as Order
participant Kafka
User -> Frontend: Access website
Frontend -> Catalog: Browse products
Catalog --> Frontend: Return product details
Frontend -> Cart: Add to cart
Cart --> Kafka: publish("Product added to cart")
Cart --> Frontend: Confirm addition
Frontend -> Cart: Review items
Cart --> Kafka: update inventory
Cart --> Frontend: Return cart summary
Frontend -> Checkout: Proceed to checkout
Checkout --> Payment: Process payment
Payment --> Kafka: secure transaction
Kafka --> Order: publish("Order placed")
Order --> Kafka: Confirm order completion
Kafka --> Frontend: Notify user
@enduml
👋 Спасибо за комментарии к прошлому посту и в личку, добавлю из них пару мыслей:
— Можно развернуть всё локально с помощью LMStudio.ai или по схожей инструкции под Mac, однако сам я этим не пользовался
— Можно развернуть LLM на свой локальный сервер, чтобы повысить производительность
#ИИ | Analyst Boost