上一学期，我在期末周前为了数据分析课程的结课项目，花大时间服务器部署、本地访问大模型。现在终于有时间整理出来。
这个项目中，我试图部署一个表格大模型，用于解析不同结构的表格信息、汇总为统一的格式。幸运的是，去年十一月份浙大开源了TableGPT2大模型及其Agent（相关介绍和体验将在另一篇文章呈现），让我有合适现成的模型可以使用；不幸的是，我可能也是全网第一篇尝试部署该模型的人，没有任何先例可供参考。
诚然，在一开始探索部署它的过程中，我确实在摸索中走了许多错路，但好在最后发现了VLLM的部署过程是共通的，并由此摸索出一条蹩脚的路径，本文将予以阐述。
最后，还要再Thanks to ChatGPT，作为我构建Agent的Agent，陪我走过了摸黑探路的过程。
使用Python爬虫，基于本地IP直接向网站发送请求以爬取数据时，可能由于网站的反爬措施而导致IP封禁。特别是在课堂演示等场景下，多台主机多次在同一IP发送请求，很难不出现这样的问题。这里以豆瓣电影Top250的爬取为例，对问题进行解析，并提供一种基于IP代理的解决方案。
母亲的公司要求员工学习数据分析，她作为一线老HR，在不具备编程基础、统计学基础的前提下，却被要求掌握业务数据分析能力，着实是强人所难（卷到老员工了都）。于是有了本篇文章，试图通过大模型Agent的方式，辅助进行在线数据分析功能的导引。
该文章的方法同样适用于初步入门数据分析的同学，能够借助此创建一个AI导师，以辅助学习数据分析，或快速实现数据分析业务功能。
DeepSeek彻底火“出圈”后，关于梁文峰、幻方量化的赞誉也充满了互联网。科技的突破固然令人振奋，赞誉之余，回顾往年的采访，我们才发现：这样的成功不是偶然，而是正确的道路、持续的积累、滴水石穿而成的。
引用采访见于：疯狂的幻方：一家隐形AI巨头的大模型之路。
