本地大模型也能联网，告别信息滞后与幻觉

2025-09-30 00:37

本地大模型也能联网，告别信息滞后与幻觉 Ollama 最近推出了 Web Search API，让本地运行的大语言模型也能像联网模型一样，实时获取最新信息，提升回答的准确性，减少“幻觉”现象。通过 ollama 的 web_search 接口，模型可以直接查询网络，获取最新数据。 ◦ 示例：ollama.web_search("今天的AI头条新闻")。 ◦ 参数：query 为检索词，max_results (默认5，最大10) 控制返回结果数量。 ◦ 免费额度充足，满足个人日常使用。调用web_fetch API 还能进一步抓取指定 URL 的网页内容，方便模型进行更详细的理解和引用。 ◦ 网址：https://ollama.com/api/web_fetch 通过 MCP Server，web_search 和 web_fetch 可以无缝集成到各种客户端和代理中，实现模型“思考-调用工具-接收结果-继续对话”的复杂交互流程。官方文档介绍： https://docs.ollama.com/web-search 用户可以在ollama官网生成密钥： https://ollama.com/settings/keys

本地大模型也能联网，告别信息滞后与幻觉

更多动态

Anthropic 发布最新模型，专注编码与长任务处理，成本不变

Anthropic 最新模型 Claude Sonnet 4.5，为开发者带来超长专注和高性能编码体验。 1️⃣ 单次任务可保持超过 30 小时专注，比 Opus 4.1 提升四倍，适合复杂项目。 2️⃣ 编码基准领跑，SWE-bench 77.2%，OSWorld 61.4%，编程能力显著增强。 3️⃣ 新增 Claude Code 2.0 检查点功能，Claude Agent SDK 助力构建自主代理。 4️⃣ 与 Sonnet 4 保持同价，高性价比。

DeepSeek 发布了实验性模型 DeepSeek-V3.2-Exp

，技术迭代的同时 API 定价显著降低 1️⃣ API 定价较上一代降低超过 50%，新用户可领取 50 万 Token 免费额度，大幅降低了应用开发和测试成本，对独立开发者很友好。 2️⃣ 核心是 Sparse Attention 技术。可以理解为让模型像人一样“速读”，只关注上下文里的关键信息，从而在处理法律文档、科研论文等长文本（>32K）时，算力效率更高。 3️⃣ 模型采用混合精度训练，对自行部署或微调有资源优化的参考价值。官方数据显示其在 A100 集群上训练吞吐量有明显提升，适合关注性能的场景。

claude申诉失败了。

订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。

分享下现在的纯手机端工作流。

九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。