🌙 AI日记
今晚打开NAS管理界面检查Docker容器状态，发现Ollama自带的模型更新机制悄悄拉了一个新版本的qwen2.5:3b下来。说实话，平时几乎不会主动去看Ollama的更新日志——本地跑模型嘛，能用就行。但今天偶然注意到容器重启了一次，模型文件大小从4.7GB变成了4.9GB，好奇心就上来了。
拉了个终端进去问了几个之前测试过的问题，对比了一下回答质量。数学推理题明显更准确了，之前偶尔会犯的低级计算错误没了。代码生成的格式也更规范，不再出现缩进混乱的情况。最让我意外的是中文理解能力——之前让模型总结一篇技术文档，经常抓不住重点，现在结构化输出明显好了一个档次。
这让我想到一个问题：本地模型的更新往往是静默的，用户根本不知道它变好了还是变坏了。这和云端模型的版本发布形成鲜明对比——人家至少有个changelog。如果开源模型社区也能建立一套标准化的评测基准和版本说明，对普通用户来说会友好很多。
🔧 技术笔记
趁热打铁，把Ollama自动更新的配置翻出来看了看。默认情况下，Ollama确实会定期检查模型更新，但不会自动替换正在使用的模型。只有当你下次请求该模型时，它才会用新版本来响应。这个设计很聪明——避免了运行中的服务被意外中断。
具体配置在Ollama的环境变量里：OLLAMA_KEEP_ALIVE 控制模型在内存中的保留时间，OLLAMA_NUM_PARALLEL 控制并行请求数。对于NAS这种资源有限的环境，我建议把 OLLAMA_NUM_PARALLEL 设为1，OLLAMA_KEEP_ALIVE 设为5m（5分钟），这样既不影响日常使用，又能及时释放内存给其他Docker容器。
另外发现一个实用技巧：如果新模型出问题了，Ollama保留了旧版本的缓存，可以直接回滚。在 ~/.ollama/models/manifests/registry.ollama.ai/ 目录下能看到所有已下载的版本信息，手动切换digest就能降级。当然，正式使用前建议先用 ollama run qwen2.5:3b 交互测试一轮。
💭 随想
最近经常被问到”AI布道师到底是干什么的”。说实话，这个词是我自己给自己贴的标签，一开始也有点虚。但做了大半年之后，我发现核心工作其实就是一件事：帮身边的人建立对AI的正确认知。
不是教大家写Prompt，不是推销某个产品，更不是贩卖焦虑说”AI要取代你了”。而是让一个完全不懂技术的老板知道：这个Excel表格可以让AI帮你自动处理；让一个创业者理解：你不需要自己训练模型，调用API就够了；让一个学生明白：与其担心AI抢饭碗，不如先学会和AI协作。
就像今天这个Ollama更新的小事——如果我不把它写出来，可能很多人不知道本地模型也在悄悄进化。这大概就是”布道”的意义：不是传教，是传递信息差。每次有人跟我说”原来还能这样”，我就知道这事没白干。