WenZoo Blog

Win11恢复Win10风格右键菜单方法

Fri, 25 Sep 2026 00:00:00 GMT

Win11恢复Win10风格右键菜单方法

恢复 Win10 风格右键菜单

以管理员打开 终端 / CMD，执行：

reg.exe add "HKCU\Software\Classes\CLSID\{86ca1aa0-34aa-4e8b-a509-50c905bae2a2}\InprocServer32" /f /ve

然后重启 Windows 资源管理器：

taskkill /f /im explorer.exe
start explorer.exe

之后右键菜单就会变成类似 Win10 的完整经典菜单。

恢复 Win11 原来的右键菜单

执行：

reg.exe delete "HKCU\Software\Classes\CLSID\{86ca1aa0-34aa-4e8b-a509-50c905bae2a2}" /f

然后：

taskkill /f /im explorer.exe
start explorer.exe

恢复后就是 Win11 默认的右键菜单。

Windows自带的实用工具（持续更新）

Sat, 19 Sep 2026 00:00:00 GMT

Windows自带的实用工具

资源监视器

WIN + R

resmon

在关联的句柄搜索，如：D:\ABC，可以找到占用进程。

Windows 自带的系统组件修复命令

Sat, 19 Sep 2026 00:00:00 GMT

DISM /Online /Cleanup-Image /RestoreHealth 是 Windows 自带的系统组件修复命令。

请用管理员 PowerShell运行：

DISM /Online /Cleanup-Image /RestoreHealth

它可能会在某个百分比停很久，例如 20%、40%、60%，不一定是卡死，先让它跑完。

简单理解就是：

检查 Windows 自己的“系统组件仓库”有没有损坏，如果发现损坏，就尝试从 Windows 的组件源恢复它。

每一部分是什么意思

DISM /Online /Cleanup-Image /RestoreHealth

参数	含义
`DISM`	Windows 的「部署映像服务和管理」工具
`/Online`	检查当前正在运行的 Windows
`/Cleanup-Image`	对 Windows 系统映像/组件进行维护
`/RestoreHealth`	检查损坏并尝试修复

这里的 Image（映像）不是你的照片或硬盘镜像，指的是 Windows 操作系统本身。

它会不会删除我的东西？

正常情况下不会。

它不会：

❌ 删除个人文件
❌ 删除软件
❌ 删除 Outlook 邮件
❌ 重装 Windows
❌ 修改你的用户账户

它主要处理 Windows 自己的系统组件。

DISM /Online /Cleanup-Image /RestoreHealth 的作用是修复 Windows 系统组件存储（Component Store），不是扫描“已卸载应用”然后重新安装。

例如你之前卸载的：

某些微软商店应用
Xbox
Clipchamp
OneDrive
其他 Windows AppX 应用

不会因为运行 DISM 就自动恢复。

需要区分两个东西

DISM 修复的是：

Windows 系统组件
系统文件
组件存储
系统运行库

它不是：

恢复已卸载的软件
恢复开始菜单应用
恢复 Microsoft Store 应用
恢复用户删除的 AppX

所以如果你比较在意自己已经精简/卸载掉的 Windows 应用，可以放心运行 DISM。

不过有一个细节：

如果你使用过非常激进的 Windows 精简工具，把 Windows 的某些系统组件本身删除了，DISM 可能会尝试恢复缺失的系统组件。

llama.cpp一键启动脚本

Fri, 11 Sep 2026 00:00:00 GMT

llama.cpp一键启动脚本

路径示例：

llama.cpp所在路径：

D:\AI\llama.cpp\build\bin\Release\llama-server.exe

模型所在路径：

D:\AI\models\Gemma 3 4B

D:\AI\models\Google_Gemma4-E2B

D:\AI\models\Qwen2.5-VL 7B

脚本：

```bat
@echo off
chcp 65001 >nul
title llama.cpp 模型启动器
color 0B

:menu
cls

echo.
echo ============================================================
echo                    llama.cpp 模型启动器
echo ============================================================
echo.
echo   [1]  Gemma 3 4B
echo        文本对话
echo ------------------------------------------------------------
echo.
echo   [2]  Qwen2.5-VL 7B
echo        多模态 / 图片理解
echo ------------------------------------------------------------
echo.
echo   [3]  Gemma 4 E2B
echo        多模态 / 图片理解
echo ------------------------------------------------------------
echo.
echo   [0]  退出
echo.
echo ============================================================
echo.
set /p choice=  请输入数字 [0-4]：

if "%choice%"=="1" goto gemma
if "%choice%"=="2" goto qwen
if "%choice%"=="3" goto gemma4
if "%choice%"=="0" exit

echo.
echo   输入错误，请输入 0 - 3
timeout /t 2 /nobreak >nul
goto menu


:gemma
cls
echo.
echo ============================================================
echo                    Gemma 3 4B
echo ============================================================
echo.
echo   正在启动模型，请稍候...
echo.

start "llama.cpp - Gemma 3 4B" cmd /k ""D:\AI\llama.cpp\build\bin\Release\llama-server.exe" -m "D:\AI\models\Gemma 3 4B\google_gemma-3-4b-it-Q4_K_M.gguf" -ngl 999 -c 8192 --host 127.0.0.1 --port 8080"

goto browser


:qwen
cls
echo.
echo ============================================================
echo                  Qwen2.5-VL 7B
echo ============================================================
echo.
echo   类型：多模态 / 图片理解
echo.
echo   正在启动模型，请稍候...
echo.

start "llama.cpp - Qwen2.5-VL 7B" cmd /k ""D:\AI\llama.cpp\build\bin\Release\llama-server.exe" -m "D:\AI\models\Qwen2.5-VL 7B\Qwen2.5-VL-7B-Instruct-UD-IQ3_XXS.gguf" --mmproj "D:\AI\models\Qwen2.5-VL 7B\mmproj-BF16.gguf" -ngl 999 -c 4096 --host 127.0.0.1 --port 8080"

goto browser


:gemma4
cls
echo.
echo ============================================================
echo                    Gemma 4 E2B
echo ============================================================
echo.
echo   类型：多模态 / 图片理解
echo.
echo   主模型：Gemma 4 E2B Q4_K_M
echo   MMProj ：mmproj-BF16.gguf
echo.
echo   正在启动模型，请稍候...
echo.

start "llama.cpp - Gemma 4 E2B" cmd /k ""D:\AI\llama.cpp\build\bin\Release\llama-server.exe" -m "D:\AI\models\Google_Gemma4-E2B\gemma-4-E2B-it-Q4_K_M.gguf" --mmproj "D:\AI\models\Google_Gemma4-E2B\mmproj-BF16.gguf" -ngl 999 -c 8192 --host 127.0.0.1 --port 8080"

goto browser


:browser
echo.
echo   等待模型启动...
echo.

timeout /t 15 /nobreak >nul

echo   正在打开浏览器...
start "" "http://127.0.0.1:8080"

exit
```

根据自己文件所在目录自行修改即可。

llama.cpp 本地跑 “无审查模型” 速度暴涨！N卡/A卡/Intel 全支持

Thu, 10 Sep 2026 00:00:00 GMT

注意：如果是NVIDIA GeForce GTX 1060显卡，可能部署后默认走CPU而非使用GPU。

原因： Pascal构架导致llama.cpp默认编译成CPU模式。

解决办法：下载开源代码自行编译，（在博客中搜索1060关键字查看详细搭建过程。）

很多大家熟悉的本地模型，其实都可以通过 llama.cpp 运行：

Qwen
Llama
DeepSeek
Gemma
Hermes
Dolphin
Mistral
Mixtral

尤其现在 GGUF 生态越来越成熟，很多模型都会第一时间发布 GGUF 量化版本。

而 llama.cpp 最大的优势就是：

轻量跨平台支持 GPU 支持 CPU 支持 GGUF

而且现在甚至已经支持：

多模态图片理解 Vision 模型 OpenAI 风格 API 网页聊天界面

llama.cpp 最新 Windows 版本支持什么？

目前官方 Release 页面已经直接提供：

Windows x64 CPU
Windows x64 CUDA 12.4
Windows x64 CUDA 13.1
Windows x64 Vulkan
Windows x64 HIP Radeon
Windows x64 SYCL
Windows ARM64 CPU

这意味着：

NVIDIA 用户

可以直接选择：CUDA 12.4 或者 CUDA 13.1

如果你是：

RTX 3060
RTX 4060
RTX 4070
RTX 4080
RTX 4090

基本建议优先 CUDA。

AMD 用户

现在终于不用完全依赖 ROCm 了。

你可以：HIP 或者 Vulkan

很多情况下，Vulkan 反而比 HIP 更稳定。

Intel 用户

现在 Intel 核显、Arc 独显也终于有得玩了。

可以尝试：SYCL 或者 Vulkan

虽然性能和 NVIDIA 还有差距，但已经能正常跑很多 GGUF 小模型。

如何启动 GGUF 模型？

例如：gemma-4-31b-jang-crack-Q4_K_M.gguf

启动方式其实非常简单。

进入 llama.cpp 目录：

llama-server.exe -m models\你的模型.gguf -ngl 999

其中：-ngl 999 代表尽量把模型全部加载到 GPU。

启动成功后，浏览器打开：http://127.0.0.1:8080

即可进入网页聊天界面。

如何启动 GGUF 多模态视觉模型？

加载视觉模型需要2个文件，一个是主模型文件，另外一个就是 mmproj 视觉模型加载文件

目前支持较好的包括：

Qwen2-VL / Qwen2.5-VL

目前中文视觉能力最强之一：

OCR
截图理解
网页识别
中文图片问答

表现都非常强。

主模型下载：【点击前往】

多模态模型启用：

llama-server.exe -m "models\主模型.gguf" --mmproj "models\mmproj视觉模型.gguf" -ngl 999

无审查模型：

1、Llama3-8b-DarkIdol 是比较热门的无审查的开源大模型

模型下载：【点击前往】

下载合并为GGUF模型格式

huggingface-cli download aifeifei798/llama3-8B-DarkIdol-2.3-Uncensored-32K --local-dir DarkIdol-HF --local-dir-use-symlinks False

然后用 llama.cpp 转 GGUF：

git clone https://github.com/ggerganov/llama.cpp

cd llama.cpp

pip install -r requirements.txt

python convert_hf_to_gguf.py ../DarkIdol-HF --outtype f16 --outfile ../DarkIdol-F16.gguf

需要量化成 Q4_K_M的话可以命令：

llama-quantize.exe ../DarkIdol-F16.gguf ../DarkIdol-Q4_K_M.gguf Q4_K_M

2、Gemma-4-31b-jang-crack-Q4_K_M 是 Google 开源的无审查大模型

这是一个在本地跑：听话、高效、不乱加道德判断的AI

推理能力扎实：在数学和代码相关任务上表现突出，尤其长上下文处理（原生支持128K，部分可扩展到256K）。你甚至可以把整个项目代码库或一本技术手册一次性喂给它，它不会轻易“失忆”。
参数效率高： 26B MoE版本激活参数不多，跑起来相对轻快，在很多基准上效率比同级别模型更好。
开源友好： Apache 2.0协议，允许修改、商用和二次分发，这对想自己折腾或做副业的朋友来说非常实用。

官方版的主要问题是安全对齐层比较厚，很多正常的技术探讨或创意场景容易被挡住。越狱版通过社区技术（abliteration等）移除了这部分限制，保留了绝大部分原始能力。

模型下载：【点击前往】

NVIDIA GeForce GTX 1060显卡，本地部署llama.cpp一键跑 GGUF 无审查模型！

Thu, 10 Sep 2026 00:00:00 GMT

第一步：确认显卡驱动

先不要安装任何开发工具。

打开 PowerShell：

nvidia-smi

你应该能看到：

NVIDIA GeForce GTX 1060

以及：

Driver Version
CUDA Version

这里的 CUDA Version 不等于 CUDA Toolkit 版本。

例如：

CUDA Version: 13.0

并不意味着我们要安装 CUDA 13。

我们这次明确使用：

CUDA Toolkit 11.8

因为我们的目标是让 GTX 1060 的 Pascal/sm_61 编译环境稳定工作。

第二步：安装 Git

下载地址：https://git-scm.com/install/windows

安装 Git for Windows。

安装完成后：

git --version

例如：

git version 2.xx.x

即可。

然后以后我们把 llama.cpp 放：

D:\AI\

打开 CMD 或 PowerShell：

创建目录：

mkdir D:\AI
cd D:\AI

下载并解压缩llama.cpp源文件。

cd D:\AI
git clone https://github.com/ggml-org/llama.cpp.git

如果网络环境不好下载进度卡住，可以直接去项目地址https://github.com/ggml-org/llama.cpp直接下载压缩包解压。（注意文件夹名）

完成后会得到：

（注意：文件夹路径和文件夹名是否正确）

D:\AI\llama.cpp

第三步：安装 Visual Studio 2022 Build Tools

这一部分非常重要。

安装：

Visual Studio 2022 Build Tools

官方下载页面：

直接下载 Visual Studio 2022 Build Tools）

安装器里面至少选择：

工作负载

勾选：

使用 C++ 的桌面开发

然后右侧组件确保有：

MSVC v143
Windows 10/11 SDK
C++ CMake tools for Windows

这里有个关键点：

安装 MSVC v142

在：

单个组件

里面搜索：

v142

找到类似：

MSVC v142 - VS 2019 C++ x64/x86 build tools

勾选。

为了避免 CUDA 11.8 和较新的 MSVC 工具链出现兼容问题。

第四步：安装 CMake

CMake下载地址：https://cmake.org/download/）

Platform	Files
Windows x64 Installer:	cmake-4.4.3-windows-x86_64.msi

安装 CMake。

安装后：

cmake --version

确认能够执行。

建议直接使用：

CMake 4.x

即可。

第五步：安装 CUDA Toolkit 11.8

这一步一定要装：

CUDA Toolkit 11.8

不是 CUDA 13。

CUDA Toolkit 11.8下载地址

安装完成后，默认路径应该类似：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

然后检查：

where.exe nvcc

应该出现：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin\nvcc.exe

然后：

nvcc --version

应该看到：

release 11.8

第七步：这里先停一下，做第一次检查

依次执行：

nvidia-smi

git --version

cmake --version

where.exe nvcc

nvcc --version

这五个全部正常，再继续。

第八步：确认 MSVC v142

PowerShell 执行：

dir "C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Tools\MSVC"

再执行：

& "C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Tools\MSVC\14.29.30133\bin\Hostx64\x64\cl.exe"

正常应该看到：

Microsoft (R) C/C++ 优化编译器 19.29.30133 版

第九步：不要直接用普通 PowerShell 编译

这是容易踩坑的重要地方。

这次建议直接使用：（按WIN键 + S输入x64 Native Tools Command Prompt for VS 2022以管理员身份运行）

x64 Native Tools Command Prompt for VS 2022

然后在这个窗口里面进行 CMake 配置和编译。

把 CUDA 11.8 的 4 个集成文件复制到 VS2022 对应目录。

在当前 CMD 执行：

复制这 4 个文件：

copy "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\visual_studio_integration\MSBuildExtensions\CUDA 11.8.props" "C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\MSBuild\Microsoft\VC\v160\BuildCustomizations\"

copy "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\visual_studio_integration\MSBuildExtensions\CUDA 11.8.targets" "C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\MSBuild\Microsoft\VC\v160\BuildCustomizations\"

copy "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\visual_studio_integration\MSBuildExtensions\CUDA 11.8.xml" "C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\MSBuild\Microsoft\VC\v160\BuildCustomizations\"

copy "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\visual_studio_integration\MSBuildExtensions\Nvda.Build.CudaTasks.v11.8.dll" "C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\MSBuild\Microsoft\VC\v160\BuildCustomizations\"

正式编译

在 CMD 执行：

cd /d D:\AI\llama.cpp

然后执行 CMake 配置

cmake -B build -G "Visual Studio 17 2022" -A x64 -T "v142,cuda=11.8" -DGGML_CUDA=ON -DCMAKE_CUDA_ARCHITECTURES=61

这里暂时不要改任何参数。

尤其是：

-T "v142,cuda=11.8"

它会告诉 CMake：

使用 Visual Studio 2022 的 v142 工具集，CUDA 使用 11.8。

而：

-DGGML_CUDA=ON

启用 CUDA。

-DCMAKE_CUDA_ARCHITECTURES=61

针对你的 GTX 1060 / Pascal / SM 6.1。

说明CMake 配置已经完全成功。

现在开始真正编译。

执行这一条：

cd /d D:\AI\llama.cpp

cmake -B build -G "Visual Studio 17 2022" -A x64 -T "v142,cuda=11.8" -DGGML_CUDA=ON -DCMAKE_CUDA_ARCHITECTURES=61 -DLLAMA_BUILD_UI=ON -DLLAMA_USE_PREBUILT_UI=OFF

执行：

cmake --build build --config Release --target llama-server -j 4

先让它完整跑完。

这一阶段可能需要一些时间。

llama.cpp启动：

D:\AI\llama.cpp\build\bin\Release\llama-server.exe -m "D:\AI\models\google_gemma-3-4b-it-Q4_K_M.gguf" -ngl 999 -c 8192 --host 127.0.0.1 --port 8080

在浏览器输入：http://127.0.0.1:8080 回车，出现聊天对话框可以正常使用，本地部署成功。

可以创建一个D:\AI\llama.cpp\启动llama.bat

```bat
@echo off
chcp 65001 >nul
title llama.cpp - Gemma 3 4B

echo.
echo ========================================
echo llama.cpp - Gemma 3 4B
echo ========================================
echo.
echo 正在启动模型，请稍候...
echo.

start "llama.cpp - Gemma 3 4B" cmd /k ""D:\AI\llama.cpp\build\bin\Release\llama-server.exe" -m "D:\AI\models\google_gemma-3-4b-it-Q4_K_M.gguf" -ngl 999 -c 8192 --host 127.0.0.1 --port 8080"

echo 等待模型启动...
timeout /t 15 /nobreak >nul

start "" "http://127.0.0.1:8080"

exit
```

这样双击就可以直接运行本地部署的llama.cpp。

以上文章中提到的所有软件如果网络环境不好，可以通过网盘下载。

百度网盘：

链接:

https://pan.baidu.com/s/1oBh0GcR6GomIGq66ETcJfQ?pwd=86rx

提取码:

86rx

彻底删除 Windows.old 文件夹

Wed, 09 Sep 2026 00:00:00 GMT

方法一：使用磁盘清理工具（推荐）

按 Win + R，输入
```
cleanmgr
```
并回车，打开磁盘清理程序。
选择 C 盘（Windows.old 所在盘），确定。
点击 清理系统文件，再次选择 C 盘。
在列表中勾选 以前的 Windows 安装文件，也可选择其他临时文件。
点击确定并确认删除，系统会自动清理 Windows.old 文件夹。

方法二：微软电脑管家

方法三：使用命令行方式

1.以管理员身份打开命令提示符

按 Win +S，输入 cmd，右键单击「命令提示符」，选择以管理员身份运行。

2.夺取文件夹所有权

执行以下命令（按 Enter）：

takeown /f C:\Windows.old /r /d y

takeown：Windows 内置的"获取所有权"命令
/f：指定目标文件夹
/r：递归处理所有子文件夹和文件
/d y：对所有权限确认提示自动回答"是"

注意：由于文件夹较大，此命令可能需要运行几分钟，请耐心等待。

3.授予完全控制权限

icacls C:\Windows.old /grant administrators:F /t

icacls：修改文件和文件夹的访问控制列表
/grant administrators:F：将完全控制权授予 Administrators 组
/t：递归应用于所有子文件夹和文件

4.删除文件夹

执行完后，直接在资源管理器中右键删除 C:\Windows.old，或在命令行中继续执行：

rmdir /s /q C:\Windows.old

注意事项

注意	说明
数据不可恢复	删除 Windows.old 是永久性的，其中的个人文件（如旧系统的文档、桌面文件）将无法恢复。删除前请确认已备份所需文件
无法回滚系统	删除 Windows.old 后，你将无法通过「设置 → 恢复 → 回退到以前的版本」将系统降级到更新前的版本
只需在更新后等待 10 天	Windows 会在首次更新 10 天后自动清理 Windows.old，如果你不急，让系统自行处理是最安全的选择
注意命令执行	方法三中提到的命令（尤其是 <font color="red">takeown</font> 和 <font color="red">rmdir</font>），操作过程中可能会有较长的等待时间，请勿在此期间关闭命令提示符窗口

Windows11 25H2系统安装跳过硬件检测

Tue, 08 Sep 2026 00:00:00 GMT

1、下载Windows11系统镜像

下载地址：https://www.microsoft.com/zh-hk/software-download/windows11

点击下载后会弹出下面这个选项。

选择语言，确定。

2、解压ISO镜像文件

将下载的Win11_25H2_Pro_Chinese_Simplified_x64.iso文件解压缩到文件夹。（注：不是加载或直接双击打开）

将这段命令输入并回车。

setupprep.exe /product server

GitHub 常用命令

Tue, 08 Sep 2026 00:00:00 GMT

确认 GitHub 身份信息

git config --global user.name
git config --global user.email

设置登录身份

git config --global user.name "你的GitHub用户名"
git config --global user.email "你的GitHub邮箱"

查看远程仓库

执行：

git remote -v

正常应该看到：

origin  https://github.com/你的GitHub用户名/xxxx.git (fetch)
origin  https://github.com/你的GitHub用户名/xxxx.git (push)

测试 GitHub 登录状态

执行：

git pull

如果没有登录，通常会出现：

弹浏览器登录 GitHub
或提示：

Authentication failed

第一次登录成功后，Git Credential Manager 会保存。

上传到GitHub

1. `git add .`

意思：

把当前目录下所有修改过的文件加入 Git 的“准备提交列表”。

这里：

git add

表示：

添加文件。

后面的：

表示：

当前目录。

所以：

git add .

就是：

把当前项目里所有新增、修改、删除的文件全部放进下一次提交。

例如你修改了：

D:\fuwari

src/
 └── config.ts       修改
 └── content/
     └── posts/
         └── welcome/
             └── index.md   修改

执行：

git add .

Git 会记录：

准备提交：

M src/config.ts
M src/content/posts/welcome/index.md

注意：

git add . 不会上传 GitHub。

它只是告诉 Git：

“这些改动我准备保存。”

2. `git commit -m "update blog"`

意思：

给刚才准备好的修改创建一个版本记录。

拆开：

commit

就是：

提交。

类似：

Word 文档：

版本1
版本2
版本3

Git 的 commit 就是保存一个版本节点。

`-m`

表示：

message（提交说明）

后面：

"update blog"

就是备注。

例如：

git commit -m "修改首页标题"

以后你查看历史：

commit abc123

修改首页标题

commit def456

添加关于页面

commit xxx789

修改文章模板

所以：

git commit -m "update blog"

意思：

创建一个新的版本，并备注“更新博客”。

3. `git push`

意思：

把本地 Git 里的提交上传到 GitHub。

比如：

你的电脑：

D:\fuwari

commit A
commit B
commit C

GitHub：

commit A

执行：

git push

之后：

GitHub：

commit A
commit B
commit C

欢迎来到 WenZoo Blog

Mon, 07 Sep 2026 00:00:00 GMT

欢迎来到 WenZoo Blog

这是我的个人技术博客。

这里记录：

AI 工具与本地部署
Windows 系统配置
PowerShell 使用经验
Linux 学习记录
Git 与开源工具实践
网络安全探索

通过持续记录，整理自己的技术知识体系。

关于本站

WenZoo Blog 希望成为一个长期维护的技术知识库。

记录真实实践过程，而不是简单转载资料。

WenZoo Blog

Win11恢复Win10风格右键菜单方法

Win11恢复Win10风格右键菜单方法

恢复 Win10 风格右键菜单

恢复 Win11 原来的右键菜单

Windows自带的实用工具（持续更新）

Windows自带的实用工具

资源监视器

Windows 自带的系统组件修复命令

每一部分是什么意思

它会不会删除我的东西？

需要区分两个东西

llama.cpp一键启动脚本

llama.cpp一键启动脚本

路径示例：

llama.cpp 本地跑 “无审查模型” 速度暴涨！N卡/A卡/Intel 全支持

llama.cpp 最新 Windows 版本支持什么？

NVIDIA 用户

AMD 用户

Intel 用户

如何启动 GGUF 模型？

如何启动 GGUF 多模态视觉模型？

Qwen2-VL / Qwen2.5-VL

主模型下载：【点击前往】

无审查模型：

模型下载：【点击前往】

模型下载：【点击前往】

更多越狱模型：

多种模态自由切换运行：

NVIDIA GeForce GTX 1060显卡，本地部署llama.cpp一键跑 GGUF 无审查模型！

第一步：确认显卡驱动

第二步：安装 Git

第三步：安装 Visual Studio 2022 Build Tools

工作负载

安装 MSVC v142

第四步：安装 CMake

第五步：安装 CUDA Toolkit 11.8

第七步：这里先停一下，做第一次检查

第八步：确认 MSVC v142

第九步：不要直接用普通 PowerShell 编译

正式编译

彻底删除 Windows.old 文件夹

方法一：使用磁盘清理工具（推荐）

方法二：微软电脑管家

方法三：使用命令行方式

1.以管理员身份打开命令提示符

2.夺取文件夹所有权

3.授予完全控制权限

4.删除文件夹

注意事项

Windows11 25H2系统安装跳过硬件检测

1、下载Windows11系统镜像

2、解压ISO镜像文件

GitHub 常用命令

确认 GitHub 身份信息

设置登录身份

查看远程仓库

测试 GitHub 登录状态

上传到GitHub

1. git add .

2. git commit -m "update blog"

commit

-m

3. git push

欢迎来到 WenZoo Blog

欢迎来到 WenZoo Blog

关于本站

1. `git add .`

2. `git commit -m "update blog"`

`-m`

3. `git push`