На "рынке ИИ" все так быстро меняется, что мой эксперимент скорей всего уже устарел. Пока думаю как реализовать поиск по фото. Тогда приложение будет более менее полезным.
потом стали появляться статьи на схожую тематику и полегчало)
Все на этом помешались, и я попробовал на старом железе. https://habr.com/ru/articles/914392/ У вас действительно получилось. Теперь "умный дом" действительно станет умным.
Если вы хотите использовать LM Studio как сервер, то в любой доступной web оболочке умеющей общаться с LM Studio через OpenAI API (например в этом проекте один файл index.html: https://github.com/YorkieDev/LMStudioWebUI) указываете подключение к вашему LM Studio и готово. Где посмотреть строку подключения:
В Web оболочке указываем адрес и общаемся:
Но LM Studio использует mcp-server только в своем интерфейсе. Он доступен для внешнего ПО как сервер моделей, без mcp функционала.
Вам нужен такой клиент, который умеет использовать mcp серверы.
Да, поэтому и написал что работает только по впн. Регистрация бесплатная, потом заканчиваются токены. Можно зарегистрировать заново через временную почту. Т.е. практически бесплатно.
Это прототип (Proof of Concept), для демонстрации работоспособности mcp сервера на c#. Предупреждения не так критичны. Но если вы будете разрабатывать для реального использования - конечно необходимо более серьезно отнестись к качеству кода.
Ваша модель запустила read_file - это чтение текстовых файлов. Снимите напротив этой функции галку что бы ее игнорировать. Должна вызываться rag_search.
Статья обзорная, все функции в одну кучу, для примера.
В одном mcp сервере две похожие с точки зрения модели функции read_file и rag_search. Возможно стОит в описании функции read_file (FileOperationsTools.cs, ReadFile) заменить или дополнить описание: вместо "Read file from the specified path." написать "Read text file from the specified path." и тогда модель не будет путаться при выборе нужной тулзы.
В статье нет ни одного слова про скорость чтения. Никто не заставляет читать на скорость. Читайте спокойно.
Главная цель программы - улучшить навыки чтения: произношение слов, выразительность.
Особенно это полезно при изучении иностранного языка: пока правильно не произнесешь конкретное слово, программа "не пропустит" чтение дальше. При самостоятельном чтении без репетитора можно сделать себе поблажку: неправильно произносить слова, что в конечном итоге закрепит неправильное произношение. А программа такое не пропустит.
В 2024 гугл попросил подтвердить аккаунт для Google Play Console через телефон. Пришлось покупать карту Tele2, через неё подтвердил. Возможно и здесь прокатит.
Попробовал gemma3 в Ollama, не работает генерация эмбеддингов (OllamaEmbeddingGenerator), т.е. как минимум RAG не сделать. Возможно позже у Ollama появится поддержка для этой модели.
Добавил поиск по лицу, дополнил статью. Изменения выложил на гитхаб.
Про "сильно" я не говорил, но влияние от дисковой подсистемы есть.
Для HDD: это может быть старая версия SATA, сильная фрагментация, текущая нагрузка диска другими процессами.
Для SSD: проседание скорости во время операции TRIM, тротлинг при перегреве, либо при почти полной заполненности диска.
Решал схожую задачу Поиск в личном фото архиве по текстовому описанию. Но в вашем случае ollama не нужна. Это умеет llama.cpp, на которой собственно основана ollama.
Запускаете модель через
llama-serverСтавите пакет Microsoft.Extensions.AI, код можно посмотреть в разделе "Мультимодальность" https://habr.com/ru/articles/914392/
На "рынке ИИ" все так быстро меняется, что мой эксперимент скорей всего уже устарел. Пока думаю как реализовать поиск по фото. Тогда приложение будет более менее полезным.
Минимальные требования зависят от визуальной модели - если железо потянет, минимум выполнен. Дописал в разделе "Железо".
Очень приятно, и действительно неожиданно!
Консольный прототип - да. Но модель и железо настолько слабые, что результат очень непредсказуем.
Все на этом помешались, и я попробовал на старом железе. https://habr.com/ru/articles/914392/
У вас действительно получилось. Теперь "умный дом" действительно станет умным.
Если вы хотите использовать LM Studio как сервер, то в любой доступной web оболочке умеющей общаться с LM Studio через OpenAI API (например в этом проекте один файл index.html: https://github.com/YorkieDev/LMStudioWebUI) указываете подключение к вашему LM Studio и готово.
Где посмотреть строку подключения:
В Web оболочке указываем адрес и общаемся:
Но LM Studio использует mcp-server только в своем интерфейсе. Он доступен для внешнего ПО как сервер моделей, без mcp функционала.
Вам нужен такой клиент, который умеет использовать mcp серверы.
Да, поэтому и написал что работает только по впн. Регистрация бесплатная, потом заканчиваются токены. Можно зарегистрировать заново через временную почту. Т.е. практически бесплатно.
Это прототип (Proof of Concept), для демонстрации работоспособности mcp сервера на c#. Предупреждения не так критичны. Но если вы будете разрабатывать для реального использования - конечно необходимо более серьезно отнестись к качеству кода.
Ваша модель запустила read_file - это чтение текстовых файлов. Снимите напротив этой функции галку что бы ее игнорировать. Должна вызываться rag_search.
Статья обзорная, все функции в одну кучу, для примера.
В одном mcp сервере две похожие с точки зрения модели функции read_file и rag_search. Возможно стОит в описании функции read_file (FileOperationsTools.cs, ReadFile) заменить или дополнить описание: вместо "Read file from the specified path." написать "Read text file from the specified path." и тогда модель не будет путаться при выборе нужной тулзы.
Qoder (https://habr.com/ru/articles/939902/) - по впн очень бодро соображает. Много где мне помог, например сформировал компонент отрисовывающий html нативно (https://habr.com/ru/articles/946254/).
04.11.2025 для поиска в word файлах накатил небольшой фикс для RAGTools и перевыложил релиз.
В статье нет ни одного слова про скорость чтения. Никто не заставляет читать на скорость. Читайте спокойно.
Главная цель программы - улучшить навыки чтения: произношение слов, выразительность.
Особенно это полезно при изучении иностранного языка: пока правильно не произнесешь конкретное слово, программа "не пропустит" чтение дальше. При самостоятельном чтении без репетитора можно сделать себе поблажку: неправильно произносить слова, что в конечном итоге закрепит неправильное произношение. А программа такое не пропустит.
Можно вообще обойтись без Ollama: https://habr.com/ru/articles/914392/.
Попробуйте распознавать текст локально через Vosk. Пример: https://github.com/alphacep/vosk-api/blob/master/csharp/demo/VoskDemo.cs
В 2024 гугл попросил подтвердить аккаунт для Google Play Console через телефон. Пришлось покупать карту Tele2, через неё подтвердил. Возможно и здесь прокатит.
Ничто не мешает. Добавил уточнение в тексте, дополнил код. Спасибо.
Попробовал gemma3 в Ollama, не работает генерация эмбеддингов (OllamaEmbeddingGenerator), т.е. как минимум RAG не сделать. Возможно позже у Ollama появится поддержка для этой модели.