绕过封锁访问国外网站 方案的核心原理是利用 Cloudflare Workers 的边缘计算能力与 KV 存储的全球可访问性，构建一个“抓取-缓存-读取”的间接链路，从而规避网络封锁。Worker 抓取：绕开封锁部署位置：Worker 脚本运行在 Cloudflare 的边缘节点上。这些节点遍布全球，用户可以指定代码在特定地区（如美国）的节点上执行。抓取行为：Worker 直接向 usatoday.com 发起 HTTP 请求。由于该请求发自境外节点，且 Cloudflare 边缘网络本身不被封锁，所以能够正常获取内容，不受国内网络访问限制策略的影响。KV 存储：中间缓存KV 命名空间：Worker 获取到 USA Today 的响应后，通过 Cloudflare Workers KV API 将数据写入一个 KV 命名空间（键值对存储）。KV 是 Cloudflare 提供的全球分布式、低延迟的持久化存储。数据格式：可以存储 HTML、JSON、纯文本等任意内容，并设置 TTL（生存时间）以实现自动过期更新。服务器读取：通过公网 API访问路径：服务器不再直接访问被封锁的 USA Today，也不再调用可能被屏蔽的 workers.dev 子域名。而是通过 Cloudflare 公开的 REST API 读取 KV 中的内容。{dotted startColor="#ff6c6c" endColor="#1989fa"/}整体数据流USA Today (被墙) ↓ 境外节点发起请求 Cloudflare Worker (边缘执行) ↓ 调用内部 KV API Cloudflare KV (全球存储) ↓ 服务器发起 HTTPS 请求到 api.cloudflare.com 你的服务器（国内/任何位置）方案优势与要点解耦：Worker 负责“取”，服务器负责“读”，两者通过 KV 异步衔接，降低实时依赖。无需暴露 Worker 路由：服务器不访问 Worker 的 HTTP 触发端点（*.workers.dev 或自定义域名），避免了该端点被封锁的风险。API 稳定：api.cloudflare.com 是控制面入口，通常不会被误伤封锁；且 KV 读取可以配置细粒度的 API Token，安全性高。可扩展：可缓存多个来源、多个键值，服务器只需按需读取即可。潜在注意事项KV 读取计费：注意 Cloudflare KV 的读请求配额和计费规则（免费计划每日读次数有限）。数据新鲜度：Worker 需定期抓取更新 KV（如通过 Cron 触发器），或使用 TTL + 被动更新策略。API 延迟：服务器每次读取需发起一次 HTTPS 请求到 api.cloudflare.com，相比直接读取 KV 边缘节点会有额外网络往返，但通常可接受。该方案本质上是利用 Cloudflare 的边缘网络作为“跳板”，以 KV 作为数据交换中介，从而在不直接访问被禁域名或 Worker 路由的前提下，让国内服务器安全地获取境外内容。

hermes命令 通过 docker exec 进入容器执行 Hermes 命令docker exec -it hermes hermes chat更新配置KEYdocker exec -it hermes hermes config set DEEPSEEK_API_KEY "你的新API密钥"重启docker restart hermes

此内容被密码保护 加密文章，请前往内页查看详情

CentOS7.9安装docker 在开始安装前，请确保满足以下要求：系统要求：CentOS 7 的 64 位版本，内核版本不低于 3.10。清理旧版本：如果你的系统之前安装过 Docker，建议先将其卸载，可以避免冲突。可以直接复制下面的命令，一次性清除干净sudo yum remove docker \ docker-client \ docker-client-latest \ docker-common \ docker-latest \ docker-latest-logrotate \ docker-logrotate \ docker-engine第二步：安装 Docker安装依赖工具这些是 Docker 正常运行所需的基础工具sudo yum install -y yum-utils device-mapper-persistent-data lvm2添加 Docker CE 软件源Docker 官方和国内镜像源都提供了对应的软件源。建议优先使用国内镜像源，下载速度会更快更稳定。使用阿里云镜像源（推荐）sudo yum-config-manager --add-repo https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo执行安装源添加完成后，更新软件源缓存并安装 Dockersudo yum makecache fast sudo yum install -y docker-ce docker-ce-cli containerd.io启动 Docker 并设置开机自启安装完成后，启动 Docker 服务，并设置它在系统启动时自动运行sudo systemctl start docker sudo systemctl enable docker验证安装运行一个测试镜像来验证 Docker 是否正常工作sudo docker run hello-world为了提升国内环境拉取 Docker 镜像的速度，可以配置一个国内的镜像加速器。sudo mkdir -p /etc/docker sudo tee /etc/docker/daemon.json <<-'EOF' { "registry-mirrors": [ "https://docker.m.daocloud.io", "https://dockerproxy.com", "https://docker.nju.edu.cn" ] } EOF重启 Docker 服务使配置生效sudo systemctl daemon-reload sudo systemctl restart docker删除停止的容器sudo docker container prune查看还在运行的容器sudo docker ps删除所有未使用的容器sudo docker system prune -a {dotted startColor="#ff6c6c" endColor="#1989fa"/}一些常用的 Docker 管理命令：查看运行中的容器：sudo docker ps查看所有容器（包括已停止）：sudo docker ps -a停止容器：sudo docker stop <容器名或ID>删除容器：sudo docker rm <容器名或ID>查看本地镜像：sudo docker images另外，如果之后想用非 root 用户执行 docker 命令（避免每次输入 sudo），可以把你常用的用户加入 docker 组（例如 root 用户不需要，但如果是其他普通用户）：sudo usermod -aG docker $USER # 重新登录后生效{dotted startColor="#ff6c6c" endColor="#1989fa"/}安装ollama拉取并运行Ollama容器：# 拉取并运行容器，将本地的11434端口映射出来 docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama检查容器状态docker ps验证 Ollama 服务是否正常# 查看容器日志 docker logs ollama

腾讯1.8B专用翻译模型安装过程 确保Docker容器在运行docker ps -a | grep ollama-server-cpu如果没找到，或者之前停了，就用下面这个命令新建并启动一个：docker run -d --name ollama-server-cpu -p 11434:11434 -v /home/docker/ollama:/root/.ollama --restart unless-stopped ollama/ollama从魔塔社区拉取镜像docker exec -it ollama-server-cpu ollama run modelscope.cn/Tencent-Hunyuan/HY-MT1.5-1.8B-GGUF检查镜像目录docker exec -it ollama-server-cpu ollama list运行结果参考[root@ah-ipv6 ~]# docker exec -it ollama-server-cpu ollama list NAME ID SIZE MODIFIED modelscope.cn/Tencent-Hunyuan/HY-MT1.5-1.8B-GGUF:latest b31d15fc8de8 1.1 GB 7 minutes ago [root@ah-ipv6 ~]# 卸载这个模型docker exec -it ollama-server-cpu ollama rm modelscope.cn/Tencent-Hunyuan/HY-MT1.5-1.8B-GGUF:latest检查是否卸载成功docker exec -it ollama-server-cpu ollama list{dotted startColor="#ff6c6c" endColor="#1989fa"/}调用模型docker exec -it ollama-server-cpu ollama run ali6parmak/hy-mt1.5:1.8bdocker exec -it ollama-server-cpu ollama run deepseek-r1:7b或者time curl -s http://localhost:11434/api/generate -d '{ "model": "ali6parmak/hy-mt1.5:1.8b", "prompt": "将以下文本翻译为英文：人工智能正在改变世界。", "stream": false }'安全测试命令docker exec -i ollama-server-cpu curl -s http://localhost:11434/api/generate -d '{ "model": "qwen3.5:4b", "prompt": "在这里放入你的问题", "stream": false, "options": { "num_ctx": 2048, "num_predict": 200 } }'参考结果