最近正好有个RFC2544测试，之前都是L2蛇形居多，这次测试下路由蛇形。在此类测试中，“路由蛇形拓扑”（Snake-like Routing Topology）是一种具有代表性的测试模型。该模型要求流量按照预先规划的逻辑顺序，在一台交换机上创建多个虚拟路由转发（VRF）实例，通过一系列指定端口进行有序转发。然而，此类拓扑手动配置较复杂，逻辑需要逐一捋顺，重复工作多，比较费时间。
为应对上述挑战，我请AI（grok -> gemini）开发一个自动化的Python脚本。此脚本旨在通过程序化方式生成网络配置，从手动配置工作中解放出来，显著提升测试环境部署的效率与准确性。其最终交付成果是一个能够根据用户提供的基础拓扑信息，自动生成适用于多种主流网络设备操作系统（包括H3C, Huawei, Cisco, Juniper, SONiC）完整配置文件的软件工具（目前只测试了H3C的系统，其他系统待测试，估计使用时需要些许调整，后面用到了再完善吧）。
完整阅读本机跑Ollma很容易，分开跑同样很容易 ~ 也就是如下Topology：
MacBook pro（web） ——– （openwebui）synology 918+ ——–（ollama）MacStudio
为什么这么繁琐，主要是不想在Mac上安装docker，另外也不想把openwebui直接安装到host上，正好利用这种方式测试下交互，所以才有了这篇文章
在下面文件夹中增加一个配置文件，默认应该没有这个文件夹，我是安装过NAS的drive应用，所以就不用新建了。确保ollama路径是正确的，通过which命令验证，以及打开局域网访问OLLAMA_HOST 0.0.0.0：
yong@yongdeMac-Studio ~ % more ~/Library/LaunchAgents/com.ollama.ollama.plist
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>com.ollama.ollama</string>
<key>ProgramArguments</key>
<array>
<string>/usr/local/bin/ollama</string>
<string>serve</string>
</array>
<key>RunAtLoad</key>
<true/>
<key>KeepAlive</key>
<true/>
<key>EnvironmentVariables</key>
<dict>
<key>OLLAMA_HOST</key>
<string>0.0.0.0</string>
</dict>
<key>StandardOutPath</key>
<string>/tmp/ollama.log</string>
<key>StandardErrorPath</key>
<string>/tmp/ollama.err</string>
</dict>
</plist>
yong@yongdeMac-Studio ~ % which ollama
/usr/local/bin/ollama之前一直看到有人谈论用Chatgpt编程序，设计产品，做游戏，反正很神就是了。在我使用过程中，并没有感觉那么神，也许是提示字给的不标准吧。最近正好有个机会，需要搞一个All2all的测试脚本，可自动化提供大规模All2All的测试任务。因此就测试了下GPT的能力。
目前用的是最新版本GPT4o（自行花了20美金），整体使用下来，GPT确实可以协助编程，只是沟通起来比较费劲和费时间……如果真正要搞一个项目，就不太现实了。估计还要再迭代几轮吧。即使是最牛的GPT4o，在沟通交互中，仍然会有以下问题：