在waytoagi买的算力包从哪里查看和使用？

waytoAGI 知识库智能问答机器人的实现方式如下： 基于 Aily 和云雀大模型。Aily 是飞书团队旗下的企业级 AI 应用开发平台，提供简单、安全且高效的环境，帮助企业构建和发布 AI 应用。云雀是字节跳动研发的语言模型，能通过自然语言交互高效完成互动对话等任务。 在飞书 5000 人大群里内置，根据通往 AGI 之路的文档及知识进行回答。使用方法为在飞书群里发起话题时，它会根据 waytoAGI 知识库的内容进行总结和回答。 其具备多种功能，如自动问答、知识搜索、文档引用、互动教学、最新动态更新、社区互动、资源共享、多语言支持等。 搭建过程包括介绍 WaytoAGI 社区的成立愿景和目标、利用 AI 技术帮助用户检索知识库内容、引入 RAG 技术、介绍基于飞书的知识库智能问答技术的应用场景和实现方法、使用飞书的智能伙伴功能搭建 FAQ 机器人以及智能助理的原理和使用方法等。

如果您觉得 WayToAGI 知识丰富但不知从何学起，可以参考以下建议： 1. 从某一个板块开始，比如 Agent 板块。链接： 。使用方法是从下往上看，一个一个点进去，里面都有视频。共学视频都是手把手从注册开始的教学，不会就多看几遍，基本能保障一个工具能调通、一个 Agent 能搭好。但要注意，内容确实有点多，可以先选择自己听过的工具开始，以免太累。 2. 在看了一些视频之后，如果您想了解理论还是应用，可以找到导航，想看哪里点哪里。链接： 。但要注意，智能千帆、阿里云百炼有视频，其余没有。而且内容较多，您需要考虑聚焦，先挑一个，开始手把手一起做起来，看看能不能持续用起来，只要开始用起来，这事儿就成啦！如果快捷菜单找不到，可以参考相关说明。 WayToAGI 不仅是一个知识库，还是连接学习者、实践者和创新者的社区。这里以“无弯路，全速前进”为目标，助力每一个怀揣 AI 梦想的人疾速前行。每一份尝试都值得赞美，每一份付出都应得到鼓励，其成长得益于大家的支持。 此外，WayToAGI 还有整活区。如果您想造艘船，不要只忙于分配工作，而是要激起对大海的向往。在 WayToAGI 有很多垂直板块，这里不是系统性学习的地方，而是一起做有趣事的游乐场。我们大部分时候用 AI 做有用的事，但有用不是必须的，很多创新始于有趣的想法。在整活区，您不用证明想法“有什么用”，可以尽情发挥对 AI 天马行空的想象，把 AI 玩出新花样。

WaytoAGI 具有以下功能： 1. 智能体相关： 新年伊始，春节即将来临，这个智能体可以帮您写祝福语，做对联，甚至预测新年运势。 写蛇年对联，并且产生图片。 写新年祝福。 与大圣闲聊。 2. 网站相关： 和 AI 知识库对话：您可以在这里问任何关于 AI 的问题。 AI 网站：集合了精选的 AI 网站，按需求找到适合您的工具。 AI 提示词：集合了精选的提示词，可以复制到 AI 对话网站来使用。 知识库精选：将每天知识库的精华内容呈现给大家。 3. 整活区相关： 这是一个让您尽情发挥对 AI 最天马行空的想象，不用证明想法“有什么用”，鼓励您把 AI 玩出新花样，哪怕看起来很“沙雕”的地方。

WaytoAGI 有深圳的群。以下是相关信息： 11 月 30 日 WaytoAGI 线下聚会城市地址中包含深圳，地址为深圳湾创新科技中心 B 座 F3404&05。 7 月 28 日的 AI 切磋大会将在包括深圳在内的 15 个城市举行线下聚会，活动主题是“摆摊赚钱（AI 技能交换）”。

目前，与 WaytoAGI 知识库类似的网站可能有一些，但具体的推荐需要根据您的特定需求来确定。WaytoAGI 知识库提供了和 AI 知识库对话、集合精选的 AI 网站、精选提示词、呈现知识库精华内容等功能。它是一个由开发者、学者和有志人士参与的学习社区和开源的知识库，在没有推广的情况下，一年就有超 70 万用户和千万次访问量，社群有很多活动，口号是让更多的人因 AI 而强大。如果您能更明确您对类似网站的具体需求，比如侧重的功能、领域等，我可以为您提供更精准的推荐。

waytoagi 知识库的对话功能开发涉及以下方面： 1. 提示词的运用：建议从最佳实践中的收录内容开始了解，像李继刚老师的结构化提示词很有意思，使用此类提示词能让模型给出更优质、完整的答案。操作过程中有很多有趣的提示词，如“酷老师”“抬杠高手”等，可点开并复制，将其丢进大源模型对话会有不同效果。近期提示词有升级，李金刚老师将其玩到新高度，cloud 等大语言模型可直接显示编译结果内容。输入特定提示词可生成卡片，小创业项目可利用并改变提示词形成独到见解或小应用。 2. 基于飞书 aily 搭建：在飞书 5000 人大群里内置了智能机器人「waytoAGI 知识库智能问答」，它能自动问答、进行知识搜索、提供文档引用、开展互动教学、更新最新动态、促进社区互动、实现资源共享以及支持多语言问答。用户在飞书群里发起话题时即可，它会根据 waytoAGI 知识库的内容进行总结和回答。 3. 解决知识库使用问题：整个知识库内容庞大，传统搜索基于关键词及相关性存在不足，需要用更先进的办法如 RAG 技术来解决，在群中提供快速检索信息的方式，使用更加便捷。

微调所需算力的计算较为复杂，会受到多种因素的影响。以下是一些相关的要点： 在一些教程中，如“大圣：全网最适合小白的 Llama3 部署和微调教程”，提到微调可能需要购买算力，预充值 50 元。 对于大型语言模型（LLM）的微调，由于模型规模大，更新每个权重可能需要很长时间的训练工作，还需考虑计算成本和服务麻烦。 调整用于微调的超参数通常可以产生产生更高质量输出的模型。例如，在某些情况中，可能需要配置以下内容： 模型：可选择“ada”、“babbage”、“curie”或“davinci”之一。 n_epochs：默认为 4，指训练模型的时期数。 batch_size：默认为训练集中示例数量的 0.2%，上限为 256。 learning_rate_multiplier：默认为 0.05、0.1 或 0.2，具体取决于 final batch_size。 compute_classification_metrics：默认为假，若为 True，在分类任务微调时在每个 epoch 结束时在验证集上计算特定分类指标。配置这些超参数可通过 OpenAI CLI 上的命令行标志传递。

微调所需算力的计算较为复杂，会受到多种因素的影响。以下为您提供一些相关信息： 在“大圣：全网最适合小白的 Llama3 部署和微调教程”中提到，微调可能需要预充值 50 元购买算力。 “9.生成式 AI Studio 简介”课程中指出，微调大型语言模型（LLM）时，由于模型规模大，更新每个权重可能需要很长时间的训练工作以及巨大的计算成本。 “微调（Finetuning）”部分提到，调整用于微调的超参数通常可以产生产生更高质量输出的模型。需要配置的超参数包括： model：要微调的基本模型的名称，可选择“ada”、“babbage”、“curie”或“davinci”之一。 n_epochs：默认为 4，指训练模型的时期数。 batch_size：默认为训练集中示例数量的 0.2%，上限为 256。 learning_rate_multiplier：默认为 0.05、0.1 或 0.2，具体取决于 final batch_size。 compute_classification_metrics：默认为假，若为 True，在分类任务微调时会在每个 epoch 结束时在验证集上计算特定指标。 需要注意的是，不同的模型和任务，其算力需求的计算方式可能会有所不同。

微调所需算力的计算涉及多个因素，目前没有一个固定的通用公式。但以下是一些相关的要点和参考： 在一些教程中，如“大圣：全网最适合小白的 Llama3 部署和微调教程”，提到微调可能需要预充值购买算力，费用约 50 元。 对于大型语言模型（LLM）的微调，由于模型规模大，更新每个权重可能需要很长时间的训练工作，计算成本较高。 在微调过程中，超参数的配置也会影响算力需求。例如，选择不同的基本模型（如“ada”、“babbage”、“curie”或“davinci”）、设置训练的时期数（n_epochs）、批量大小（batch_size）、学习率乘数（learning_rate_multiplier）等。批量大小通常为训练集中示例数量的 0.2%，上限为 256；学习率乘数默认为 0.05、0.1 或 0.2，具体取决于最终的批量大小。 需要注意的是，不同的模型和具体的微调任务，其算力需求会有所不同。

目前消耗大量算力的行业和企业主要包括以下方面： 1. 科技巨头：如 Google 拥有大量的 GPU 和 TPU 算力，用于复杂的推理任务和模型训练。 2. 云计算公司：例如 Amazon 和 Microsoft，其 AI 云计算收入主要来自模型托管。 3. 从事 AI 研发的公司：像 xAI 计划用十万块 H100 连成巨大集群，OpenAI 拉上微软打造算力中心 StarGate。 4. 特定领域的企业：如 Apple 利用自身优势发展边缘和远端混合的组合模型。 对于小公司而言，直接参与基础设施建设机会较小，但为当地企业提供 AI 训练的算力支持，并配备服务团队帮助整理知识、寻找业务场景、做垂直训练和微调等，可能存在一定机会。

以下是关于数据、算法、算力的相关知识： 数据：数据的质量对于生成理想的大模型至关重要，早期大模型存在使用不太合规数据等导致乱说的情况。 算法：算法有技术架构的迭代，如英伟达的显卡辅助模型训练。 算力：算力的字面意思是计算能力，可以直接转化成 GPU 就是算力，电脑里的显卡就是 GPU。一张显卡除了 GPU 外，还有一个很重要的参数是显存。GPU 是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器，其诞生源自对 CPU 的减负，使显卡减少了对 CPU 的依赖，并进行部分原本 CPU 的工作。显存的作用是用来存储显卡芯片处理过或者即将提取的渲染数据。GPU 的生产商主要有 NVIDIA 和 ATI。

国内的 GPU 算力平台中，支持快速搭建 AI 大模型预训练环境和微调环境的有： 1. 阿里云：提供云计算资源，用户可根据需求租用算力服务。 2. 腾讯云：具备相应的算力支持，为用户提供灵活的选择。 3. 亚马逊 AWS：基础设施提供商建立的“算力集市”，可满足用户的算力需求。 在搭建环境时，通常需要考虑以下步骤： 1. 选择合适的部署方式，如本地环境部署、云计算平台部署、分布式部署、公共云服务商部署等，根据自身的资源、安全和性能需求进行选择。 2. 准备训练所需的数据和计算资源，确保有足够的训练数据覆盖目标应用场景，并准备足够的计算资源，如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础，例如可以使用开源的预训练模型如 BERT、GPT 等，也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练，根据具体应用场景对预训练模型进行微调训练，优化模型结构和训练过程以提高性能。 5. 部署和调试模型，将训练好的模型部署到生产环境，并对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护，大模型涉及大量数据和隐私信息，需要重视安全性和合规性。 此外，英伟达还发布了统一的超算平台 DGX B200，用于 AI 模型训练、微调和推理。它包括 8 个 Blackwell GPU 和 2 个第五代 Intel Xeon 处理器，包含 FP4 精度功能，提供高达 144 petaflops 的 AI 性能、1.4TB 的 GPU 内存和 64TB/s 的内存带宽。但模型训练能耗也是一个关键问题，例如由 8 张 A100 GPU 组成的 DGX 服务器，最大功率达到 6.5 千瓦，运行一小时就会消耗 6.5 度电，若有 1000 台这样的服务器同时运行，每天的电费将达到惊人的 20 万元。

以下是关于 GPTs 设置的详细步骤： 1. 放入完整的 Schema，并点击 Format 进行验证，如果不报错并显示出 Available Action 的列表，则代表成功。 2. 进行授权，输入 ClientID YOUR_ACCESS_KEY，如 ClientID 123456，并点击 Save。 3. 点击对应 Action 的 Test 验证 Action 是否可以调用。如果遇到返回数据过多造成异常的情况，也代表成功，只需在提示词中限定接口返回的数量即可。 4. 为了 GPTs 后期发布和分享，需要配置 Privacy Policy，其位置一般在网站的底部或者菜单的底部。复制 Privacy Policy 网页地址，如 Privacy policy 地址为：https://unsplash.com/privacy 。 5. 完善 GPTs 的基本配置。 6. 提示词调用方面，根据图片中各个对应关系，执行的操作需要指定 action 的名称，需要显示的字段名称指定具体的位置，比如图片作者，则使用 user.name，这样更加精确，不容易出错。完整提示词如下。注意，如果遇到图片目前无法直接显示，可以使用下载链接的方式查看，如下为应对方案的提示词和效果。如果有更好的方案，欢迎提供。 实操配置 Gapier Actions API 的步骤如下： 1. 登录地址：，点击 Copy Link 进行复制 Actions API 链接。 2. 打开 ChatGPT，点击创建 GPTs>Configure>Create new action。了解平台上支持的功能，输入来自 Gapier 的 Actions API 并点击 Import，导入成功。 3. 在 Gapier 复制授权码用于授权。在 Authentication 下选择配置图标，进入授权页面。开始配置授权码： Authentication Type：选择 API Key Auth Type：选择 Basic 输入从网站上复制的授权码，并点击 Save。若需要分享给他人或者公开发布，需要配置隐私策略码，在网页上寻找并复制，回到 GPT 上进行配置。 4. 确定调用的 Action，并在 Prompt 中引用。查看 Action 的方式分为两种，方式一：GPTs>Configure>Actions 页面；方式二：网页查看，地址为。回到 GPT>Configure 页面，引用 Action，比如调用思维导图的 API，直接输入调用 GenerateMindMap API 即可。此外，另外一种引用的方式是：只要在 Instructions 中申明清楚需求，GPT 会自动选择合适的 API。保存后试用。 创建一个 Http 服务让 GPTs 调用的步骤如下： 1. 创建一个每次产生一个随机数的 Http 服务，体验地址如下：https://gptaction.iaiuse.com/api/random 。 2. 直接在 Instructions 里面写，让它去调用接口。窗口最下面有个 Actions，这里就可以设置它和外部系统的接口。 3. 打孔 Add actions 界面，录入相关代码在 Schema 里面。点击下面的 Test 按钮，就能看到 ChatGPT 如何和服务进行交互。第一次允许它会提示是否允许外部服务，点击右边的小三角可以看到对话框，最右边那个隐私政策就是前面设置的。针对每个 action 都可以设置独立的隐私政策。通过这样一个简单的示例，了解 GPTs 如何和外部的服务进行交互，扩展它的能力。

以下是关于 DeepSeek V3 的相关信息： Andrej Kaparthy 赞扬 Deepseek 的技术报告值得一读。 很多中国人将 DeepSeekV3 视作“国货之光”，它对高性能算力的依赖小，将训练和推理当作一个系统，给出诸多新的技术思路，注重用工程思维高效解决算法和技术问题。 DeepSeek 的创始人梁文锋出生于 1980 年代，来自广东省的一个五线城市，毕业于浙江大学，主修软件工程，本硕，人工智能方向，非常低调。 阅读 DeepSeek V3 的技术报告列出的研发人员名单近 200 人，均为本土 CS，很多核心是清北及大学应届的 CS 硕博，即便核心人员也是毕业 3 5 年 CS 博士，研发人员充分信任不断自我选择，这是中国最像 OpenAI 研发组织分工和氛围的 AI 研究机构。 您可以通过以下链接获取相关技术报告：

以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话，并利用飞书多维表格存储和管理稍后读数据，实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口完成收集输入。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用飞书·稍后读助手： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 至此，专属 AI 稍后读智能体大功告成，您可以尽情享受相关服务。

以下是一些常用的查看文章是否为 AI 生成的方法和工具： 1. Turnitin：这是一个广泛使用的学术剽窃检测工具，最近增加了检测 AI 生成内容的功能。使用时，用户上传论文，系统会自动分析文本并提供详细报告，标示出可能由 AI 生成的部分。 2. Copyscape：主要用于检测网络上的剽窃行为，虽不是专门的 AIGC 检测工具，但能发现可能被 AI 生成的重复内容。输入文本或上传文档，系统会扫描网络查找相似或重复内容。 3. Grammarly：提供语法检查和剽窃检测功能，其剽窃检测部分可帮助识别可能由 AI 生成的非原创内容。将文本粘贴到 Grammarly 的编辑器中，选择剽窃检测功能，系统会提供分析报告。 4. Unicheck：基于云的剽窃检测工具，适用于教育机构和学术研究，可检测 AI 生成内容的迹象。上传文档或输入文本，系统会分析并生成报告，显示潜在的剽窃和 AI 生成内容。 5. ：专门设计用于检测 AI 生成内容，使用先进算法分析文本，识别是否由 GPT3 或其他 AI 模型生成。上传文档或输入文本，系统会提供详细报告。 6. ：提供免费的 AI 内容检测工具，可识别文本是否由 AI 生成。将文本粘贴到在线工具中，点击检测按钮，系统会提供分析结果。 7. GPTZero：专门设计用于检测由 GPT3 生成内容，适用于教育和出版行业。上传文档或输入文本，系统会分析并提供报告，显示文本是否由 GPT3 生成。 8. Content at Scale：提供 AI 内容检测功能，帮助用户识别文本是否由 AI 生成。将文本粘贴到在线检测工具中，系统会分析并提供结果。 此外，AIGC（人工智能生成内容）是利用人工智能技术生成各种类型内容的应用方式，在内容创作、广告、媒体等领域广泛应用，包括文字、图像、视频生成等。AIGC、UGC（用户生成内容）和 PGC（专业生成内容）是内容生成的不同方式，主要区别在于内容的创作者和生成方式。UGC 由用户生成，内容丰富多样，适用于社交媒体等平台；PGC 由专业人士或机构生成，内容质量高、专业性强，适用于新闻媒体等平台；AIGC 由人工智能生成，可快速大规模生成内容，适用于自动化新闻等场景。

要查看大模型排名，您可以通过以下几种方式： 1. 查阅相关的科技新闻网站、学术论坛或关注人工智能领域的社交媒体平台，这些渠道通常会及时发布最新的排名和评价。 2. 在通往 AGI 之路的知识库里，在会定期更新相关的排名报告，可以供您查阅。 3. 例如，您可以访问聊天机器人竞技场网站，输入一些问题，根据两个模型的响应选择获胜者，通过这种方式根据胜率计算 ELO 分数来确定排名。越高越好。目前表现最好的模型多为专有模型，如 OpenAI 的 GPT 系列，以及 Anthropic 的 Claude 系列等。 4. 斯坦福发布的大模型排行榜 AlpacaEval 也可作为参考，其支持两种模式的模型评估方式： alpaca_eval：直接根据目标模型输出的响应来评估模型。 alpaca_eval evaluate_from_model：根据 HuggingFace 已注册模型或这 API 提供商来端到端评测模型。评测过程分为以下 3 步： 选择一个评估集，并计算指定为 model_outputs 的输出。默认情况下，使用来自 AlpacaEval 的 805 个示例。 计算 golden 输出 reference_outputs。默认情况下，在 AlpacaEval 上使用 textdavinci003 的输出。 通过 annotators_config 选择指定的自动标注器，它将根据 model_outputs 和 reference_outputs 计算胜率。这里建议使用 alpaca_eval_gpt4 或 claude。根据不同的标注器，使用者还需要在环境配置中设定 API_KEY。 需要注意的是，内容由 AI 大模型生成，请仔细甄别。

新手学习 AI 可以按照以下步骤进行： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 如果您是零基础小白，还可以： 1. 网上找基础课程进行学习。 2. 观看科普类教程。 3. 阅读 OpenAI 的文档，理解每个参数的作用和设计原理。 4. 推荐使用一些练手的 Prompt 工具和相关教程文档。

以下是在电脑本地部署 DeepSeek 的步骤： 1. 拥有扣子专业版账号：如果您还是普通账号，请自行升级或注册专业号后使用。开通成功的样子如相关说明。 2. 开通 DeepSeek R1 大模型：访问地址：https://console.volcengine.com/cozepro/overview?scenario=coze 。打开火山方舟，找到开通管理，找到 DeepSeek R1 模型，点击开通服务。添加在线推理模型，添加后在扣子开发平台才能使用，具体添加过程包括添加模型和完成接入。 3. 创建智能体：点击创建，先完成一个智能体的创建。 此外，您还可以参考以下文章获取更详细的教程：《张梦飞：15 分钟零基础个人电脑部署 DeepSeekR1（无限制版）智能助手保姆级教程！》（https://waytoagi.feishu.cn/wiki/NjKBw4n8HikDZBkeyB4cDQVynKh?useEs6=0 ），该教程适用于完全没有 AI 部署经验的小白，详细介绍了如何在个人电脑上快速搭建 DeepSeekR1 本地 AI 助手，包括 Ollama 安装、DeepSeekR1 模型下载与运行、显存检查、终端指令操作、网页插件使用等环节，并提供了清晰的步骤图，确保 15 分钟内完成部署。

在 2025 年 2 月 12 日，您可以通过以下方式快速、稳定地使用 DeepSeek R1： PPIO 派欧云（https://ppinfra.com/modelapi/product/llmapi?utm_medium=article&utm_source=WayToAGI）：提供满血版全版本的 DeepSeekR1，输入价格为￥4/百万 tokens，输出价格为￥16/百万 tokens。有开发者福利，新注册立得 500 万 tokens（关注 PPIO 公众号回“deepseek”再领 1 亿），初创企业认证有 10 万算力补贴。产品服务特点为服务稳定性 99.9%，保持 0 故障，与 DeepSeek 官方同价，客户支持通道 10 分钟响应。 百度智能云：DeepSeekR1 限时免费，配额 1000RPM/10000TPM，无调用 tokens 上限。本模型将于 2025 年 2 月 19 日 00:00 起正式商用计费，输入价格 0.002 元/千 tokens，输出价格 0.008 元/千 tokens，有在线体验。 硅基流动：DeepSeekR1 输入价格为￥4/M Tokens，输出价格为￥16/M Tokens，有在线体验。2025 年 2 月 6 日起，未实名用户每日最多请求此模型 100 次。 此外，在 2 月 12 日，还有以下相关内容： 《》，来自社区伙伴 Hua 的投稿，手把手指导您在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 《》Anthropic 正式发布 Anthropic AI Economic Index，聚焦 AI 对经济的长期影响。该指数直观展现 AI 如何融入现代经济的各类实际任务，并从职业（occupation）和具体工作任务（task）两个维度，量化 AI 对劳动力市场的影响。 《》DeepSeekR1 的火爆现象背后，企业可以获得显著提升。其强化学习和联网搜索能力，改变了信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。同时，DeepSeek 的开源策略打破了技术垄断，让国内大模型能力迅速提升。

以下是一些适合小白短视频创作者使用的 AI 工具： 1. 国外工具： PixVerse：具有多模态输入功能，支持文本到视频和图像到视频的转换，提供多种风格选项，可通过调整动作强度、添加负面提示词等方式实现精细化控制，创作效率较高，有社区支持，还提供视频上采样功能，但 Web 应用和 Discord 服务器生成的视频质量存在差异，使用时仍需提供准确的文本描述。 2. 国内工具： 可灵：视频生成质量高，可与国际顶尖模型媲美，生成速度快，处理效率高于国外同类产品，对于国内用户可访问性好，使用便捷、稳定，除价格因素外，在功能和性能上表现出色。 此外，对于小白短视频创作者来说，自媒体、非专业创作者通常有着明确的视频剪辑痛点，比如寻找视频素材花费时间长、需注意版权问题等。一些产品如 Invideo AI、Pictory 能发力脚本生成分镜、视频，帮助降低素材制作门槛。Gamma AI 能实现文章高效转 PPT，结合其他产品的能力可快速转化为视频内容。OpusClip 提供的长视频转短视频功能可解决同一素材在不同平台分发导致制作成本升高的痛点。

以下是 DeepSeek 的使用指南： 1. 效果对比：用 Coze 做了小测试，可对比查看相关视频。 2. 如何使用： 步骤 1：搜索 www.deepseek.com，点击“开始对话”。 步骤 2：将装有提示词的代码发给 DeepSeek。 步骤 3：认真阅读开场白之后，正式开始对话。 3. 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用，减轻调试负担。 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力基础上优化输出质量，减轻 AI 味，增加可读性。 设计了阈值系统，可能形式大于实质，之后根据反馈可能会修改。 用 XML 进行更为规范的设定，而非 Lisp 和 Markdown。 4. 完整提示词：v 1.3 5. 特别鸣谢：李继刚的【思考的七把武器】在前期提供了很多思考方向；Thinking Claude 是最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手。 此外，还有以下相关内容： 1. 2 月 7 日的社区新闻速递中，《》是清华大学新闻与传播学院新媒体研究中心出品的指南，详细阐述了 DeepSeek 的功能及使用方法。 2. DeepSeekR1 提示词系统完全指南： 核心原理认知：包括 AI 特性定位（多模态理解、动态上下文、任务适应性）和系统响应机制（采用意图识别+内容生成双通道理，自动检测 prompt 中的任务类型/输出格式/知识范围，对位置权重、符号强调敏感）。 基础指令框架：如果不知道如何表达，可套用框架指令，包括四要素模板、格式控制语法（强制结构、占位符标记、优先级符号）。 进阶控制技巧：包括思维链引导（分步标记法、苏格拉底式追问）、知识库调用（领域限定指令、文献引用模式）、多模态输出。

以下是使用钉钉中的知识库构建智能问答机器人的步骤： 1. 纯 GPT 大模型能力的微信聊天机器人搭建： 配置极简未来（Link.AI）平台：按照官方教程操作，教程地址为 https://docs.linkai.tech/platform/createapp ，学习补充可参考 https://docs.linkai.tech/platform/quickstart 。 教程中的应用是创建一个具体的 AI 问答机器人应用。 教程中的知识库是给绑定到指定问答机器人的资料数据集，让机器人基于这些内容回答问题。 知识库应用中的应用设定是给 AI 机器人的提示词内容或者人设，关于提示词可查看教程 https://waytoagi.feishu.cn/wiki/OqJQwzq2wi9EIOkFtFkclM24nSe 。 创建成功的 AI 应用，记住应用的应用 ID，用于后续对接微信聊天机器人。 生成 API Key 用于后续功能对接，地址为 https://linkai.tech/console/interface ，点击创建 API Key 并记住。 2. 用 Coze 免费打造自己的微信 AI 机器人： 设计 AI 机器人： 开始节点和结束节点会自动生成。 开始节点配置：输入变量名写“Question”，描述写“用户输入的问题”，变量类型选“String”。 知识库配置：将开始节点和知识库左侧节点连接，知识库输入引用开始节点的变量“Question”，点击“+”号选择之前创建好的知识库，将知识库右侧节点与结束节点左侧连起来。 结束节点配置：用于输出 AI 机器人的最终结果，回答格式设置为“您的问题：{{question}} 问题的答案：{{answer}}”，在输出变量那里定义“question”引用“开始节点的 Question”，“answer”引用“知识库节点的输出 output”，回答模式选择使用设定的内容直接回答。 试运行测试：点击右上角“试运行”，输入问题如“AIGC 课件”，点击右下角“运行”，查看工作流每一步的详细输入和输出。

以下是 DeepSeek 的使用指南： 1. 效果对比：用 Coze 做了小测试，可对比查看 2. 如何使用： 步骤 1：搜索 www.deepseek.com，点击“开始对话” 步骤 2：将装有提示词的代码发给 Deepseek 步骤 3：认真阅读开场白之后，正式开始对话 3. 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用，同时减轻调试负担。 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 照猫画虎参考大模型的 temperature 设计了阈值系统，可能形式大于实质，之后根据反馈可能会修改。 用 XML 来进行更为规范的设定，而不是用 Lisp（有难度）和 Markdown（运行不太稳定）。 4. 完整提示词：v 1.3 5. 特别鸣谢：李继刚的【思考的七把武器】在前期提供了很多思考方向；Thinking Claude 是现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手。 此外，还有以下相关内容： 1. 2 月 7 日的社区新闻速递中，《》是清华大学新闻与传播学院新媒体研究中心出品的指南，详细阐述了 DeepSeek 的功能，包括智能对话、文本生成、代码生成、自然语言理解等，并探讨了如何使用 DeepSeek，包括推理模型与通用模型的区别、提示语设计策略以及如何从入门到精通。文章还介绍了提示语设计的核心技能、常见陷阱及应对方法，旨在帮助用户更好地掌握 AI 工具的使用，提升工作效率和创新能力。 2. DeepSeekR1 提示词系统完全指南： 核心原理认知： AI 特性定位：多模态理解，支持文本/代码/数学公式混合输入；动态上下文，对话式连续记忆（约 4K tokens 上下文窗口）；任务适应性，可切换创意生成/逻辑推理/数据分析模式。 系统响应机制：采用意图识别+内容生成双通道理，自动检测 prompt 中的任务类型/输出格式/知识范围，对位置权重（开头/结尾）、符号强调敏感。 基础指令框架：如果不知道如何表达，可套用框架指令。包括四要素模板、格式控制语法（强制结构：使用```包裹格式要求；占位符标记：用{{}}标注需填充内容；优先级符号：>表示关键要求，!表示禁止项）。 进阶控制技巧： 思维链引导：分步标记法，如请逐步思考：1.问题分析→2.方案设计→3.风险评估；苏格拉底式追问，在得出最终结论前，请先列举三个可能存在的认知偏差。 知识库调用：领域限定指令，如基于 2023 版中国药典，说明头孢类药物的配伍禁忌；文献引用模式，如以 Nature 2022 年发表的论文为参考，解释 CRISPRCas9 最新突破。 多模态输出。