coze相关资源在哪里

对于不懂编码的文科生来说，学习扣子 Coze 的应用是具有一定挑战性的，但并非不可逾越。 根据相关资料，扣子 Coze 应用于 11 月底推出，其低代码或零代码的工作流等场景做得较好。在学习过程中，您需要熟悉操作界面、业务逻辑和用户界面，包括布局、搭建工作流、用户界面及调试发布，重点熟悉桌面网页版的用户界面。 课程安排方面，第一天会熟悉扣子应用、认识界面、搭建证件照简单应用，解决表单使用等卡点。 不过，社区中很多不懂代码的设计师和产品经理在搭建时也感到吃力。对于学习所需的时间，难以给出确切的时长，这取决于您的学习能力和投入程度。但如果您能认真参与课程学习，逐步掌握相关知识和技能，相信会在一段时间内取得一定的成果。

以下是一些您可以从以下角度开发产品来赋能兼职督学岗位的工作效率，并锻炼您的 AI 能力，以争取上司或老板为产品支付报酬： 1. 利用 Coze 的多语言模型支持，为解答高中生学习方法等疑问提供更准确和全面的回答。 2. 借助插件系统，集成与学习相关的插件，如学习资料查询、学习工具推荐等，丰富服务内容。 3. 运用知识库功能，上传各类学科知识点、优秀学习案例等，方便在服务中快速调用和推送。 4. 利用数据库和记忆能力，记住每个高中生的学习情况和需求，提供个性化服务。 5. 设计工作流，例如自动发送测试卷、自动通知后端制作学习计划、自动推送学习计划链接等流程，提高工作效率。 6. 采用多代理模式，针对不同学科或学习阶段设置专门的代理，提供更精准的服务。 7. 利用 Coze 易于发布和分享的特点，将服务产品推广给更多需要的高中生和督学人员。

以下是关于您利用 Coze 和 DeepSeek 等 AI 接入飞书来赋能兼职督学岗位工作效率的一些建议： 开发产品的角度： 1. 智能答疑系统：利用 AI 技术，对高中生常见的学习方法疑问进行自动分析和回答，提高答疑效率和准确性。 2. 个性化测试卷生成：根据学生的学习情况和需求，通过 AI 生成个性化的测试卷。 3. 学习计划优化：基于学生提交的测试卷结果，利用 AI 更精准地制定学习计划。 4. 知识点精准推送：运用 AI 分析学生的学习进度和薄弱环节，定期推送更具针对性的知识点。 5. 打卡提醒优化：通过 AI 实现更灵活、个性化的打卡提醒方式。 推销给上司的方法： 1. 展示效率提升：详细说明产品如何大幅提高兼职督学的工作效率，节省人力和时间成本。 2. 个性化服务优势：强调产品能够为高中生提供更个性化、精准的服务，提升学习效果。 3. 数据支持：提供相关的数据和案例，证明 AI 赋能后的积极效果。 4. 成本效益分析：说明开发和使用该产品的成本相对较低，而带来的收益显著。 5. 未来发展潜力：阐述产品在不断优化和拓展功能方面的潜力，适应更多的教育需求。 另外，Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计。它具有多语言模型支持、插件系统、知识库功能、数据库和记忆能力、工作流设计、多代理模式、免费使用、易于发布和分享等特点。这些特点可以为您的产品开发提供有力支持。

使用 COZE 搭建智能体的步骤如下： 1. 梳理手捏 AI Agent 的思路： 在上篇文章中提到过 Prompt 工程的必备能力，即通过逻辑思考，从知识经验中抽象表达出关键方法与要求，这一理念同样适用于在 Coze 中创建 AI Agent。 搭建工作流驱动的 Agent 简单情况可分为 3 个步骤： 规划：制定任务的关键方法，包括总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：分步构建和测试 Agent 功能。 完善：全面评估并优化 Agent 效果。 2. 分步构建和测试 Agent 功能： 首先进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 根据弹窗要求，自定义工作流信息。 点击确认后完成工作流的新建，可以看到整个编辑视图与功能。 其中，左侧「选择节点」模块中，根据子任务需要，实际用上的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。本案例涉及的思维导图、英文音频，因为无法通过 LLM 生成，就需要依赖插件来实现。 大模型：调用 LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 而编辑面板中的开始节点、结束节点，则分别对应分解子任务流程图中的原文输入和结果输出环节。 接下来，按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 3. 全面评估并优化 Agent 效果： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。

通过飞书机器人与 Coze 搭建智能体进行对话，实现跨平台的稍后读收集与智能阅读计划推荐，具体步骤如下： 1. 前期准备： 设计 AI 稍后读助手的方案思路，包括简化“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 URL 完成收集，借鉴微信文件传输助手通过聊天窗口输入）、自动化“整理入库”（自动整理每条内容的关键信息，支持跨平台查看）、智能“选择”推荐（根据收藏记录和阅读兴趣生成阅读计划）。 2. 逐步搭建 AI 智能体： 经过配置得到两个可用工作流（整理入库、选择内容），将其编排为完整智能体。 配置过程包括创建 Bot、填写 Bot 介绍、切换模型为“通义千问”、把工作流添加到 Bot 中、新增变量{{app_token}}、添加外层 bot 提示词，完成后可在「预览与调试」窗口与智能体对话并使用全部功能。

以下是使用飞书机器人（如 Coze 智能体）自动抓取外部链接（如网页、公众号文章），通过多维表格存储为“稍后读”清单，并自动提取关键信息（标题、摘要、标签）的相关内容： 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，通过聊天窗口输入更符合用户习惯。 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。 使用步骤： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，然后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。 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。 通过飞书机器人与 Coze 搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出，由 Coze 调用大模型、插件完成内容的整理、推荐，利用飞书多维表格存储和管理稍后读数据，理论上无需开发任何插件、APP，就能实现跨平台的稍后读收集与智能阅读计划的推荐。部署完成后，您可以在电脑、手机端通过飞书机器人与稍后读助手进行对话，也可以直接在 Coze 商店中与 bot 进行对话，如果部署到微信服务号、订阅号，还可以通过这些渠道调用 bot。

以下是为您组织的学习 AI 的流程： 一、了解 AI 基本概念 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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。同时，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。 二、开始 AI 学习之旅 在「」中，您将找到一系列为初学者设计的课程。特别推荐李宏毅老师的课程。您还可以通过在线教育平台（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。 三、选择感兴趣的模块深入学习 AI 领域广泛，涵盖图像、音乐、视频等方面。您可以根据自己的兴趣选择特定的模块进行深入学习，同时一定要掌握提示词的技巧，它上手容易且很有用。 四、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您的作品，在知识库中也有很多大家实践后的作品、文章分享，欢迎您实践后也进行分享。 五、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，获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 另外，费曼学习法也是一种有效的学习方式。它强调通过教授他人来深化个人理解和知识的掌握，基本步骤包括选择一个概念、教给他人、回顾和简化、组织和比较。其应用场景包括个人学习、教学和培训、知识分享等。 WaytoAGI（通往 AGI 之路）是一个致力于人工智能学习的中文知识库和社区平台，汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯，还有丰富的学习资源、实践活动，并倡导开放共享的知识体系。在没有任何推广的情况下，WaytoAGI 一年时间已有超过 100 万用户和超千万次的访问量，目前合作过众多公司和产品。

由于您提供的内容中没有具体的相关信息，以下为您生成一份较为通用的房地产开发公司年度 AI 提升工作效率的工作策划示例，您可以根据实际情况进行调整和完善。 一、目标 通过在公司内部推广 AI 工具的使用，在本年度内实现各部门工作效率提升 30%以上，降低人力成本 15%左右，提高项目质量和客户满意度。 二、行动计划 1. 第一季度 进行市场调研，了解适合房地产开发行业的 AI 工具。 组织内部培训，让员工初步了解 AI 工具的应用。 2. 第二季度 针对各部门需求，选择并引入相应的 AI 工具进行试点应用。 建立数据收集和分析机制，为 AI 工具的优化提供支持。 3. 第三季度 对试点部门的应用效果进行评估和总结。 根据评估结果，对 AI 工具进行调整和优化。 4. 第四季度 在全公司范围内推广成熟的 AI 工具应用。 对全年的 AI 应用效果进行总结和评估。 三、团队人员需求及分工 1. 成立 AI 推广小组 组长：负责整体工作的规划和协调。 技术专家：负责 AI 工具的选型、配置和技术支持。 培训师：负责组织员工培训和指导使用。 数据分析师：负责收集和分析数据，为工具优化提供依据。 部门联络人：每个部门指定一名联络人，负责与推广小组沟通本部门的需求和问题。 四、具体 AI 工具及对应解决的问题 1. 智能客服系统 解决客户咨询响应不及时的问题，提高客户满意度。 2. 项目管理 AI 工具 优化项目进度安排和资源分配，提高项目管理效率。 3. 市场分析 AI 工具 精准分析市场趋势和客户需求，为项目定位提供依据。 五、需要费用明细及资源需求 1. 费用明细 AI 工具采购费用：万元。 培训费用：万元。 技术支持和维护费用：万元。 数据采集和分析费用：万元。 2. 资源需求 服务器和存储设备，以支持 AI 工具的运行和数据存储。 足够的网络带宽，确保数据传输的流畅性。 六、风险点 1. 员工对新技术的接受度和适应能力可能较低，需要加强培训和引导。 2. AI 工具的应用效果可能不如预期，需要及时调整和优化。 3. 数据安全和隐私保护可能存在风险，需要建立完善的防护机制。

以下是吴恩达《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》的相关资源： B 站： 学习笔记： 飞书： 下的相关课程

以下是关于 LLM 学习资源和 OpenAI Cookbook 的相关信息： 学习大型语言模型（LLM）开发的资源和路径： 1. 掌握深度学习和自然语言处理基础： 机器学习、深度学习、神经网络等基础理论。 自然语言处理基础，如词向量、序列模型、注意力机制等。 相关课程：吴恩达的深度学习课程、斯坦福 cs224n 等。 2. 理解 Transformer 和 BERT 等模型原理： Transformer 模型架构及自注意力机制原理。 BERT 的预训练和微调方法。 掌握相关论文，如 Attention is All You Need、BERT 论文等。 3. 学习 LLM 模型训练和微调： 大规模文本语料预处理。 LLM 预训练框架，如 PyTorch、TensorFlow 等。 微调 LLM 模型进行特定任务迁移。 相关资源：HuggingFace 课程、论文及开源仓库等。 4. LLM 模型优化和部署： 模型压缩、蒸馏、并行等优化技术。 模型评估和可解释性。 模型服务化、在线推理、多语言支持等。 相关资源：ONNX、TVM、BentoML 等开源工具。 5. LLM 工程实践和案例学习： 结合行业场景，进行个性化的 LLM 训练。 分析和优化具体 LLM 工程案例。 研究 LLM 新模型、新方法的最新进展。 6. 持续跟踪前沿发展动态： 关注顶会最新论文、技术博客等资源。 OpenAI Cookbook 资源： 如需更多灵感，请访问，其中包含示例代码以及指向第三方资源的链接，例如： 1. 2. 3. 4. 此外，还有 LLM 开源中文大语言模型及数据集集合中的相关资源： HuggingLLM： 地址： 简介：介绍 ChatGPT 原理、使用和应用，降低使用门槛，让更多感兴趣的非 NLP 或算法专业人士能够无障碍使用 LLM 创造价值。 OpenAI Cookbook： 地址： 简介：该项目是 OpenAI 提供的使用 OpenAI API 的示例和指导，其中包括如何构建一个问答机器人等教程，能够为从业人员开发类似应用时带来指导。

以下是为您制定的学习搭建智能体的进阶路径和推荐资源链接： 进阶路径： 1. 注册智谱 Tokens 智谱 AI 开放平台：https://bigmodel.cn/ 新注册用户可获得 2000 万 Tokens。 可通过充值/购买多种模型的低价福利资源包，如直接充值现金，所有模型可适用：https://open.bigmodel.cn/finance/pay ；免费 GLM4Flash 语言模型/ 。所有资源包购买地址：https://bigmodel.cn/finance/resourcepack 。 共学营报名赠送资源包。 2. 先去【财务台】左侧的【资源包管理】查看自己的资源包，本次项目会使用到的有 GLM4、GLM4VPlus、CogVideoX、CogView3Plus 模型。 3. 进入智能体中心我的智能体，开始创建智能体。此流程会手把手进行编辑，完成一个简单智能体的搭建。 推荐资源链接： 1. 智谱 BigModel 共学营第二期：把您的微信变成超级 AI 助理 https://bigmodel.cn/ 2. 教师的 AI 减负指南 3. 提示词培训课——Part2 在搭建智能体的过程中，您需要像导演一样，编排具体流程，检查结果，修改流程，反复迭代。提示语的核心是逻辑，要将复杂的任务拆分成科学合理的步骤，并且让前一步的结果都成为后一步的基础。同时，不要害怕犯错，每一次尝试都是向成功迈进的一步。

以下是关于 AI 在人力资源服务行业发展趋势的相关内容： 人工智能和机器学习在金融服务行业的应用已有十多年，促成了信贷评估、欺诈评分等方面的改进。大型语言模型通过生成式人工智能代表着重大飞跃，正在改变多个领域，包括教育、游戏、商业等。与传统 AI/ML 侧重基于现有数据进行预测或分类不同，生成式人工智能能创造全新内容。这种能力结合对大量非结构化数据的训练和无限计算能力，可能带来金融服务市场数十年来最大的变革。在金融服务行业，预计优秀的新公司和现有企业将立即开始接纳生成式人工智能。 在人力资源服务行业，相关报告如《用友：AI 在企业招聘中的应用现状调研报告》预测，随着技术进步，AI 将进一步推动个性化人力资源管理，创造无人值守的 HR 平台，推动企业持续发展。 知名投资机构 Nfx 分析指出，AI 正在强制逆转 SaaS 缩写的含义，从“软件即服务”转变为“服务即软件”，软件既能组织任务也能执行任务，无需雇佣额外劳动力，传统劳动力市场将和软件融合成新市场。从企业组织结构来看，提供这种 AI 劳动力的产品有两种形式。

以下是对您提出的生涯规划领域垂直大模型产品的可行性分析和发展规划，并为项目取名为“生涯智途”。 可行性分析： 1. 需求广泛：帮助人们进行职业规划是一个普遍存在的需求，涵盖了各个年龄段和职业阶段的人群。 2. 数据可用性：可以通过各种渠道收集大量与职业相关的数据，包括行业报告、职位描述、人才需求等。 3. 技术支持：当前大模型技术的发展为实现这样的产品提供了可能，能够处理和分析大量复杂的数据。 发展规划： 1. 数据收集与整理：广泛收集各类职业数据，建立丰富的数据库，确保数据的准确性和完整性。 2. 模型训练与优化：利用收集到的数据进行模型训练，不断优化模型，提高预测和推荐的准确性。 3. 功能开发： 个性化测评：开发能够准确评估用户天赋、兴趣、优势的功能模块。 精准推荐：根据用户的特点，提供个性化的行业和职业推荐，并详细介绍职业的工作内容和核心能力要求。 持续学习与更新：随着行业变化，及时更新数据和模型，以提供最新的职业信息。 4. 用户体验优化：设计简洁、易用的界面，提供良好的用户交互体验。 5. 市场推广：通过线上线下多种渠道进行推广，提高产品的知名度和用户覆盖面。 希望以上分析和规划对您有所帮助。

以下是一些与 AI 相关的舆情分析或信息订阅产品： 腾讯研究院开发的系列产品： AI 每日速递：高度凝练的日报产品，帮助读者在 35 分钟内快速掌握 AI 领域当日十大关键进展。 AI 每周 50 关键词：周报产品，基于 AI 速递内容构建，通过梳理一周热点关键词并制作可交互索引，为研究者提供便捷的“检索增强”工具。 科技九宫格：以 35 分钟视频形式解读科技热点与关键技术原理的短视频栏目，通过可视化呈现促进读者对前沿技术的理解与讨论。 此外，团队还开展了 AGI 专题分析、AGI 线上圆桌、AI&Society 高端研讨会与 AI&Society 百人百问等系列研究探讨。 个人订阅的 AI 信息源： 包括公众号、Telegram、微博、即刻等平台。 推荐的 Telegram 频道：黑洞资源笔记、科技新闻投稿、AI 探索指南、ChatGPT 新闻聚合、ChatGPT 精选、极客分享、开源社区、深度技术资源、AI News、AI Copilot、GIthub 仓库推荐等。 公众号“卡尔的 AI 沃茨”也会有一些 AIGC 周报等。 一种通过文章链接订阅公众号，定时推送情报消息，并实现情报 CoT 问答的方式： 利用 wewerss，建议使用 Docker。浏览器打开 http://127.0.0.1:4000 或 http://wewerss 服务的 IP:端口（为上面设置的外部端口）。 点开后输入 Dash 管理页面密码，先点帐号管理，然后点“添加读书帐号”（即使用微信读书来实现公众号订阅），扫码添加帐号。 然后在公众号源上，点添加，将想订阅的公众号的一篇文章链接粘贴并点确定即可订阅公众号文章，但建议不要短时间订阅太多公众号（最好不超 40 个）。在本地 data/目录会生成一个 SQLite 数据库文件 wewerss.db。

以下是与教师相关的 AI 应用： 1. 帮助教师获取信息和学习：可以要求人工智能解释概念，获取良好结果。例如，可参考。 2. 作为自动导师：。但使用时需注意可能产生的幻觉，关键数据要根据其他来源仔细检查。 3. 重构教育服务：授课教师、游戏玩家、情感伴侣等服务都可被 AI 重构。 4. 作为数字教师：借助大型语言模型，人工智能生成的角色可以像古时候的苏格拉底、孔子一样，采用对话式、讨论式、启发式的教育方法授课。例如，让牛顿亲自授课《牛顿运动定律》，让白居易为你讲述《长恨歌》背后的故事。能实现一对一辅导，提高学生参与感，还能根据学生情况提供定制化学习计划和资源，缓解教育资源不平等问题。 5. 生成作业和试题：AI 可以生成作业单和各类测试题，如模仿中高考、托福雅思、SAT（美国高考）、GRE（美国研究生入学考）等的试题，为教师提供真题库，为学生提供错题练习库。

以下是一些与 diffusion 技术相关的重要论文： 《HighResolution Image Synthesis with Latent Diffusion Models》：https://arxiv.org/abs/2112.10752 《Denoising Diffusion Probabilistic Models》：作者为 Ho、Jain、Abbeel，出自 Berkeley （2020）

知识库中有搭建在线 RAG 知识库的相关内容。 RAG（RetrievalAugmented Generation）即检索增强生成，是一种结合检索和生成能力的自然语言处理架构，旨在为大语言模型提供额外的、来自外部知识源的信息。 自顶向下，RAG 的流程分为离线数据处理和在线检索两个过程。离线数据处理的目的是构建知识库，知识按某种格式及排列方式存储在其中等待使用。在线检索是利用知识库和大模型进行查询的过程。 对于 RAG 来讲，检索的质量直接影响生成的结果，常见的检索方法有关键词检索和语义检索。关键词检索是最传统和基础的方法，基于查询词与文档中词语的精确或近似匹配，实现简单但难以处理同义词和上下文语义。语义检索将查询和文档映射到同一语义空间，通过计算向量相似度判断相关性，能捕捉深层语义但计算成本较高。 在构建知识库的流程中，在线检索各个流程的“是什么”与“为什么”同等重要。例如在检索环节，选择合适的检索方法或组合对系统性能至关重要。 大模型存在无法记住所有知识尤其是长尾知识、知识容易过时且不好更新、输出难以解释和验证、容易泄露隐私训练数据、规模大导致训练和运行成本高等缺点，而 RAG 具有数据库存储和更新稳定、数据更新敏捷且可解释、降低大模型输出出错可能、便于管控用户隐私数据、降低大模型训练成本等优点。

以下是关于 DeepSeek 的相关资料： 集合·DeepSeek 提示词方法论：https://waytoagi.feishu.cn/wiki/ISVZwe05Tio9hEkFSF5cIjZ7nVf?from=from_copylink DeepSeek 从入门到精通.pdf：https://waytoagi.feishu.cn/wiki/EfWpw8arIiEoOKkjSalcMVZZnme?from=from_copylink DeepSeek 13 大官方提示词通俗解读，让新手也能用出高手的效果：https://waytoagi.feishu.cn/wiki/YIGKwXlgUi8RKlkkklxclpDYnbg?from=from_copylink 【今晚 8 点】聊聊你怎么使用 DeepSeek！2025 年 2 月 6 日：https://waytoagi.feishu.cn/wiki/MKfgwiN2FigRp1knbxJcdj4lnAf?from=from_copylink Deepseek"4+1"黄金提问法——情境化：https://waytoagi.feishu.cn/wiki/JZu4wrdsSi9gNSktaPCcgDNNnvf?from=from_copylink Deepseek"4+1"黄金提问法——迭代优化：https://waytoagi.feishu.cn/wiki/R56OwQb4KiP9klk5CPbcR49yn9f?from=from_copylink 如果您的 DeepSeek 一直显示服务器繁忙，可尝试以下替代搜索： 秘塔搜索:https://metaso.cn 360 纳米 Al 搜索:https://www.n.cn/ 硅基流动:https://siliconflow.cn/zhcn/ 字节跳动火山擎:https://console.partner.volcengine.com/auth/login?redirectURI=%2Fpartner%2F5. 百度云千帆:https://login.bce.baidu.com/ 英伟达:https://build.nvidia.com/deepseekai/deepseekr1 Groq:https://groq.com/ Chutes:https://chutes.ai/app 阿里云百炼:https://api.together.ai/playground/chat/deepseekai/DeepSeekR1 Github:https://github.com/marketplace/models/azuremldeepseek/DeepSeekR1/playground POE:https://poe.com/DeepSeekR1 Cursor:https://cursor.sh/ Monica:https://monica.im/invitation?c=ACZ7WJJ9 Lambda:https://lambdalabscom/6 Cerebras:https://cerebras.ai Perplexity:https://www.perplexity.ai 阿里云百炼:https://api.together.ai/playground/chat/deepseekai/DeepSeekR1 【今晚 8 点】聊聊你怎么使用 DeepSeek！2025 年 2 月 6 日的智能纪要： DP 模型的使用分享： 功能：能进行自然语言理解与分析、编程、绘图，如 SVG、MA Max 图表、react 图表等。 使用优势：可以用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容。 存在问题：思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本。 审核方法：可以用其他大模型来解读 DP 模型给出的内容。 使用建议：使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知。 使用场景：包括阅读、育儿、写作、随意交流等方面。 案例展示：通过与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互来展示 DP 模型的应用。 音系学和与大模型互动的分享： 音系学研究：对音系学感兴趣，通过对比不同模型的回答来深入理解，如 bug 和 DIFF SIG，探讨语言概念在音系学下的心理印象等。 大模型取队名：与大模型进行多轮对话来取队名，通过不断约束和披露喜好，最终得到满意的队名及相关内容。 Deepseek 的介绍与活动预告： Deepseek 文档分享：在 3 群和 4 群分享了 Deepseek 的相关文档，也可在 v to a gi 的飞书知识库中搜索获取。 Deepseek 使用介绍：介绍了 Deepseek 的模型、收录内容、提示词使用技巧和好玩的案例等。 未来活动预告：明天后天在摩纳社区提供免费算力资源带大家学习炼丹，周一晚上学习多维表格中接入 Deepseek。