Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

表格大模型的使用

Answer

以下是关于表格大模型使用的相关内容:

使用 coze 做智能报表助手: 用户上传 excel 后,在工作流中获取 excel 连接,通过插件下载并读取数据。最初打算将解析的 excel 数据以单元格形式存到 bot 数据库,用大模型根据数据和用户提问生成答案,但大模型计算能力差,常出错。后改为将 excel 转换为数据表,用大模型把用户问题转换为 sql,准确率高。自己写服务动态创建表并存表名到 coze 数据库,根据表名动态执行 sql 拿数据。再用大模型为用户生成 3 个推荐报表,限制数据 100 条。拿到 sql 后执行查询,用大模型转换为绘制 echarts 图表的参数,自行编写插件提高图表清晰度。

SDXL 大模型: SDXL 的大模型分为两部分,base+refiner 是必须下载的,base 用于文生图操作,refiner 用于细化生成的模型以获得更丰富的细节,还有配套的 VAE 模型用于调节图片效果和色彩。模型可在云盘获取,在 webUI 中使用需将版本升级到 1.5 以上,放入对应文件夹。先在文生图中用 base 模型生成,再将图片发送到图生图中用 refiner 模型重绘。

通过 Open WebUI 使用大模型: Open WebUI 是大模型的交互客户端,是 github 上的开源项目,参考官方文档下载安装。安装前需先安装 Docker,不同系统安装方式不同。安装 Open WebUI 有两种方式,已安装 ollama 时只需安装 open webui 即可。安装完成后即可使用。

Content generated by AI large model, please carefully verify (powered by aily)

References

使用coze做一个智能报表助手

用户上传excel后,在工作流中可以拿到excel连接,然后写一个插件通过url下载当前excel,再读取excel里的数据。开始我打算把解析出来的excel数据以单元格的形式存到bot数据库,然后使用大模型根据单元格数据和用户提问生成答案,但是经过多次实验,发现大模型的计算能力特别差,经常出现计算错的情况。比如一张学生成绩表,用户想求某个学科的平均数,大模型可以把当前学科所有分数精准的提取出来,最后一步计算的时候,经常会出现错误。然后就试了一下另外一套方案,把excel转换为数据表,然后使用大模型把用户问题转换为sql,发现这样做生成的sql准确率非常高,基本都能得到想要的结果。coze里不能动态创建表,所以我自己写了一个服务,在动作流里调用这个服务,根据excel的url动态创建表,同时把excel数据插入到表中,最后把服务返回的动态表名存到coze数据库中,这一步是为了后续用户提问问题时,根据表名动态执行sql,拿到数据。最后再根据数据库表字段信息,使用大模型为用户生成3个推荐报表,报表信息中包含标题、描述、查询sql。这里防止一次查询出来的数据过多,传给大模型时候崩溃,所以限制数据100条。拿到sql后,使用插件动态执行sql查询数据,再根据标题和数据使用大模型转换为绘制echarts图表的参数。绘制图表,官方有一个插件,但是这个插件生成的图表图表有点模糊,我自己就写了一个插件,生成的图表图片就清晰度比较高,echarts绘制图表时可以设置缩放,我给图片放大了三倍,清晰度就变高了很多。

【SD】向未来而生,关于SDXL你要知道事儿

SDXL的大模型分为两个部分:第一部分,base+refiner是必须下载的,base是基础模型,我们使用它进行文生图的操作;refiner是精炼模型,我们使用它对文生图中生成的模型进行细化,生成细节更丰富的图片。第二部分,是SDXL还有一个配套的VAE模型,用于调节图片的画面效果和色彩。这三个模型,我已经放入了云盘链接中,大家可以关注我的公众号【白马与少年】,然后回复【SDXL】获取下载链接。想要在webUI中使用SDXL的大模型,首先我们要在秋叶启动器中将webUI的版本升级到1.5以上。接下来,将模型放入对应的文件夹中,base和refiner放在“……\sd-webui-aki-v4.2\models\Stable-diffusion”路径下;vae放在“……\sd-webui-aki-v4.2\models\VAE”路径下。完成之后,我们启动webUI,就可以在模型中看到SDXL的模型了。我们正常的使用方法是这样的:先在文生图中使用base模型,填写提示词和常规参数,尺寸可以设置为1024*1024,进行生成。我这边使用了一个最简单的提示词“1girl”,来看看效果。生成的图片大家可以看一下,我觉得是相当不错的。我知道大家心里可能会想——“就这,还好吧,也没有那么惊艳吧?”,那么,我用同样的参数再给你画一幅sd1.5版本的图像,你就能看出进步有多大了。是不是没有对比就没有伤害?SDXL,真香!还没完,我们到现在还只使用了一个base模型,接下来,将图片发送到图生图当中,大模型切换为“refiner”,重绘幅度开小一点,再次点击生成。

手把手教你本地部署大模型以及搭建个人知识库

在默认的情况下,我们需要在终端中跟大模型进行交互,但是这种方法太古老了。我们基本不会使用终端命令跟Mysql打交道,而是使用Navcat等客户端和Mysql进行交互。大模型也有其交互客户端,这就是Open WebUI[heading2]安装Open WebUI[content][Open WebUI](https://github.com/open-webui/open-webui?tab=readme-ov-file)是github上的一个开源项目,这里我们参考其[官方文档](https://docs.openwebui.com/getting-started/)进行下载和安装。1.在安装之前,我们需要先安装Docker,安装说明如下:如果是Win或者Mac系统,参考文档:[Docker Desktop release notes](https://docs.docker.com/desktop/release-notes/#4200):注意:要下载跟自己的电脑系统适配的版本例如目前的最新版本的Docker仅支持Mac OS12.0以后的系统如果Linux系统,请自己上网找教程(日常都可以使用Linux系统了,安装Docker小Case!)1.在官方文档中我们会看到两种安装Open WebUI的方式:ollama和open webui一起安装仅仅安装open webui由于我们已经安装了ollama,因此我们只需要安装open webui即可,复制如下命令:当Open WebUI安装下载完成之后,我们就可以愉快的玩耍啦!

Others are asking
飞书接入deepseek 多维表格处理案例
以下是关于飞书接入 DeepSeek 多维表格处理的相关案例和信息: 自定义 AI(DeepSeek 版):https://bytedance.larkoffice.com/base/extension/replit_3f6c0f185eac23fb ,支持 DeepSeek R1、V3 模型,以及 DeepSeek 官方、火山方舟、硅基流动三个服务商。 有案例如“笨笨 v 泡泡”的 deepseekr1:7b 模型行测试题分析过程及结果,可参考:https://mp.weixin.qq.com/s/kjYiRS9RE25vywm0EsP6A?token=8615663&lang=zh_CN 。 相关文章和教程: 《突破 DeepSeek R1 能力天花板,火山引擎扣子+飞书一站式企业解决方案》:https://waytoagi.feishu.cn/wiki/RZE9wP94tiEO6bkU5cTcyecHnnb 。 《羊毛快薅|字节火山上线了 DeepSeek 系列模型并悄悄更改了模型服务价格...》:https://waytoagi.feishu.cn/wiki/HzHSwEwtCiBmWrkRm6fc0J0Qneh 。 《喂饭级教程:飞书多维表格+DeepSeek=10 倍速用 AI》:https://mp.weixin.qq.com/s/aIi4tIy0CCINyQE_3AfF_Q ,介绍了如何结合实现批量处理信息、提升工作效率等。 飞书多维表格的接入方法在整理列上这两天直播教程中的所有模板中有提及。 2 月 10 日的社区动态中有 DeepSeek R1 赏析分享会等相关内容。 2 月 14 日的社区动态中有关于另外一款推理模型 zero 的推理过程等相关内容。
2025-02-17
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)
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。
2025-02-16
我的工作是财务会计,经常需要对账,输入是2个Excel表格,但格式内容都有不少差异,哪些大模型或者工具可以帮我快速完成这个工作?
以下是一些可能有助于您快速完成对账工作的大模型或工具: 1. Coze 记账管家:它能通过大语言模型将用户输入的非结构化数据转变为结构化数据存入数据库。工作流程包括定义提示词,让大模型拆解并识别记账事项、发生时间、变动金额等,然后将这些数据存入数据库。 2. GLM4AllTools:可用于统计平台月度账单,例如您可以从平台导出月度明细数据,上传账单给沙盒,让模型统计账单数据和用量,还能分析账单数据波动。 3. 生成式 AI:在金融服务领域,它能帮助改进内部流程,如预测编写 Excel、SQL 和 BI 工具中的公式和查询,自动创建报告的文本、图表、图形等内容,为会计和税务团队提供税法和扣除项的可能答案,以及帮助采购和应付账款团队自动生成和调整合同、采购订单和发票等。
2025-02-15
能对数据表格进行分析,生成分析报告的ai软件
以下是一些能够对数据表格进行分析并生成分析报告的 AI 软件及相关信息: 1. 在撰写专业区域经济报告方面: 信息收集:可利用 AI 搜索与权威网站结合获取关键数据,AI 能辅助提取结构化表格数据或编写抓取程序。 内容拆分:针对报告需求拆分内容,避免 AI 单次处理任务过长。 数据处理:借助传统工具如 Excel,结合 AI 指导高效操作数据筛选与图表生成。 分析与撰写:通过整理数据,利用 AI 辅助分析后撰写报告初稿,可指定风格并校验数据与结论准确性。但需注意,AI 仅作辅助,最终内容需人工主导校验,避免误导性结论。 2. 在金融服务领域: 生成式 AI 可以帮助金融服务团队从更多的数据源中获取数据,并自动化突出趋势、生成预测和报告的过程。 预测方面:生成式 AI 可以帮助编写 Excel、SQL 和 BI 工具中的公式和查询,实现分析的自动化,还能帮助发现模式,并从更广泛、更复杂的数据集中为预测建议输入。 报告方面:生成式 AI 可以帮助自动创建文本、图表、图形等内容,并根据不同的示例调整此类报告,无需手动将数据和分析整合到外部和内部报告中。 会计和税务方面:生成式 AI 可以帮助综合、总结,并就税法和潜在的扣除项提出可能的答案。 采购和应付账款方面:生成式 AI 可以帮助自动生成和调整合同、采购订单和发票以及提醒。 3. 在法律风险方面: 以菲林诉百度网讯案为例,北京互联网法院认为计算机软件智能生成的报告不构成著作权法意义上的作品,不受著作权法的保护。但该分析报告仍具备传播价值,被认定为“法人作品”。软件开发者(所有者)可通过收取软件使用费用等方式获得利益,软件使用者不能以作者的身份在分析报告上署名,但可以采用合理方式表明其享有相关权益。
2025-02-14
飞书多维表格DeepSeek实战
以下是关于飞书多维表格 DeepSeek 实战的相关信息: 共学课程安排: 【今晚 8 点】聊聊你怎么使用 DeepSeek!:共学大类为 AIagent,讲师为全体,飞书会议地址为,共学时间为 2025 年 2 月 6 日。 飞书多维表格 DeepSeek 实战:共学大类为多维表格字段捷径,讲师为王大仙,飞书会议地址为,共学时间为 2025 年 2 月 10 日。 关于 DeepSeek 的介绍: DP 模型的功能包括自然语言理解与分析、编程、绘图等。使用优势是能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,但存在思维链长不易控制,可能输出看不懂或胡编乱造的内容,增加纠错成本的问题。审核方法可以用其他大模型来解读其给出的内容,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,还有案例展示。 Deepseek 文档可在 3 群和 4 群分享获取,也可在 v to a gi 的飞书知识库中搜索获取。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。未来活动预告包括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。 相关社区动态: 2025 年 2 月 10 日,有《》DeepSeek R1 赏析分享会,专为非技术人群设计,介绍了技术亮点、未来展望及对流行谣言的澄清。 2025 年 2 月 10 日,有《》,讲述了 DeepSeek 的崛起原因、V3 模型特点及竞争策略。 2025 年 2 月 10 日,有《》,介绍了飞书多维表格与 DeepSeek R1 结合的使用方法和效果。
2025-02-12
请讲一下DeepSeek为什么可以实现之前的大模型实现不了的表格类 任务
DeepSeek 能够实现之前的大模型实现不了的表格类任务,可能有以下原因: 1. 创新的架构和设计:例如 DeepSeek 可能采用了独特的 Transformer 架构或其他创新的模型结构,使其在处理表格类任务时具有更出色的性能。 2. 高效的训练策略:可能通过优化训练过程,如使用特定的算法、数据增强方法或更精准的参数调整,提高了模型在表格任务上的表现。 3. 针对性的优化:针对表格类数据的特点,进行了专门的优化,例如对数据的预处理、特征提取或模型的微调。 4. 资源的有效利用:以相对较少的资金和硬件资源,如 550 万美元和 2000 块英伟达 H800 GPU,实现了高效的训练和出色的性能。 需要注意的是,以上只是基于提供的信息进行的推测和分析,具体原因还需要更深入的研究和了解 DeepSeek 的技术细节。
2025-02-12
你的底层大模型用的是哪个?
目前常见的大型语言模型多采用右侧只使用 Decoder 的 Decoderonly 架构,例如我们熟知的 ChatGPT 等。这些架构都是基于谷歌 2017 年发布的论文“attention is all you need”中提出的 Transformer 衍生而来,其中包括 Encoder 和 Decoder 两个结构。 大模型的特点在于: 1. 预训练数据非常大,往往来自互联网上的论文、代码、公开网页等,一般用 TB 级别的数据进行预训练。 2. 参数非常多,如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。 大模型之所以能有效生成高质量有意义的回答,关键在于“大”。例如 GPT1 的参数规模是 1.5 亿,GPT2 Medium 的参数规模是 3.5 亿,到 GPT3.5 时,参数规模达到惊人的 1750 亿,参数规模的增加实现了量变到质变的突破,“涌现”出惊人的“智能”。 大模型的预训练机制是指其“脑袋”里存储的知识都是预先学习好的,预训练需要花费相当多的时间和算力资源。在没有其他外部帮助的情况下,大模型所知道的知识信息总是不完备且滞后的。
2025-02-18
怎么用大模型构建一个属于我自己的助手
以下是用大模型构建属于自己的助手的几种方法: 1. 在网站上构建: 创建百炼应用获取大模型推理 API 服务: 进入百炼控制台的,在页面右侧点击新增应用,选择智能体应用并创建。 在应用设置页面,模型选择通义千问Plus,其他参数保持默认,也可以输入一些 Prompt 来设置人设。 在页面右侧提问验证模型效果,点击右上角的发布。 获取调用 API 所需的凭证: 在我的应用>应用列表中查看所有百炼应用 ID 并保存到本地。 在顶部导航栏右侧,点击人型图标,点击 APIKEY 进入我的 APIKEY 页面,创建新 APIKEY 并保存到本地。 2. 微信助手构建: 搭建,用于汇聚整合多种大模型接口,并获取白嫖大模型接口的方法。 搭建,作为知识库问答系统,将大模型接入用于回答问题,若不接入微信,搭建完成即可使用其问答界面。 搭建接入微信,配置 FastGpt 将知识库问答系统接入微信,建议先用小号以防封禁风险。 3. 基于 COW 框架构建: COW 是基于大模型搭建的 Chat 机器人框架,可将多模型塞进微信。 基于张梦飞同学的更适合小白的使用教程:。 实现功能包括打造属于自己的 ChatBot(文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等)、常用开源插件的安装应用。 注意事项: 微信端因非常规使用有封号危险,不建议主力微信号接入。 只探讨操作步骤,请依法合规使用。 大模型生成的内容注意甄别,确保操作符合法律法规要求。 禁止用于非法目的,处理敏感或个人隐私数据时注意脱敏,以防滥用或泄露。 支持多平台接入,如微信、企业微信、公众号、飞书、钉钉等。 支持多模型选择,如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等。 支持多消息类型,能处理文本、语音和图片,以及基于自有知识库进行定制的企业智能客服功能。 支持多部署方法,如本地运行、服务器运行、Docker 的方式。
2025-02-17
怎么用大模型构建一个属于我自己的助手
以下是用大模型构建属于自己的助手的几种方法: 1. 在网站上构建: 创建百炼应用获取大模型推理 API 服务: 进入百炼控制台的,在页面右侧点击新增应用,选择智能体应用并创建。 在应用设置页面,模型选择通义千问Plus,其他参数保持默认,也可以输入一些 Prompt 来设置人设。 在页面右侧提问验证模型效果,点击右上角的发布。 获取调用 API 所需的凭证: 在我的应用>应用列表中查看所有百炼应用 ID 并保存到本地。 在顶部导航栏右侧,点击人型图标,点击 APIKEY 进入我的 APIKEY 页面,创建新 APIKEY 并保存到本地。 2. 微信助手构建: 搭建,用于汇聚整合多种大模型接口,并获取白嫖大模型接口的方法。 搭建,作为知识库问答系统,将大模型接入用于回答问题,若不接入微信,搭建完成即可使用其问答界面。 搭建接入微信,配置 FastGpt 将知识库问答系统接入微信,建议先用小号以防封禁风险。 3. 基于 COW 框架构建: COW 是基于大模型搭建的 Chat 机器人框架,可将多模型塞进微信。 基于张梦飞同学的更适合小白的使用教程:。 实现功能包括打造属于自己的 ChatBot(文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等)、常用开源插件的安装应用。 注意事项: 微信端因非常规使用有封号危险,不建议主力微信号接入。 只探讨操作步骤,请依法合规使用。 大模型生成的内容注意甄别,确保操作符合法律法规要求。 禁止用于非法目的,处理敏感或个人隐私数据时注意脱敏,以防滥用或泄露。 支持多平台接入,如微信、企业微信、公众号、飞书、钉钉等。 支持多模型选择,如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等。 支持多消息类型,能处理文本、语音和图片,以及基于自有知识库进行定制的企业智能客服功能。 支持多部署方法,如本地运行、服务器运行、Docker 的方式。
2025-02-17
语文教学如何使用大模型
在语文教学中使用大模型,可以参考以下方面: 1. 提示词设置: Temperature:参数值越小,模型返回结果越确定;调高参数值,可能带来更随机、多样化或具创造性的产出。对于质量保障等任务,可设置低参数值;对于诗歌生成等创造性任务,可适当调高。 Top_p:与 Temperature 类似,用于控制模型返回结果的真实性。需要准确答案时调低参数值,想要更多样化答案时调高。一般改变其中一个参数即可。 Max Length:通过调整控制大模型生成的 token 数,有助于防止生成冗长或不相关的响应并控制成本。 Stop Sequences:指定字符串来阻止模型生成 token,控制响应长度和结构。 Frequency Penalty:对下一个生成的 token 进行惩罚,减少响应中单词的重复。 2. 了解大模型: 大模型通俗来讲是输入大量语料,让计算机获得类似人类的“思考”能力,能进行文本生成、推理问答、对话、文档摘要等工作。 训练和使用大模型可类比上学参加工作:找学校(需要大量 GPU 计算)、确定教材(大量数据)、找老师(算法)、就业指导(微调)、搬砖(推导)。 Token 是模型处理和生成的文本单位,在将输入进行分词时会形成词汇表。 需要注意的是,在实际应用中,可能需要根据具体的教学需求和场景进行调整和实验,以找到最适合的设置和方法。
2025-02-17
如何利用大模型写教案
利用大模型写教案可以参考以下要点: 1. 输入的重要性:要输出优质的教案,首先要有高质量的输入。例如,写商业分析相关的教案,如果没有读过相关权威书籍,输入的信息缺乏信息量和核心概念,大模型给出的结果可能就很平庸。所以,脑海中先要有相关的知识概念,这来自于广泛的阅读和学习。 2. 对大模型的理解:大模型通过输入大量语料获得类似人类的“思考”能力,能够进行文本生成、推理问答、对话、文档摘要等工作。其训练和使用过程可以类比为上学参加工作,包括找学校(需要大量计算资源)、确定教材(大量数据)、找老师(合适的算法)、就业指导(微调)、搬砖(推导)等步骤。 3. 与大模型的交互: 提示词工程并非必须学习,不断尝试与大模型交互是最佳方法。 交互时不需要遵循固定规则,重点是是否达成目的,未达成可锲而不舍地尝试或更换模型。 用 Markdown 格式清晰表达问题,它具有结构清晰、能格式化强调关键部分、适用性广等优点,有助于大模型更好地理解用户意图。
2025-02-17
大模型评测
以下是关于大模型评测的相关信息: FlagEval(天秤)大模型评测体系及开放平台: 地址: 简介:旨在建立科学、公正、开放的评测基准、方法、工具集,协助研究人员全方位评估基础模型及训练算法的性能,同时探索利用 AI 方法实现对主观评测的辅助,大幅提升评测的效率和客观性。创新构建了“能力任务指标”三维评测框架,细粒度刻画基础模型的认知能力边界,可视化呈现评测结果。 CEval:构造中文大模型的知识评估基准: 地址: 简介:构造了一个覆盖人文,社科,理工,其他专业四个大方向,52 个学科(微积分,线代…),从中学到大学研究生以及职业考试,一共 13948 道题目的中文知识和推理型测试集。此外还给出了当前主流中文 LLM 的评测结果。 SuperCLUElyb:SuperCLUE 琅琊榜 地址: 简介:中文通用大模型匿名对战评价基准,这是一个中文通用大模型对战评价基准,它以众包的方式提供匿名、随机的对战。他们发布了初步的结果和基于 Elo 评级系统的排行榜。 此外,还有小七姐对文心一言 4.0、智谱清言、KimiChat 的小样本测评,测评机制包括: 测评目标:测评三家国产大模型,以同组提示词下 ChatGPT 4.0 生成的内容做对标参照。 能力考量:复杂提示词理解和执行(结构化提示词)、推理能力(CoT 表现)、文本生成能力(写作要求执行)、提示词设计能力(让模型设计提示词)、长文本归纳总结能力(论文阅读)。 测评轮次:第一轮是复杂提示词理解和执行,包括 Markdown+英文 title 提示词测试、Markdown+中文 title 提示词测试、中文 title+自然段落提示词测试;第二轮是推理能力(CoT 表现);第三轮是文本生成能力(写作要求执行);第四轮是提示词设计能力(让模型设计提示词);第五轮是长文本归纳总结能力(论文阅读)。 测试大模型质量好坏时,常用的问题包括检索和归纳、推理性、有日期相关历史事件等。以下是几个专业做模型测评的网站:
2025-02-17
deepseek使用小技巧
以下是关于 DeepSeek 使用的一些小技巧: 1. 高阶能力调用: 文风转换矩阵:包括作家风格移植(如“用鲁迅杂文风格写职场 PUA 现象”)、文体杂交(如“将产品说明书改写成《史记》列传格式”)、学术口语化(如“把这篇论文摘要翻译成菜市场大妈能听懂的话”)。 领域穿透技术。 2. 场景化实战策略:包括商业决策支持、创意内容生成、技术方案论证。 3. 效能增强技巧: 对话记忆管理:如上下文锚定(“记住当前讨论的芯片型号是麒麟 9010”)、信息回溯(“请复述之前确认的三个设计原则”)、焦点重置(“回到最初讨论的供应链问题”)。 输出质量控制:针对不同问题类型进行修正,如过度抽象(“请具体说明第三步操作中的温度控制参数”)、信息过载(“用电梯演讲格式重新组织结论”)、风格偏移(“回归商务报告语气,删除比喻修辞”)。 4. 特殊场景解决方案: 长文本创作:如分段接力法(“先完成故事大纲→逐章扩展→最后进行伏笔校验”)、逻辑粘合剂(“确保新章节与前文的三处细节呼应”)。 敏感内容处理:如概念脱敏法(“用经济学原理类比说明网络审查机制”)、场景移植法(“假设在火星殖民地讨论该议题”)。 5. 通用于任何大模型的提示词针对性技巧: 身份定位技巧:目的是让 AI 理解您的背景和专业水平,例如“作为一名刚入职的电商运营,需要为天猫美妆店铺制定 618 活动方案”。 场景描述技巧:提供具体的应用场景和限制条件,例如“为新上市的儿童智能手表写一篇朋友圈文案,目标用户是 25 35 岁的年轻父母,预算 3000 以内,需强调安全定位功能”。 结构化输出技巧:指定具体的输出格式和内容结构,例如“请用表格对比 2024 年 Q1 特斯拉、比亚迪的销量数据,包含以下维度:月度销量、同比增长、市场份额,并在表格下方总结三个关键发现”。 分步骤提问技巧:将复杂问题拆解为可管理的小任务,例如“请分三步指导新手做美食短视频:前期准备:需要哪些设备和技能 拍摄阶段:关键场景和机位选择 后期制作:剪辑节奏和音乐配合建议”。 反馈优化技巧:通过追问获得更精准的答案。 深度思考引导技巧:获得更深入的分析和见解。 6. 万能提示词:您是一名顶尖的提示词优化专家,请按以下步骤优化下方提示: 分析原提示的模糊性、冗余项和潜在歧义。 基于,重构提示结构(可参考 CRISPE/BROKE 框架)。 生成 3 个优化版本,并解释每版的改进逻辑。 7. 如果官网的搜索不能用,一直崩溃,可以用火山的满血版,在视频的最后 10 分钟左右有手把手教程。 8. 关于 DeepSeek 的论文解读,有直播视频回放和相关论文下载,如。
2025-02-18
deepseek使用说明
DeepSeek 的使用说明如下: 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。 生成单词:输入单词主题、图片风格、单词数量,选择 deepseekr1 模型,可生成指定数量的单词数组,以数组方式输出,包括单词、中文、美式音标、英文句子及其中文翻译。提示词方面,作为专业的单词生成助手,要围绕用户输入主题挖掘相关英语单词,仅输出相关内容,并以规定的数组形式呈现。 产品情况:Deep Research 是基于 AI 模型的产品,使用 GPT4o、o3 等推理模型,结合 UI 交互、搜索引擎等。DeepSeek 只是品牌名,需要搭配具体模型,如 DeepSeek V3(类 GPT4o)和 DeepSeek R1(类 OpenAI o1)。
2025-02-18
清华104页AI使用指南
以下是清华 104 页 AI 使用指南的相关内容: 智能纪要部分: 共学课程涵盖 config UI 从入门到精通,还有个人专栏研究报告、产品数据、全球投融资情况等内容,做项目时可查看细分赛道融资情况,也可学习 AI 功能创业,介绍了企业专栏内容如 Kimi 的技巧等。 提到了 AI 的案例和投稿,包含开发相关、微信机器人、人物角色等内容,还有日报动态、法律法规、历史更新和社区介绍等,布置了关于 AI 兴趣方向的小作业。 介绍了 CONFIUI 生态大会东京站 11 月 16 17 日的活动内容及报名,包括社区共创项目、大奖、首届活动情况、海外创作者共学等。 总结了关于 AI 知识库使用及 AIPO 活动的介绍,包括使用情况、发起背景、内容安排及相关资源等;AIPO 线下活动及 AI 相关探讨,包括规则、玩法、重要地位和研究方向等;way to AGI 社区活动与知识库介绍,包括活动安排、材料准备、使用和内容更新等;还包括时代杂志评选的领军人物、AI 相关名词解释、知识库的信息来源、社区共创项目、学习路径、经典必读文章、初学者入门推荐、历史脉络类资料等。 介绍了 AI 相关技术与活动,如 AI 音乐创作、数字人语音合成、config UI 的应用,以及社区共创项目如东京的 confii 生态大会、AI 文旅视频、娃卡奖、李普村共创故事、AI 春晚等,还有作业与报名、线下寄送物料组织活动、AI 春晚即将开始、AIPO 活动及相关挑战、共学活动与技能提升、硬件机器人材料购买、自媒体发布与流量扶持、活动奖项与历史玩法、工具使用与新大赛预告等。
2025-02-17
我是一个有23年软件系统开发和设计经验的架构师,但是对AI还没有系统化了解过,请问我该如何开始?如何在短时间内掌握AI的使用、原理以及二次开发?
以下是为您提供的在短时间内系统化学习 AI 的建议: 一、了解 AI 基本概念 首先,建议阅读「」部分,熟悉 AI 的术语和基础概念。了解什么是人工智能,它的主要分支(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,这些文章通常会介绍 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。这些课程将引导您了解生成式 AI 等基础知识,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(比如图像、音乐、视频等),您可以根据自己的兴趣选择特定的模块进行深入学习。我建议您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。在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 五、体验 AI 产品 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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。通过与这些 AI 产品的对话,您可以获得对 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。 如果希望继续精进,对于 AI,可以尝试了解以下内容作为基础: 1. AI 背景知识 (1)基础理论:了解人工智能、机器学习、深度学习的定义及其之间的关系。 (2)历史发展:简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础 (1)统计学基础:熟悉均值、中位数、方差等统计概念。 (2)线性代数:了解向量、矩阵等线性代数基本概念。 (3)概率论:基础的概率论知识,如条件概率、贝叶斯定理。 3. 算法和模型 (1)监督学习:了解常用算法,如线性回归、决策树、支持向量机(SVM)。 (2)无监督学习:熟悉聚类、降维等算法。 (3)强化学习:简介强化学习的基本概念。 4. 评估和调优 (1)性能评估:了解如何评估模型性能,包括交叉验证、精确度、召回率等。 (2)模型调优:学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础 (1)网络结构:理解神经网络的基本结构,包括前馈网络、卷积神经网络(CNN)、循环神经网络(RNN)。 (2)激活函数:了解常用的激活函数,如 ReLU、Sigmoid、Tanh。 此外,以证件照为例,Code AI 应用开发教学中,智能体开发从最初的 chatbot 只有对话框,到有了更多交互方式,因用户需求扣子推出了 AI 应用,其低代码或零代码的工作流等场景做得较好。但 AI CODING 虽强,目前适用于小场景和产品的第一个版本,复杂应用可能导致需求理解错误从而使产品出错。在创建 AI 应用时,要学习操作界面、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。
2025-02-17
你会使用DeepSeek来回答问题吗
DeepSeek 是一款具有独特特点和优势的深度推理模型。其核心是推理型大模型,与指令型大模型不同,不需要用户提供详细步骤指令,而是通过理解用户真实需求和场景来提供答案。它能够理解用户用“人话”表达的需求,无需用户学习特定提示词模板。在回答问题时能够进行深度思考,并非简单罗列信息。还可以模仿不同作家的文风进行写作,适用于多种文体和场景。 DeepSeek R1 不同于先前的普通模型,如 ChatGPT4、Claude 3.5 sonnet、豆包、通义等,它与 OpenAI 现在最先进的模型 o1、o3 同属基于强化学习 RL 的推理模型。在回答用户问题前,R1 会先进行“自问自答”式的推理思考,以提升最终回答的质量。这种“自问自答”并非简单自言自语,而是模拟人类的深度思考。从用户初始问题出发,唤醒所需推理逻辑与知识,进行多步推导,为最终回答提供更完备的思考准备。DeepSeek R1 的“聪明”源于其独特的“教育方式”,在其他 AI 模型还在接受“填鸭式教育”时,它已率先进入“自学成才”新阶段。 更多提示词技巧请查看 。
2025-02-17