进行DeepSeek本地化部署有哪些方法？

以下是关于 DeepSeek 提示词的详细内容： 一、核心原理认知 1. 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 8K tokens 上下文窗口，换算成汉字是 4000 字左右）。 任务适应性：可切换创意生成/逻辑推理/数据分析模式。 2. 系统响应机制 采用意图识别+内容生成双通道。 自动检测 prompt 中的任务类型/输出格式/知识范围。 反馈敏感度：对位置权重（开头/结尾）、符号强调敏感。 二、基础指令框架 1. 四要素模板 2. 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。 三、进阶控制技巧 1. 思维链引导 分步标记法：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。 2. 知识库调用 领域限定指令：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：以 Nature 2022 年发表的论文为参考，解释 CRISPRCas9 最新突破。 3. 多模态输出 四、高级调试策略 1. 模糊指令优化 问题类型：宽泛需求、主观表述。 修正方案：添加维度约束、量化标准。 示例对比：原句“写小说”→修正“创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构”；原句“写得专业些”→修正“符合 IEEE 论文格式，包含 5 项以上行业数据引用”。 2. 迭代优化法 首轮生成：获取基础内容。 特征强化：请加强第三段的技术细节描述。 风格调整：改用学术会议报告语气，添加结论部分。 最终校验：检查时间逻辑一致性，列出可能的事实性错误。 五、行业应用案例 1. 技术开发场景 2. 商业分析场景 六、异常处理方案 1. 信息幻觉：追加请标注所有不确定陈述，并提供验证方法。 2. 格式偏离：使用严格遵循以下模板：第一行...第二行... 3. 深度不足：触发请继续扩展第三章节内容，添加案例佐证。 七、效能监测指标 1. 首次响应准确率：目标>75%。 2. 多轮对话效率：问题解决平均轮次<3。 3. 复杂任务分解：支持 5 级子任务嵌套。 八、高阶能力调用 1. 文风转换矩阵 指令结构：作家风格移植、文体杂交、学术口语化。 效果示例。 2. 领域穿透技术 行业黑话破解：“解释 Web3 领域的'胖协议瘦应用'理论”。 商业决策支持。 九、场景化实战策略 1. 创意内容生成 2. 技术方案论证 十、效能增强技巧 1. 对话记忆管理 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”。 2. 输出质量控制 问题类型：过度抽象、信息过载、风格偏移。 修正指令。 十一、特殊场景解决方案 1. 长文本创作 分段接力法：“先完成故事大纲→逐章扩展→最后进行伏笔校验”“确保新章节与前文的三处细节呼应”。 2. 敏感内容处理 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”。

以下是关于清华大学与 DeepSeek 相关的公开课信息： 2 月 7 日，清华大学新闻与传播学院新媒体研究中心出品了《》，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 月 18 日，清华大学沈少阳发布了《》

以下是关于 deepseek 的相关信息： DeepSeek 开源了，在 LMSYS Chatbot Arena 排行榜上总排名 11 超过了所有开源模型。 阿里云 DeepSeek 智能体课程分两天，今天讲阿里云百炼，明天讲派平台，重点是智能体搭建、快速使用 DeepSeek 等，明天还会讲本地化部署中的蒸馏数据等线下未讲的内容。今天课程对电脑配置要求低，适合硬件资源投入少的人，且是手把手教程，难度不大。 社区是全国最大的开源 AI 知识库社区，用户量达 138 万多，首页访问次数超 200 万，强调共同学习、共创的价值观。 DeepSeek 模型功能包括自然语言处理、翻译与转换、文本生成与创作、知识和推理等，可用于多种场景，如文本摘要、格式转换等。其爆火原因包括能力强，在竞赛题等方面表现出色；国内能用，效果惊艳；开源免费，成本低；突破算力封锁，能在国内短缺 GPU 情况下训练出超一流模型。 2 月 23 日有 AI 切磋大会第十期 2 月 23 日 deepseek 专场，线下 16 个城市活动开始报名，活动报名链接为 https://waytoagi.feishu.cn/share/base/form/shrcnWlc12pvQQmx21mTZNEJ83d 。 2 月 22 日，英伟达 CEO 黄仁勋在 Beyond 大会上首次就近期引发全球 AI 圈热议的中国企业 DeepSeek 发表了看法。 欢迎向社区投稿关于 AI 技术探讨与分析、实践经验与案例分享、行业动态与趋势观察、开发心得与技术教程等内容，要求原创、严谨、有深度，配图说明更佳，观点明确，结构清晰，建议字数 1500 5000 字，提交后 2 3 工作日反馈，必要时沟通修改建议，优质内容将收录知识库。更多内容请前往 。

以下是关于 DeepSeek 的学习资料： 在 2025 年 2 月 6 日的“聊聊你怎么使用 DeepSeek”活动中，有以下智能纪要： DP 模型的功能：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。 此外，1 月 27 日的宝玉日报中也有关于 DeepSeek 的内容： 拾象：DeepSeek r1 闭门学习讨论|Best Ideas Vol 3，讨论了 DeepSeek 在全球 AI 社区的意义，包括技术突破与资源分配策略。突出了 DeepSeek 长上下文能力、量化商业模式、以及其对 AI 生态系统的深远影响。重点分析了 DeepSeek 的创新路径及中国在 AI 追赶中的潜力与挑战。 转：关于 DeepSeek 的研究和思考

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，可尝试以下替代网站： 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。

以下是为您规划的图书内容和重点参考资料： 一、图书内容规划 1. 引言 介绍 AI 时代的背景和企业面临的挑战与机遇。 阐述 DeepSeek 在塑造企业竞争力方面的重要性。 2. DeepSeek 的技术创新 详细介绍 DeepSeek 最新模型 V3 与 R1 的架构创新，如混合专家（MoE）架构、多头潜注意力（MLA）等。 解释其如何提升计算效率和推理能力，打破算力壁垒。 3. 多领域的应用案例 字节跳动的新技术 OmniHuman 在视频生成方面的突破。 Coinbase 全面推动 AI 应用的实践，如在欺诈预防和客户支持等领域的应用。 4. 对企业管理的影响 探讨善于沟通上下文、明晰 AI 能力边界、合理授权并监督等管理经验如何提升 AI 协作效率。 5. 行业趋势与挑战 分析 AI 基础大模型参数量的变化趋势。 讨论初级程序员面临的职业挑战以及编程领域的颠覆性变化。 6. 未来展望 预测 DeepSeek 及相关技术在未来的发展方向和可能的创新。 二、重点参考资料 1. 《》 2. 《》 3. 《》 4. 《》 5. 《》 6. 《[零基础掌握 Deepseek》》 7. 日报 8. 日报

要完全本地化部署 DeepSeek 并使用您的文档、文本、图片等内容进行训练和微调，以下是一些相关的信息和步骤： 1. 模型训练与平台服务： 模型复现与微调：1:1 复现通常没问题，但理解细节并自行制作需要基础知识。有手把手教程、数据集等可帮助 1:1 复现，微调在特定领域可降低幻觉，参数量不变但权重变化。 训练模型的学习方法：先会用再学会训，从训的过程中倒推学习参数调整，这是以用导学的学习方法。 模型回答效果对比：微调后的模型在回答排列组合等问题时，思考前几乎无反馈，答案多为英文且格式稳定，但仍可能答错。 2. 平台服务介绍： 阿里云提供多种解决方案。 百炼是提供多种模型服务的 Maas 平台。 派平台是提供云服务的 PaaS 平台，二者在定位、服务内容和核心差异上有所不同。 3. 关于模型训练与数据集相关问题： 数据资源情况：默认提供公共数据训练集，百派平台能匹配模型和数据，通义开源了不少数据集。 多模态训练：多模态有自身标注方式，如视频拉框标注。 参数量变化：通常训练模型参数量固定，若想改变需改模型层，但可能要从头调。 本地微调框架：可使用 llama factory 等框架，需搭建并部署。 开源数据下载：可在 GitHub、hugging face、Mo Model Scope 等平台获取。 数据集转化：将文档资料转成数据集可先手动形成 SOP，再逐步自动化，初期需大量人力。 4. 本地部署介绍：讲解了如果拥有云服务器如何进行本地部署，以及满血版本地部署的实际情况。 5. 免费额度说明：在 freely.aliyun.com 可领取 500 元免费额度，但有使用限制，不能部署满血版和较大的增流模型。 6. 平台服务差异：介绍了 DLC、DSW 和 EAS 等模型部署平台服务的差别。 7. 模型蒸馏微调：会带着大家复现模型的蒸馏和微调，并讲解相关知识。 R1 模型的强化学习：通过强化学习，在训练过程中给予模型反馈，如路线规划是否成功到达终点、输出格式是否符合期望等，对正确路线增强权重，使做对的概率变高，导致思考逻辑变长。 R1 模型的蒸馏与微调：用 Deepseek RE Zero 蒸馏出带思考的数据，基于 Deepseek V3 微调，进行冷启动，再做强化学习，还从非公布模型提取微调数据，加上人类偏好，最终形成 R1。 R1 与其他模型的差别：R1 是原生通过强化学习训练出的模型，蒸馏模型是基于数据微调出来的，基础模型能力强，蒸馏微调模型能力也会强。 模型的相互帮助：Deepseek R1 反过来蒸馏数据微调 V3，形成互相帮助的局面，使两个模型都更强。 请注意，在进行本地化部署和训练微调时，需要具备一定的技术知识和经验，并且要遵循相关的法律法规和道德规范。

企业本地化部署 AI 主要包括以下方面： RPA 与财务税务问答机器人：RPA 与 AI 结合具有多种应用和优势。操作流程简单，无需代码，适合小白和无 IT 经验者。有众多应用案例，如奥康和方太在各部门的订单处理等操作中搭建了大量脚本。封装了众多组件，还可通过触发器设置机器人每天工作。数字化包括标准化、自动化、RPA 加 AI 使机器人更智能三个阶段，交付的是动态能力，让用户自己搭建机器人。产品可本地化私有部署，面向企业有费用，私有化部署能保障数据安全，企业大模型可封装调用。RPA 有容错处理方式，但受多种因素影响。 LangChain 与 NVIDIA：NVIDIA NIM 是一系列用户友好的微服务，旨在加速企业内部生成式 AI 的部署进程。支持广泛的 AI 模型，基于强大的推理引擎和技术构建，提供无缝的 AI 推理体验。其自托管特性可保障数据安全，提供预构建容器，具有可扩展性。开始使用 NIM 可在 NVIDIA API 目录中获取多种 AI 模型，它是 NVIDIA AI Enterprise 的一部分。 从 LLM 大语言模型、知识库到微信机器人：以 windows10 系统为例，安装环境时先在系统中输入“cmd”打开命令窗口，确认是否有 python 和 pip。若没有则需安装，如安装 python 可下载安装包。部署项目时下载 COW 机器人项目并解压缩。

AI 大模型本地化部署的逻辑主要包括以下步骤： 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、模型压缩和量化、公共云服务商部署等，要根据自身的资源、安全和性能需求来决定。 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，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，并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。 关于输入数据是否会外泄，这取决于本地化部署的安全性措施和配置。如果采取了严格的安全措施，如数据加密、访问控制、网络隔离等，输入的数据外泄的风险可以大大降低。但如果安全措施不到位，就存在数据外泄的可能。例如，赞成把一个训练好就不动的模型部署在端侧（如手机或家庭计算中心），记录所有知识和记忆的相关数据就不会跑到云端，能更好地保障数据安全。

以下是关于 DeepSeek 本地化部署的相关信息： 在“智能纪要：0225|最新的 DeepSeek 玩法教学 2025 年 2 月 25 日”中提到，明天（02/26 20:00）将教授 DeepSeek 本地部署。 在“第三期「AI 实训营」手把手学 AI【第三期：尝鲜阿里云上的 DeepSeek 玩法】”中，02/26 20:00 的课程主题为“人工智能平台 PAI 篇：本地部署满血版 DeepSeek”，课程内容包括 DeepSeek R1 技术原理、解锁 DeepSeek 的不同玩法（问答助手、蒸馏、微调）以及实战演练 DeepSeek R1 满血版快速部署和蒸馏训练。相关课程文档为

本地化部署 DeepSeek 的步骤如下： 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。开通成功后会显示相应状态。 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。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。 需要注意的是，本地部署的版本能作为替补，但很难作为长期使用的版本。DeepSeek 具有三种含义指向，包括 deepseek 公司（深度求索）、deepseek 网站和手机应用，以及有推理功能的 deepseek R1 大模型（权重文件开源，可本地部署）。

DeepSeek 的本地化部署对于软硬件的具体要求如下： 系统：Windows 7 以上（不建议使用 XP 系统）。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘：留有足够的空间，最低 100G 起步（包括模型）。 内存和显存配置： 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 需要注意的是，mac 系统、AMD 显卡、低显卡的情况也可以安装使用，但功能不全，出错率偏高，严重影响使用体验，个人建议升级设备或者采用云服务器玩耍。最低配置可能运行非常慢。

以下是本地部署 Deep Seek 后搭建个人知识库的详细步骤： 1. 在 RAGFlow 中配置 Deep Seek 模型 返回 RAGFlow ，打开右上角设置，进入模型提供商界面。 配置本地部署的 Deep Seek 模型，选择 Ollama ，并根据运行的模型配置相关信息。 设置基础 URL 。 点击确定。 2. 导入嵌入模型 导入一个用于文本向量化的嵌入模型。 3. 设置系统模型设置 4. 创建知识库 返回知识库，进入数据集，导入文件或设置文件夹当作知识库。 5. 文件解析 对导入的文件进行解析，解析速度取决于本机 GPU 性能（显卡性能），越好的显卡解析越快。 6. 检索测试 解析完成后，进行检索测试。 7. 进入聊天界面 测试没问题后，可进入聊天界面，助理设置可自行进行。 此外，如果想要对知识库进行更灵活的掌控，可以使用 AnythingLLM 软件，步骤如下： 1. 安装 AnythingLLM ，安装地址：https://useanything.com/download 。 2. 安装完成后进入配置页面，主要分为三步： 选择大模型。 选择文本嵌入模型。 选择向量数据库。 3. 构建本地知识库 在 AnythingLLM 中创建独有的 Workspace 与其他项目数据隔离。 上传文档并在工作空间中进行文本嵌入。 选择对话模式，包括 Chat 模式（大模型根据训练数据和上传的文档数据综合给出答案）和 Query 模式（大模型仅依靠文档中的数据给出答案）。 4. 测试对话 完成上述配置后，即可与大模型进行对话。 在进行本地知识库搭建实操之前，还需要对 RAG 有大概的了解： RAG 是一种检索增强生成技术，应用过程包括文档加载、文本分割、存储（包括将文档块嵌入转换成向量形式并存储到向量数据库）、检索、输出（把问题以及检索出来的嵌入片一起提交给 LLM 生成答案）。文本加载器用于将用户提供的文本加载到内存中以便后续处理。

目前没有明确的信息表明 AI Agent MANUS 个人助手可以本地私有化部署。 Manus 是一款由中国团队研发的全球首款通用型 AI 代理工具，于 2025 年 3 月 5 日正式发布。它区别于传统聊天机器人，具备自主规划、执行复杂任务并直接交付完整成果的能力。其技术架构主要基于多智能体架构，运行在独立的虚拟机中，核心功能由多个独立模型共同完成，包括规划、执行和验证三个子模块，还包括虚拟机、计算资源、生成物、内置多个 agents 等关键组件，并采用了“少结构，多智能体”的设计哲学。 但对于其是否能本地私有化部署，现有资料未给出确切说明。在构建高质量的 AI 数字人方面，由于整个数字人的算法部分组成庞大，几乎不能实现单机部署，特别是大模型部分，算法一般会部署到额外的集群或者调用提供出来的 API。而在本地部署资讯问答机器人方面，有相关案例，但未提及与 AI Agent MANUS 个人助手的直接关联。

以下是本地部署 ollama + deep seek 后有效搭建机械领域知识库或微调为机械领域的步骤： 1. 下载 Ollama 程序：官方网址为 https://ollama.com/ 。默认下载到 C 盘，若想修改安装目录到 D 盘，后续会有相关说明。下载完成后，右下角会出现 Ollama 的图标，打开命令行输入相应命令回车。根据自身独立显卡性能选择模型，如英伟达 2060Super 可选择 Deepseekr1:14b 的模型。若下载速度慢，可按 Ctrl+C 强制退出重新下载。下载完毕后，再下载一个嵌入模型，Ollama 的 bge 模型官方网址：https://ollama.com/library/bgem3 ，输入相应命令，下载好后直接退出终端。 2. 配置模型：返回 RAGFlow 中，打开右上角设置，进入模型提供商进行配置。选择 Ollama，并配置相关信息，基础 URL 按要求设置，设置完成后点击确定。 3. 导入嵌入模型：导入一个嵌入模型用于文本向量化。 4. 设置系统模型：完成相关设置。 5. 创建知识库：返回知识库，进入数据集，可导入文件或设置文件夹当作知识库，自行设置。导入完毕后，对文件进行解析，解析速度取决于本机 GPU 性能，越好的显卡解析越快。解析完成后，进行检索测试，测试没问题即可进入聊天界面，助理设置可自行设置。

本地部署 DeepSeek 主要包括以下内容： 1. 如果拥有云服务器，可以进行本地部署，同时介绍了满血版本地部署的实际情况。 2. 在 freely.aliyun.com 可领取 500 元免费额度，但有使用限制，不能部署满血版和较大的增流模型。 3. 介绍了 DLC、DSW 和 EAS 等模型部署平台服务的差别。 4. 课程重点包括在云服务器上如何使用 DeepSeek R1 及本地部署相关内容，提及派平台免费额度及适用模型。 5. 介绍了以云基础设施和 GPU 算力资源为底层的派平台，该平台搭建 AI 框架并做优化，提供一键式快捷部署工具等。与百炼不同，它开放更多自由度，租户数据隔离。很多大模型在此训练，支持多机分布式部署等，既面向企业，也适合个人创业者，不同应用定价有差异。

以下是关于 DeepSeek 本地部署的相关信息： 阿里云百炼篇： 02/25 20:00 课程介绍了阿里云百炼满血版 DeepSeek，包括其介绍和基于阿里云百炼的智能体搭建。相关课程文档： 人工智能平台 PAI 篇： 02/26 20:00 课程讲解了 DeepSeek R1 技术原理，解锁了 DeepSeek 的不同玩法，如问答助手、蒸馏、微调等，并进行了实战演练，包括 DeepSeek R1 满血版快速部署和蒸馏训练。相关课程文档： 本地部署介绍：讲解了如果拥有云服务器如何进行本地部署，以及满血版本地部署的实际情况。 免费额度说明：在 freely.aliyun.com 可领取 500 元免费额度，但有使用限制，不能部署满血版和较大的增流模型。 平台服务差异：介绍了 DLC、DSW 和 EAS 等模型部署平台服务的差别。 模型蒸馏微调：会带着大家复现模型的蒸馏和微调，并讲解相关知识。 Deepseek R1 模型的制作及相关模型比较：R1 模型是原生通过强化学习训练出的模型，蒸馏模型是基于数据微调出来的，基础模型能力强，蒸馏微调模型能力也会强。R1 模型的强化学习通过在训练过程中给予模型反馈，如路线规划是否成功到达终点、输出格式是否符合期望等，对正确路线增强权重，使做对的概率变高，导致思考逻辑变长。用 Deepseek RE Zero 蒸馏出带思考的数据，基于 Deepseek V3 微调，进行冷启动，再做强化学习，还从非公布模型提取微调数据，加上人类偏好，最终形成 R1。模型的相互帮助方面，Deepseek R1 反过来蒸馏数据微调 V3，形成互相帮助的局面，使两个模型都更强。

以下是将 deepseek 部署到小爱音箱的步骤： 1. 本地部署教学（vscode） 第七步：安装依赖并运行 在下方终端窗口，单击终端，输入 cd migpt。 安装依赖，输入 pnpm install。安装完成后，界面会有所显示。 如果安装过程报错，出现特定情况，请在命令栏输入：npm cache cleanforce 清除缓存后重新运行 pnpm install。 构建项目，输入 pnpm build。出现特定界面即安装完成。 如果出现报错，找到 migpt 中 package.json 文件，将第 28 行 build 进行修改，注意不要删除引号，修改完成后保存。保存后运行 pnpm build，即可正常安装完成。 运行项目，输入 pnpm run dev。 运行成功时，进入特定页面，每次对话都会在终端中显示。 每次需要打开服务时，按照特定方式进入终端，先输入 cd migpt，再运行 pnpm run dev 即可打开服务。如果出现错误，可能是网络问题，请重新运行 pnpm run dev。 2. 注意事项：每次对话时，记得给大模型思考的时间，说话太快可能会出问题。

以下是关于提示词使用方法的详细介绍： 一、什么是提示词 提示词用于描绘您想要的画面。在星流一站式 AI 设计工具中，不同的基础模型对输入语言有不同要求。通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如“一个长头发的金发女孩”），基础模型 1.5 使用单个词组（如“女孩、金发、长头发”），且支持中英文输入。启用提示词优化后，能帮您扩展提示词，更生动地描述画面内容。 二、如何写好提示词 1. 预设词组：小白用户可以点击提示词上方的官方预设词组进行生图。 2. 提示词内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质等，例如“一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量”。 3. 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框。负面提示词可以帮助 AI 理解我们不想生成的内容，如“不好的质量、低像素、模糊、水印”。 4. 利用“加权重”功能：可在功能框增加提示词，并进行加权重调节，权重数值越大，越优先。还可以对已有的提示词权重进行编辑。 5. 辅助功能：包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 三、提示词语法 根据自己想画的内容写出提示词，多个提示词之间使用英文半角符号将权重降低至原先的 90.91%”“字符”。 四、如何学习提示词运用 提示词在现代大型语言模型中极其重要，掌握其运用技巧能最大限度发挥模型潜能。学习提示词运用的建议如下： 1. 理解提示词的作用：提示词向模型提供上下文和指示，其质量直接影响模型输出质量。 2. 学习提示词的构建技巧：明确任务目标，用简洁准确的语言描述，给予足够背景信息和示例，使用清晰指令，对特殊要求明确指示。 3. 参考优秀案例：研究和学习已有的优秀提示词案例，可在领域社区、Github 等资源中查找。 4. 实践、迭代、优化：多与语言模型互动，根据输出提高提示词质量，尝试各种变体，比较分析输出差异，持续优化。 5. 活用提示工程工具：如 Anthropic 的 Constitutional AI 等。 6. 跟上前沿研究：提示工程是前沿研究领域之一，持续关注最新研究成果和方法论。精心设计的提示词能最大限度发挥语言模型的潜力，多实践、多学习、多总结，终可掌握窍门。

以下是构建类似键鼠精灵 AI 工作流的一些方法： 1. 利用 Comfyui 界面： 打开 Comfyui 界面后，右键点击界面，找到 Comfyui LLM party 的目录。您可以手动连接节点来实现工作流，例如实现一个最简单的 AI 女友工作流；也可以直接将相关工作流文件（如）拖拽到 Comfyui 界面中一键复刻。 2. 启动 ollama： 从 ollama 的 github 仓库找到对应版本并下载。 启动 ollama 后，在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。 如果 ollama 连接不上，很可能是代理服务器的问题，请将 127.0.0.1:11434 添加到不使用代理服务器的列表中。 3. 低代码+UI 版本： 方法一：直接使用 Coze 的 API 对接前端 UI 框架，将工作流逻辑集中在工程模板端，实现前后端分离的处理方式。 方法二：直接调用大模型 API，并通过前端代码实现提示词处理和逻辑控制，将交互流程完全放入前端代码中。 实现文件上传：通过 Coze 的，用户可将本地文件上传至 Coze 的云存储。在消息或对话中，文件上传成功后可通过指定 file_id 来直接引用该文件。 关于 API 的使用及工作流执行流程可以参考。 4. 飞书机器人创建： 飞书应用建立： 在中创建自建应用。 进入应用获取 app_id 与 app_secret。 添加应用能力>开启机器人应用能力。 权限管理>消息与群组>选择需要的权限打开。 安全设置>将 comfyUI 运行的电脑 IP 加入白名单。 发布机器人以应用生效。 获取群组或用户 id： 要先把创建的机器人拉到群组中或者拉进私聊。 飞书开发平台找到发送消息的开发文档。 右侧点击获取 token。 选择 receive id type，chat_id 对应群组，open_id 与 user_id 对应个人，点击选择成员，复制对应的 id 即可。 如果需要让机器人发送语音，需要自行在电脑上安装 ffmpeg 。

以下是一种通过多维表格接入的 AI 功能来简化客户拜访跟进记录信息录入的方法： 1. 定义任务目标：让 AI 成为您的私人 CRM，即客户管理系统。 2. 编写指令： 定义角色：希望 AI 作为一名顶级的客户服务与销售总监，负责记住客户的爱好与信息。 提供背景信息：简单描述自己的身份，例如负责什么产品的销售。 明确任务目标和输出要求：在每次拜访客户后，把重要信息发送给 AI，要求 AI 每次接到新的客户消息后，只用回复一句“收到，知道了。” 3. 信息录入方式：可以通过语音录音的方式将拜访客户的信息传达给 AI。 4. 语音解析：利用 AI 的语音识别和自然语言处理能力，对语音内容进行解析。 5. 输出的关键字段：可能包括客户姓名、联系方式、拜访时间、拜访内容要点、客户需求、客户反馈等。 6. 提示词：例如“请整理本次拜访客户的关键信息”“提取重要内容并生成表格”等。 您可以参考以上方法，根据实际需求进行调整和优化。

以下是关于更自动化使用 cherry studio 本地知识库的具体操作方法： 使用知识库： 将知识库直接与 Bot 进行关联用于响应用户回复，或者在工作流中添加知识库节点，成为工作流中的一环。 在 Bot 内使用知识库： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 4. 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 5. （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项。 配置项说明： 最大召回数量：Bot 在调用知识库匹配用户输入内容时，返回的数据片段数量，数值越大返回的内容越多。 最小匹配度：Bot 在调用知识库匹配用户输入内容时，会将达到匹配度要求的数据片段进行召回。如果数据片段未达到最小匹配度，则不会被召回。 调用方式：知识库的调用方式。 自动调用：每轮对话将自动从所有关联的知识库中匹配数据并召回。 按需调用：您需要在人设与回复逻辑中提示 Bot 调用 RecallKnowledge 方法，以约束 Bot 在指定时机从知识库内匹配数据。 6. （可选）在预览与调试区域调试 Bot 能力时，扩展运行完毕的内容可以查看知识库命中并召回的分片内容。 在工作流内使用 Knowledge 节点： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入工作流页面，并打开指定的工作流。 4. 在左侧基础节点列表内，选择添加 Knowledge 节点。 创建知识库并上传文本内容： |上传方式|操作步骤| ||| |本地文档|1. 在文本格式页签下，选择本地文档，然后单击下一步。<br>2. 将要上传的文档拖拽到上传区，或单击上传区域选择要上传的文档。<br>目前支持上传.txt,.pdf,.docx 格式的文件内容。<br>每个文件不得大于 20M。<br>一次最多可上传 10 个文件<br>1. 当上传完成后单击下一步。<br>2. 选择内容分段方式：<br>2.1. 自动分段与清洗：系统会对上传的文件数据进行自动分段，并会按照系统默认的预处理规则处理数据。<br>2.2. 自定义：手动设置分段规则和预处理规则。<br>分段标识符：选择符合实际所需的标识符。<br>分段最大长度：设置每个片段内的字符数上限。<br>文本预处理规则：<br>替换掉连续的空格、换行符和制表符<br>删除所有 URL 和电子邮箱地址<br>1. 单击下一步完成内容上传和分片。| 创建知识库并上传表格数据： |上传方式|操作步骤| ||| |本地文档|选择将本地文件中的表格数据上传至知识库中。<br>1. 在表格格式页签下，选择本地文档，然后单击下一步。<br>2. 将要上传的文档拖拽到上传区，或单击上传区域选择要上传的文档，然后单击下一步。<br>目前支持上传.csv 和.xlsx 格式的文件内容，且表格内需要有列名和对应的数据。<br>每个文件不得大于 20M。<br>一次最多可上传 10 个文件。<br>1. 配置数据表信息后，单击下一步。<br>1.1. 指定数据范围：通过选择数据表、表头、数据起始行指定数据范围。<br>1.2. 确认表结构：系统已默认获取了表头的列名，您可以自定义修改列名，或删除某一列名。<br>1.3. 指定语义匹配字段：选择哪个字段作为搜索匹配的语义字段。在响应用户查询时，会将用户查询内容与该字段内容的内容进行比较，根据相似度进行匹配。<br>2. 查看表结构和数据，确认无误后单击下一步。<br>3. 完成上传后，单击确定。|

以下是一种可能实现将您爷爷老照片生成数字人脸的方法： 1. 利用剪映软件： 在剪映右侧窗口顶部，打开“数字人”选项，选取一位免费且适合的数字人形象，比如“婉婉青春”。 软件会播放数字人的声音，您可判断是否需要，点击右下角“添加数字人”，将其添加到当前视频中。剪映会根据提供的内容生成对应音视频并添加到轨道中。 左下角会提示渲染完成时间，之后可点击预览按钮查看效果。 为让视频更美观，可增加背景图片。删除先前导入的文本内容，点击左上角“媒体”菜单并“导入”本地图片，将其添加到视频轨道上（会覆盖数字人）。 拖动背景图的角将其放大到适合尺寸，将数字人拖动到合适位置。 点击文本智能字幕识别字幕，点击开始识别，软件会自动将文字智能分段并形成字幕。 完成后点击右上角“导出”按钮导出视频备用。 2. 若希望数字人脸换成特定的面孔，可能需要使用其他工具进行换脸。 3. 对于老照片的处理，还可以启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染功能，在显存不够的情况下放大图片。 对于复杂的老照片，可先在 ps 里进行角度调整和照片裁切，然后上色。若直接上色效果不佳，可放弃人物服装颜色指定，只给场景方向，让 AI 自行决定。 可加入第二个 controlnet 来控制颜色，使用 t2ia_color 模型，给出简单的关键词，如“蓝天、绿树、灰石砖”。最后经过脸部修复和放大得到最终效果。

以下是使用即梦和剪映配合制作首尾帧循环视频的步骤方法： 1. 利用 MJ 生成宇航员近照。 2. 截取头盔中反射的宇航员，将其作为后续步骤的垫图和 sref 使用。 3. 生成与头盔中宇航员接近的半身像。 4. 打开即梦，选择使用尾帧。注意：一般情况可不选择运镜控制，但此图需要选择变焦推进，控制镜头推进到头盔里，否则 AI 会自行选择更容易实现的后拉运镜。 5. 得到相应视频。 6. 用同样的做法得到尾帧回到首帧的视频，然后使用剪映拼接这两段视频，即可得到在他人与自己中无限轮回的效果。有时起始或结束会有停顿，为保证整条视频衔接流畅，可以将其掐掉。 相关视频链接： 本期活动参赛作品：