登录社区云,与社区用户共同成长
邀请您加入社区
大语言模型(LLM)的API调用正成为开发者构建智能应用的基础能力。将DeepSeek等国产大模型接入QQ群,可以实现自动问答、知识检索、代码辅助等场景。QQ机器人开发涉及消息接入、事件处理、模型调用等环节,其中协议适配和多轮上下文管理是工程实践的关键。基于NoneBot2框架与OneBot 11协议,结合DeepSeek API,从环境准备到插件编写,完整演示了如何搭建一个支持AT触发和上下文记
大模型驱动的智能体开发中,Agent与Harness是两个常被混淆的概念。Agent是具备目标、能调用工具并自主调整策略的执行逻辑,而Harness则是承载Agent运行的壳,负责将模型输出转化为代码执行并形成反馈闭环。Codex CLI是典型的Harness,DeepSeek则提供底层模型能力,二者结合可实现命令行环境下的多轮自主编程。这种组合的技术价值在于让数据分析任务从一次性脚本演进为可追溯
摘要: DeepSeek V4-Pro因其高性价比和强大性能广受欢迎,但缺乏多模态能力,无法处理图片成为用户痛点。开源项目claude-vision-skill通过调用识图模型(如阿里千问)将图片转为文字描述,再喂给DeepSeek,间接实现“看图”功能。安装简单,新用户享免费额度,成本极低。实测可准确识别代码报错截图、前端设计稿等内容,显著提升工作效率。这一方案为纯文本模型补足视觉短板,适合日常
本文详细评测了优刻得DeepSeek一体机在国产芯片全适配方面的表现,包括硬件解析、软件栈体验及真实部署案例。该一体机支持多种国产芯片组合,如沐曦MXN系列和昇腾910B,提供高效的AI算力解决方案,适用于医疗、政务等场景,显著提升部署效率与性能。
本文介绍了如何在星图GPU平台上自动化部署📄 DeepSeek-OCR-2 智能文档解析工具镜像,结合YOLOv5实现文档元素精准定位与高精度识别。该方案典型应用于合同关键条款提取、医疗报告结构化及试卷阅卷等场景,显著提升文档处理的准确率与效率。
本文通过实际测试对比了DeepSeek代码生成与通义千问供应链优化在开发者工作场景中的表现。从代码生成质量、商业逻辑处理到响应效率,详细分析了两者的优劣势,并提供了针对不同工作场景的选型建议,帮助开发者选择最适合的AI工具。
描述诸如编码者间一致性(如果适用)、成员核查或数据来源的三角测量等步骤,以增强您的发现的有效性。指定要测量的变量、数据来源、数据收集工具以及数据收集中可能遇到的挑战。指定可视化类型(图表、图形、图解)、将使用的软件/工具及其在传达洞察中的作用。概述参与者招募、调查分发、数据收集的过程以及提高响应率的潜在方法。概述参与者随机化、治疗实施、实验期间和之后的数据收集以及控制措施的程序。详细描述数据将如何
介绍如何在 CPU 上使用 llama.cpp 推理 671B 版本的 DeepSeek R1,以及实际效果。
在当今的技术讨论中,“人工智能”(AI)、“机器学习”(ML)、“深度学习”(DL)和“大模型”(LLM)等术语常被混用,以至于令人困惑。本文将简要梳理这些概念,帮助读者清晰理解它们的关系与区别。
通义千问 Qwen2.5-Max 的发布,无疑是人工智能领域的一件盛事。它不仅以其卓越的性能超越了众多竞争对手,更为我们展示了人工智能技术的无限可能。让我们一同期待 Qwen2.5-Max 在未来能够为我们带来更多的惊喜,共同见证 AI 的新纪元!
DeepSeek是一个基于深度学习的先进模型,它融合了自然语言处理(NLP)、计算机视觉(CV)和多模态学习等多种前沿技术。它能够处理文本、图像、语音等多种数据类型,并通过强大的预训练能力和灵活的微调机制,为各种应用场景提供高效、精准的解决方案。无论是智能客服、内容推荐、图像识别还是自然语言生成,DeepSeek都能轻松应对,展现出卓越的性能。DeepSeek模型以其强大的功能和灵活的用法,为人工
{"role": "system", "content": "你是某公司客服人员,负责回复客户邮件。"价格"这个词触发了人工审核,但这封邮件其实不需要报价,只是老客户在正常沟通。这招管用了一段时间,直到有一天客户的邮件标题是"关于近期合作的反馈",正文写了一大段,最后提了一句"希望价格方面能给予优惠"。我承认,这句"属于正常现象"是我的提示词里"专业"两个字惹的祸,AI想表现得专业,结果用了这种冷
文献综述熬了三个大夜?2026年AI学术工具红黑榜:选对"搭子",综述一周变一天 又到开学季,后台被问爆的问题永远是同一个: "AI写文献综述到底靠不靠谱?为什么我用AI生成的参考文献,导师一查全是假的?" 先给结论:工具本身没有错,错的是"用通用聊天机器人干专业学术的活"。2026年了,AI学术工具早就分化成了好几条赛道——通用大模型、垂直学术平台、AI智能体各有各的主场。今天这篇就把各类工具的
MCP 协议 指的是 模型上下文协议 (Model Context Protocol)。 以下是关于 MCP 协议的一些关键信息:定义: MCP 是由 Anthropic 提出的一个开放标准,旨在标准化人工智能应用程序(如聊天机器人、IDE 助手或自定义代理)与外部工具、数据源和系统之间的连接方式。你可以将其理解为 AI 集成的 USB 接口。
本地部署的最大意义在于利用DeepSeek大模型的能力加上自己的知识库,可以训练出一个符合自己需求的大模型。想象下如果你是一个医生,有一堆科研资料。你想拥有一个大模型机器人,学习了你所有的资料。每当你想查科研资料找到答案的时候,自己问这个机器人就好了。省去了自己很多查找资料的时间
【摘要】DeepSeek开源Harness框架,完整公开了AI Agent开发全流程。这份"施工日志"包含12293次提交、683篇设计文档和4次事故复盘,揭示了从聊天机器人到实用Agent的技术鸿沟。作者通过对比自身开发GEO Agent的经验,指出核心差异在于工具调用与安全管控——Harness框架实现了系统级权限管理(macOS沙箱/Linux Landlock)、精细成本核算(单次对话44
接入Vibe Coding智能评审机器人首周,我们设计的「最小复现模板」竟漏掉40%关键字段。本文揭秘三层降噪方案如何融合Llama本地扫描、GPT-4语义分析和人工回溯,最终实现98%的关键字段捕获率,并总结出7条AI分流军规。包含多模型成本对比和边界案例测试方法论。
本文介绍了如何通过system角色为AI助手设定人设,使其从通用聊天机器人转变为特定领域的专业助手(如技术助理Alex)。主要内容包括: 核心概念:system角色作为全局指令,优先级最高,可定义助手的身份、能力和行为边界。 实现方法: 将人设内容写入外部文件templates/SOUL.md(角色定位/能力边界/回答风格/禁止事项) 启动时加载该文件作为第一条system消息 改造截断逻辑保护s
当Qwen对话机器人突然推荐竞品服务时,发现是工具调用结果污染了对话流。从正则过滤到采用Qwen官方分隔协议,最终构建三层防御:强制标记隔离+GLM语义扫描+Ollama沙箱。实测Qwen长文本处理F1值比DeepSeek高15%,且标记遵循严格度超Claude Code 40%。结构化输出安全更依赖工程约束而非模型参数。
深度复盘 AGV 路径规划重大事故:当 Windurf 的动态剪枝策略将基础安全约束误判为优化目标时,物流机器人开始跳起 45° 斜线移动的『俄罗斯方块舞』。本文揭示约束权重的致命配置误区,提供混合工具链解决方案,并对比了 DeepSeek、Claude Code 等工具在工业级路径规划中的实战表现。
基于2026年5月DeepSeek投资人闭门会议纪要,从开发者视角解码梁文锋的五大技术战略信号。文章系统拆解了AGI五层路线图(CoT→Agent→持续学习→奇点→具身智能)的能力跃迁依赖关系,揭示开源模型"权重免费、工程收费"的护城河机制,分析国产算力替代路径(TileLang+华为950)与开发者双栈策略,解读"成本>时间>体验"的API终局竞争格局,并论证Coding Agent作为通用Ag
2026世界人工智能大会在上海举办,聚焦AI全产业链发展。大会展示了四大核心亮点:1)AI算力基础设施国产化加速,华为、中兴、阿里等企业推出超节点集群产品,实现算力突破;2)机器人从概念走向实用,消防、服务等场景应用落地;3)AI终端硬件创新,包括AI手机和轻量化智能眼镜;4)互联网大厂布局AI应用生态,如腾讯的AI产品矩阵。整体来看,中国AI产业已形成从底层算力到上层应用的完整链条,呈现与全球同
如何将大模型无缝接入自己的项目,打造一个真正可用的智能问答系统,依然是不少开发者面临的挑战。为例,从调用API到实现完整的命令行问答机器人,一步步写出生产可用的代码。无论你是想给内部知识库配上自然语言接口,还是希望在自己的应用中集成智能对话能力,这篇文章都能帮你迈出扎实的第一步。不过,这种方式每次都是“一次性的”,模型记不住你之前说过什么,无法进行连续对话。接下来,我们写一个简单的命令行main函
2026年AI五层架构全景解析 本文系统梳理了当前主流AI工具的层级关系与落地策略,提出标准化的五层架构模型: 业务入口层(豆包/企微机器人)轻量交互 调度中枢层(Hermes Agent)实现私有化管控与自动化 流程约束层(Superpowers)规范开发质量 执行层(Cursor/ClaudeCode)专注代码生成 模型层(DeepSeek/Claude)提供底层推理 核心结论:工具间为协同关
环境反馈的延迟也是个坑,有次部署的聊天机器人因为API响应慢,连续发送了三条重复回复,这种场景需要设计防抖机制。现在最缺的是等效于Swagger的接口描述语言,以及类似Kubernetes的编排平台。自动驾驶场景下,传统的"感知-规划-执行"流水线模式有时跟不上路况变化,我们试验过在规划模块嵌入快速反射机制(如遇突发障碍直接触发紧急制动),效果不错但增加了系统复杂度。早期版本的自由文本反思很难做统
使用SpringAI实现对话机器人AI Agent
本篇博客介绍了如何结合 MindSpore 和 DeepSeek 进行零基础深度学习实践。从模型构建、数据加载到训练优化,我们展示了如何利用 MindSpore 进行高效的深度学习开发,同时借助 DeepSeek 降低代码编写难度。
本文主要介绍如何在 Windows 系统快速部署 Ollama 开源大语言模型运行工具,并安装 Open WebUI 结合 cpolar 内网穿透软件,实现在公网环境也能访问你在本地内网搭建的 llama2、千文 qwen 等大语言模型运行环境。
人工智能不仅是技术革新,更是一场涉及文明逻辑重构的深刻变革。它标志着人类从“体力替代”迈入“智力延伸”的新纪元,其影响堪比工业革命,甚至可能开启新的“轴心时代”。面对这一趋势,如何在技术红利与伦理风险间取得平衡,将是新时代的核心课题。
部署完成后,结合自身硬件调整模型参数(如7B模型适合轻薄本,32B需工作站),并关注开源社区更新以获取性能优化补丁。”),观察响应速度(7B模型首Token生成约2秒)打开Flowy → 本地模型 → 选择DeepSeek-R1(7B/14B/32B):英特尔锐炫A系列核显(如130T)或NVIDIA RTX 3060(8GB显存)英特尔酷睿Ultra 7 + 32GB内存(流畅运行14B模型):