登录社区云,与社区用户共同成长
邀请您加入社区
DeepSeek Harness(dsh)是 DeepSeek AI 开源的 Agent 运行时框架,基于 Cordis 插件系统,主打「Model + Harness = Agent」理念——一切皆插件,模型 / 工具 / 会话 / 沙箱 / UI 都能在配置层自由替换。本文实测。
企业AI算力采购白皮书。需求分类、硬件选型决策树、20个真实案例(金融/制造/政务/高校),避坑指南与2026-2027技术趋势预测。
AI导出鸭插件:一键无损导出问小白Excel表格的终极方案 针对问小白(DeepSeek)等AI平台生成的Markdown表格在Excel中格式错乱的问题,AI导出鸭插件提供了跨浏览器兼容的无损导出解决方案。支持Chrome、Edge、Firefox、Safari及360系列浏览器,通过三层技术架构实现精准解析: DOM去噪:分离表格核心数据与干扰文本; 格式重构:自动识别数据类型(数值、日期、公
本文剖析AI Agent质量保障新范式:以DeepSeek Harness爆火为引,指出Agent从“陪聊”转向“实干”后,测试重心从确定性验证转向非确定性评估、成本管控与行为可控。强调评估体系、token经济账、可审计回滚三大核心,并给出实战代码示例与求职能力升级路径。
本文探讨了如何根据实际需求选择合适的AI开发工具:DeepSeek Harness、OpenAI Codex、Claude Code和LangGraph。文章指出这些工具处于不同层级,分别对应可直接使用的Coding Agent产品(Codex/Claude Code)、可深度重组的Agent Runtime(DeepSeek Harness)和显式编排的工作流框架(LangGraph)。 选择建
8 月 6 日,我在上一篇分析里把 DeepSeek 涨价称为"价格屠夫自砍身价";今天靴子落地,我更愿意把它称为行业的分水岭。从今天起,"降价潮"这个叙事要打个问号了。它不是结束了,而是分化了——头部模型的价格战已经打完了,接下来比拼的是"单次成功成本"、是 Agent 执行效率、是算力调度能力。便宜的模型依然存在,但"永远最便宜"的承诺不会再有了。对开发者来说,这是个坏消息,也是个好消息。坏消
当 Cline 混合检索的离线优化成果在线上完全失效时,背后是动态权重算法的高并发陷阱。本文详细记录从指标暴跌到最终稳定的全过程,包含问题复现方法、三种替代方案的完整对比数据,以及每个AI工程师都该建立的七条检索系统军规。
完整记录从静态规则到动态负载均衡的智谱AI路由优化历程。通过实测GLM-4、Claude 3、DeepSeek和Qwen的性能差异,总结出7层生产级路由策略。最终实现延迟降低42%且月省$12k+,包含特征提取、熔断机制和分级降级等完整代码实现。
摘要: DeepSeek API 近期预警将大幅涨价,引发开发者关注。此次调价可能受算力成本、商业化需求及服务质量升级驱动,对高频调用项目影响显著。开发者可采取预充值、优化Prompt、引入多模型策略或评估本地部署等措施应对成本压力。此次涨价或标志AI行业从补贴转向理性定价,开发者需精细化运营以维持项目可持续性。建议密切关注官方公告,及时调整策略。
2026年《人工智能法》实施后,律所AI合同审查面临数据主权、客户保密和合规风险三重挑战。本文基于北京大成(昆明)律所、华商(柳州)律所等真实落地案例,系统解析为什么律所AI必须本地部署(五年TCO降低44%、数据不出本地、响应延迟<100ms),以及如何选择异构算力一体机方案(GPU+NPU混插、全液冷、开箱即用)。涵盖算力需求评估、DeepSeek/ChatGLM模型选型、数聚红芯HG8380
当API账单异常增长时,通过Taotoken日志分析发现三个隐蔽成本黑洞:重试风暴消耗43%预算、自动填充上下文使Qwen2-72B调用成本激增2.7倍、无效多轮对话导致的『话痨陷阱』。提供完整异常检测脚本和治理框架,包含模型降级路由、上下文压缩等6项措施,最终实现成本下降68%。特别分享Taotoken平台的GLM-4.5与Claude Haiku的性价比实测数据。
实测 Taotoken 平台调用 GPT-5.4、Claude 等模型生成的代码中,SQL注入、密钥泄露、依赖风险、逻辑缺陷四类隐患检出率超30%。本文提供可集成到CI/CD的自动化审查方案与6个关键检测规则,助你将AI生成代码安全落地生产环境。
摘要: AI导出鸭是一款专为解决Kimi等AI工具生成Excel表格时格式错乱、乱码等痛点的工具。它具备结构化解析、多格式适配和零操作介入三大核心能力,支持一键将Kimi输出的表格转换为标准Excel文件(.xlsx/.csv等),兼容中文与复杂格式。工具覆盖浏览器插件、小程序、移动端及电脑端,实现全终端无缝衔接。实测显示,其导出效率较传统复制粘贴提升27倍,正确率达98.7%。免费版即可满足个人
本文详细介绍了豆包对话内容的高效导出方法及格式优化解决方案。首先解析了电脑端和移动端的原生导出操作流程,指出其适用于简单文本内容。随后剖析了导出复杂内容时常见的公式乱码、表格错位等问题根源,提出优先选择Markdown格式作为中间载体的避坑策略。进而推荐了专业级解决方案——使用AI导出鸭插件实现一键无损导出,该工具能完美保留公式、代码、表格等复杂元素的格式。最后根据不同场景给出了导出方案选择建议,
------------AI导出鸭------
摘要:本文探讨如何高效固化DeepSeek等AI对话内容,避免手动复制粘贴导致的格式混乱和信息丢失。文章分析了传统方法的局限性(如DOM噪声、Markdown还原难),提出三种技术路径:自动化脚本抓取、API接口映射和DOM转换引擎(推荐浏览器扩展),并强调高质量导出需满足语义化排版、LaTeX支持等标准。推荐工具"AI导出鸭"可一键生成多格式文档,完美还原代码、公式及思维链。
解决“Kimi生成的html怎么导出”的问题,不应指望大模型厂商去兼容二十年前的DOC格式,也不应要求用户退化到使用纯文本。正确的工程路径是在AI与办公软件之间建立一个轻量级的格式网关。AI导出鸭正是基于这一理念,通过其插件、小程序、APP及PC端应用,实现了对剪贴板数据的中间件拦截与标准化清洗。它不再是一个简单的复制工具,而是AI数据资产化的必备基础设施。
为什么看似无所不能的 Kimi,一到导出就拉胯?上海AI实验室 OpenDataLab 团队在近期研究中指出,当前大模型产出的最大瓶颈并非生成能力,而是“数据价值的下游闭环效率”。Q:为什么 Kimi 直接复制到 Word 里公式会变乱码?本质是Markdown/LaTeX 语义向映射时的接口不匹配。AI 输出的是“语义标签”,而 Word 需要的是“排版对象”。缺了一个“同声传译”的工程化中间件
移动端AI代码导出工具"AI导出鸭"深度评测:专为DeepSeek优化的移动开发解决方案 该工具针对移动端开发者从AI对话中提取代码的痛点,提供精准的格式转换和多文件处理能力。核心优势包括: 深度适配DeepSeek输出格式,准确率近100% 保留完整缩进和特殊字符,支持多语言自动识别 三步完成"选中-解析-保存",响应速度1.5秒内 本地化处理确保代码安全,不涉及数据上传 支持复杂代码结构和多文
Google推出新一代Gemini3系列AI模型,包含Pro、Flash和ProImage三款产品,分别针对复杂任务处理、性价比和图像生成场景。该系列具备四大核心优势:多模型适配、可控推理能力、多模态融合和高效编码支持,支持100万token上下文窗口。文章通过Python代码示例演示了基础文本生成、推理级别调控和多模态交互三大核心功能,并提供了环境搭建指南。开发者可利用Gemini3实现代码调试
这种"算力即服务"的模式,从根本上降低了产业应用门槛,推动算力资源向规模化、集约化、普惠化方向迈进,是对"十五五"规划中"加快全国一体化算力网建设"要求的具体而有力的践行。对于关乎国计民生的关键行业而言,这种"国产模型+国产算力"的闭环解决方案,具有不可替代的战略价值。在这一阶段性举措之后,我们有理由期待一个更加成熟、更加普惠的国产大模型服务生态的形成——更加灵活的计费模式、更加丰富的行业解决方案
摘要: 针对腾讯元宝等AI助手生成的技术文档导出难题,本文分析了四种主流导出方式的性能差异。测试显示,直接复制粘贴易丢失格式,WPS智能文档对复杂内容支持有限,AI提示词优化不稳定,而Pandoc转换效果最佳但操作复杂。研究指出,当前工具在LaTeX公式转换、长文档截断等问题上存在明显短板,建议结合专用导出工具(如AI导出鸭)形成完整工作流,可显著提升文档流转效率。《2026 AI效率工具白皮书》
2026年4月,AI领域迎来史诗级对决:OpenAI推出代号"土豆"的GPT-6,投入20亿美元打造AGI终极武器,采用革命性Symphony架构实现多模态底层融合,双系统推理框架大幅降低幻觉率;DeepSeek V4则完成国产芯片适配,以极致工程优化实现低成本高性能,API价格仅为GPT-6的1/9。两大模型代表不同发展路径:前者追求技术极限,后者专注普惠落地。这场对决标志着
本文摘要: 提示工程是引导语言模型生成预期输出的关键技术。基础提示包含指令、上下文、输入数据和输出格式等要素。设计提示时应从简单开始逐步优化,确保指令具体明确,避免模糊表达。实践方法包括零样本提示(直接任务指令)和少样本提示(提供示例引导)。虽然这些方法对简单任务有效,但在复杂推理任务中存在局限性。文章通过Java代码示例展示了API调用和结果解析过程,并指出少样本提示在算术推理等任务中的不足,为
2026年AI搜索平台引用机制研究:基于豆包、通义千问、文心一言和DeepSeek的对比分析显示,各平台呈现差异化特征。豆包侧重字节生态内容(今日头条60%+),通义千问偏好结构化信息(表格权重高47%),文心一言首段定义引用率达70%,DeepSeek则倾向技术社区内容(CSDN高权重)。研究建议品牌需构建差异化内容矩阵,如头条深度文章适配豆包、CSDN技术博客匹配DeepSeek,同时严守数据
摘要: DeepSeek大模型为企业智能化提供高效低成本解决方案,通过优化架构降低训练成本(如DeepSeek v3仅耗558万美元),并在推理速度、准确性(中文QA超越GPT-4o)及数据处理(打破数据孤岛)方面表现卓越。典型应用包括智能知识库、文档翻译、AI工作流自动化及ChatBI分析,支持私有化部署以保障数据安全与合规性。配套学习资料提供从基础到进阶(RAG开发、Agent架构、微调部署)
DeepSeek即将发布多模态大模型V4,支持图片、视频与文本联合处理,上下文窗口达100万Tokens,参数或超万亿。该版本在编程任务上已超越Claude和GPT系列,并优先向华为等国产硬件厂商开放测试,助力国产芯片优化。DeepSeek联合高校提出的DualPath技术显著提升推理效率,标志着国产AI生态迈向自主闭环。V4的发布将推动算法与国产硬件的深度融合,展现中国AI技术的突破性进展。
AI大模型赋能企业数字化转型 随着AI技术快速发展,大模型正成为企业提质增效的关键工具。本文针对政府机构、大中型企业和金融机构等组织,探讨如何安全高效地应用大模型技术,解决数据处理和工作效率等痛点问题。报告提供系统化学习路径,从提示工程、RAG系统到智能体开发,分阶段掌握大模型应用能力。资料包含大厂落地案例、提示词模板库等实战资源,助力企业员工快速提升AI技能,把握数字化转型机遇。数据显示,202
本文将探讨如何利用DeepSeek、豆包等AI工具编写高质量的测试用例,以提升测试工作的专业性和效率。
摘要: 文章介绍了一款名为Chat2File-DeepSeek的浏览器扩展,帮助用户高效导出DeepSeek AI对话为Word/PDF/Markdown等格式,解决传统复制粘贴导致的格式错位、重复排版等问题。该插件支持单条/批量导出、轻编辑优化,适用于内容运营、产品经理等需频繁输出文档的群体。通过3分钟快速操作即可完成导出,提升工作效率。用户可通过Chrome/Edge扩展商店或官网直接安装使用
> **导读**:假如 DeepSeek V4 用上国产GPU 训练,这不仅是一次技术升级,更是一场国产 AI 生态的全栈突围,国产软件生态可能也可以借助opencode、openclaw等开源力量结合大模型的ai编程能力来快速突围。
DeepSeek V4推迟发布背后:国产芯片的优先适配战略 原定春节发布的DeepSeek V4多次延期,最新消息指向3月初。延迟原因指向关键调整:V4将优先适配华为等国产芯片,暂不支持Nvidia/AMD。这一动作被视为中国AI产业链自主化的重要信号——通过顶尖模型与国产硬件的深度绑定,推动技术生态独立。若V4在国产芯片上实现性能突破,将重塑全球开发者的硬件选择逻辑。短期延迟或影响用户体验,但长
DeepSeek与北大联合提出大模型进化"第三条路"——条件记忆(Engram),通过分离静态知识检索与组合推理任务,实现不增加算力成本的性能提升。Engram模块利用N-gram哈希和多头寻址实现确定性记忆检索,结合上下文门控机制动态融合记忆。研究发现U型缩放定律,揭示最优参数分配比例(75%-80%给Engram),并意外发现该模块对推理/代码任务的提升优于知识检索。系统层
企业数字化转型进入深水区,AI Agent成为关键突破口。本文探讨如何通过MCP协议实现AI Agent私有化部署,解决数据安全与工具调用的矛盾。MCP协议标准化了模型与工具的通信,避免了传统开发中的"胶水代码"问题。结合DeepSeek模型的推理能力,可实现精准的多工具调用。为确保安全,建议采用推理层与执行层分离的沙箱环境架构,既保护数据安全又保持系统灵活性。这套方案为企业A
2024-2025年,大语言模型的竞争焦点已经从单纯的参数规模转向了**推理能力**。DeepSeek-R1 和 OpenAI o3-mini 代表了当前最先进的推理模型,本文将深入对比这两款模型的技术特点和应用场景。
每次与ChatGPT、Claude或Gemini等人工智能模型交互时,我们都会面临一个困境:对话、提示和洞察在关闭标签页的那一刻消失得无影无踪。尽管智能一词频频被提及,但当前的AI系统却饱受“失忆症”的困扰。它们如同无状态的工具,缺乏持续进化的思维能力。这种局限性不仅给用户带来了不便,也深刻定义了AI本身的架构。
本文介绍了两种AI技术应用方案:函数调用和RAG(检索增强生成)。函数调用适用于精确查询场景,如通过注册函数实现课程信息查询;RAG则用于处理大规模数据检索,如构建企业知识库支持智能客服。重点展示了基于SpringAI的智能客服系统实现,包括系统提示词设计、工具类封装(课程查询、校区查询、预约功能)、数据库配置等完整方案。系统通过意图识别、函数调用和记忆管理,实现了规范的课程咨询和预约流程。RAG
《坚持》闽南语励志MV制作教程:剪映添加原唱并CTRL+B剪辑快速入歌;DeepSeek提供完整歌词对照及六段式分镜脚本——迷茫启程、苦难背后、坚定向前、不认命宣言、情绪递进、最终成功,灰蓝冷调至金色阳光色调递进;踩节拍I生成蓝点对齐歌词,先加字幕并锁定轨道;百度AI按提示词生成9:16图片,左下角预设比例,支持“清除”功能修补局部瑕疵,每天9次图转视频机会;关键帧实现镜头动感,奋斗快推拉、成功慢
如何在确保数据合规的同时,有效控制大模型的运营成本?“本地小模型 + 云端大模型”的混合架构或许是答案。本文聚焦于这一架构模式,详细分析了在成本、运维与性能三者间的博弈关系。无论你是个人开发者还是企业技术负责人,都能从中获得关于混合部署的核心考量点及实战建议,助力打造高性价比的 AI 应用。
《一定要成功》闽南语叙事MV制作教程:剪映添加原唱并CTRL+B剪辑快速入歌;DeepSeek提供完整歌词对照及五段式分镜脚本——感恩启程、奋斗坚持、远方牵挂、归心似箭、重逢兑现,冷硬暖柔色调递进;踩节拍I生成蓝点对齐歌词,先加字幕并锁定轨道;百度AI按提示词生成9:16图片,左下角预设比例无需重复输入,支持“清除”功能修补局部瑕疵,每天9次图转视频机会;关键帧实现镜头动感,奋斗段快推拉、重逢段慢
DeepSeek等新一代AI模型的出现,使得AI检测面临新的挑战。分析新型AI生成文本的特征、现有检测工具的局限,以及学术界的应对方案。
本文以闽南语经典对唱《伤心酒店》为例,演示用DeepSeek、百度AI和剪映专业版制作双线叙事MV的完整流程。在剪映搜索原唱音频并剪辑首尾。通过DeepSeek获取完整歌词对照表及分镜脚本,按女声引入、男声呼应、合声同框等七段情绪线分类,涵盖束光独坐、眼神交汇、分屏苦笑、空镜留白等20余个画面建议。选中音频开启“踩节拍I”生成蓝色节奏点,逐句添加歌词并锁定轨道,女声字幕左入、男声右入、合声中入。在
DeepSeek重构指令完整教程,搭配降AI工具使用,AI率快速下降效果翻倍,两步改写法超有效。
本文以江蕙金曲奖经典《酒后的心声》为例,演示用DeepSeek、百度AI和剪映专业版制作情感张力MV的完整流程。首先从QQ音乐下载原唱音频,拖入剪映后通过Ctrl+B剪辑首尾。向DeepSeek获取完整歌词及详细分镜脚本,按“质问→借酒消愁→嘴硬心软→崩溃→余韵”五段情绪线分类,涵盖闪回对比、酒杯倒影、一饮而尽泪滑落、蜷缩角落、人与酒杯对视、天花板旋转等20余个画面建议。选中音频开启“踩节拍I”生
《人在旅途》经典老歌MV制作教程:剪映搜不到原唱时,用QQ音乐下载后本地导入;DeepSeek提供完整歌词及分段画面建议,按“前行励志→人生感慨→思念牵挂→信念坚守”设计情绪曲线,暖阳、黄昏、冷蓝、晨曦四段色调递进;踩节拍I生成蓝点对齐歌词,先加字幕并锁定轨道避免剪辑打乱;百度AI按提示词生成9:16图片并“变视频”,每天9次免费机会;关键帧实现镜头推进,转场可加可不加;最后解锁字幕批量设置样式。
本文以2019年全网爆款《大田后生仔》为例,演示用DeepSeek、百度AI和剪剪映专业版制作闽南语青春励志MV的完整流程。首先在剪映搜索原唱音乐并剪辑首尾。通过DeepSeek获取完整歌词对照表及分镜脚本,按“温情叙事→热血奋斗→幽默独白”三段情绪线分类,涵盖航拍大田、奶茶店青春、方言断层、人生选择、雨中奔跑、奋斗混剪、借钱尴尬等20余个画面建议。选中音频开启“踩节拍I”生成蓝色节奏点,逐句添加
本文以闽南语经典《浪子的心情》为例,演示用DeepSeek、百度AI和剪映专业版制作情感递进主题MV的完整流程。首先从QQ音乐下载原唱音频,拖入剪映后通过Ctrl+B剪辑首尾,快速进入高潮。向DeepSeek获取完整歌词对照表及画面建议,按“漂泊孤独→反思觉醒→无奈→渴望希望→凄凉”情绪线分类生成画面关键词。选中音频开启“踩节拍I”生成蓝色节奏点,逐句添加歌词字幕对齐节拍并锁定轨道。在百度AI用画