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

low cost of Deepseek AI

Answer

关于 DeepSeek AI 的低成本相关信息如下：

  • 在设计思路方面，将 Agent 封装成 Prompt 并储存在文件，以保证最低成本的人人可用，同时减轻调试负担。通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能，在模型默认能力基础上优化输出质量，增加可读性，并设计了阈值系统，用 XML 进行规范设定。
  • 存在对 DeepSeek 的“低成本”AI 的批评声音，如被讽刺为空洞的营销噱头，无法与国际大作相比，甚至被用洋垃圾作比喻，被指“崇洋媚外”。
Content generated by AI large model, please carefully verify (powered by aily)

References

一个提示词，让 DeepSeek 的能力更上一层楼？——HiDeepSeek

用Coze做了个小测试，大家可以对比看看[e8c1a8c3012fedad10dc0dfcc8b1e263_raw.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/Jz9cbKxDbocGtIxXFFEcdiHjnRc?allow_redirect=1)[heading1]如何使用？[content]Step1：搜索www.deepseek.com，点击“开始对话”Step2：将装有提示词的代码发给DeepseekStep3：认真阅读开场白之后，正式开始对话[heading1]设计思路[content]1.将Agent封装成Prompt，将Prompt储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担2.通过提示词文件，让DeepSeek实现：同时使用联网功能和深度思考功能3.在模型默认能力的基础上优化输出质量，并通过思考减轻AI味，增加可读性4.照猫画虎参考大模型的temperature设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改5.用XML来进行更为规范的设定，而不是用Lisp（对我来说有难度）和Markdown（运行下来似乎不是很稳定）[heading1]完整提示词[heading2]v 1.3[heading1]特别鸣谢[content]李继刚：【思考的七把武器】在前期为我提供了很多思考方向Thinking Claude：这个项目是我现在最喜欢使用的Claude提示词，也是我设计HiDeepSeek的灵感来源Claude 3.5 Sonnet：最得力的助手

2月2日 社区动态速览

1⃣️?批评Deepseek的“低成本”AI有评论讽刺Deepseek宣称的“低成本高效率”是空洞的营销噱头，批评其无法与国际大作相比，甚至讽刺其“崇洋媚外”现象。?[详情](https://x.com/dotey/status/1885557681223852208)2⃣️?谷歌提供自愿离职选项谷歌为美国平台与设备部门员工提供“自愿离职”选项，目的是让员工更专注使命。如果自愿离职人数不足，谷歌可能考虑裁员。部分员工已发起请愿。?[详情](https://x.com/dotey/status/1885544437498974338)?[来源](https://www.theverge.com/news/603432/google-voluntary-exit-platforms-devices-team)3⃣️?o3-mini-high每周限制50次Plus用户每周只能使用50次o3-mini-high，而Pro用户可享受无限次使用权限，每日使用额度分开计算。?[详情](https://x.com/dotey/status/1885521209703411871)4⃣️?OpenAI AMA重点：未来展望与新功能OpenAI AMA提到将推出高级语音模式、图像生成及o3系列模型（如o3-mini-high）的重大更新，Plus订阅可能降价，Pro用户享受无限次使用权限。?[详情](https://mp.weixin.qq.com/s/G-An7MTgroAxQDFTZxGbFQ?token=592505423&lang=zh_CN)

宝玉 日报

?宝玉日报「2月1日」✨✨✨✨✨✨✨✨1⃣️?批评Deepseek的“低成本”AI用洋垃圾比喻Deepseek，讽刺其“低成本高效率”是空洞的营销噱头。嘲讽其无法与国际大作相比，提出“崇洋媚外”只会让人丢脸。?[https://x.com/dotey/status/1885557681223852208](https://x.com/dotey/status/1885557681223852208)2⃣️?谷歌提供自愿离职选项谷歌为美国平台与设备部门员工提供“自愿离职”选项，欲让员工更专注使命。若自愿离职人数不够，谷歌可能会考虑裁员，部分员工已联合发起请愿。?[https://x.com/dotey/status/1885544437498974338](https://x.com/dotey/status/1885544437498974338)?来源：[https://www.theverge.com/news/603432/google-voluntary-exit-platforms-devices-team](https://www.theverge.com/news/603432/google-voluntary-exit-platforms-devices-team)3⃣️?o3-mini-high每周限制50次Plus用户每周只能使用50次o3-mini-high，每天150次o3-mini。Pro用户无限次使用o3-mini-high，且额度分开计算。?[https://x.com/dotey/status/1885521209703411871](https://x.com/dotey/status/1885521209703411871)4⃣️?OpenAI AMA重点：未来展望与新功能

Others are asking
Deepseek自动生成网站前端页面
以下是关于 DeepSeek 自动生成网站前端页面的相关内容： DeepSeek v3 能力更新后虽能生成炫目的前端页面，但多为静态且实用性有限。可结合飞书多维表格将生成的漂亮前端变为真实的系统，如【智能作业分发系统】。 该系统整体包括用户登陆（可加飞书调查表二维码实现注册）、作业类型、作业详情（含连连看游戏、AI 智能问答、考试系统）。其实现逻辑为用户登陆系统后进入页面看到老师分配的作业分类，选择分类进入作业详情页面，详情页有学习单词发音及三个模块。 对于小白，可用飞书作数据源，通过飞书 API 接口获取内容，用 DeepSeek v3 制作前端+后端（用 Trae 更方便）。获取请求参数时，测试成功后的示例代码中有完整的请求参数和请求体可直接复制使用。创建前后端时，若用 DeepSeek 官网搭建需按代码目录结构创建对应文件（用 Trae 可省略），首次运行可能遇到飞书 API 未正确配置 CORS 导致浏览器拦截请求的问题，V3 会给出修改意见。 此外，Same dev 能像素级复制任意 UI 界面并生成前端代码，支持多种文件格式和技术栈代码，但免费额度消耗快，网站被谷歌标记。360 智脑复现了 DeepSeek 强化学习效果并发布开源模型 LightR114BDS。 AI 时代生存法则：会提需求比会写代码更重要，会开脑洞比会复制粘贴更值钱，真正的大佬都是让 AI 当乙方！
2025-04-13
使用Deepseek写论文有哪些固定指令模板
以下是使用 DeepSeek 写论文的一些指令模板： 1. 进阶控制技巧： 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 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 多模态输出 2. 高级调试策略： 模糊指令优化： 问题类型：宽泛需求 修正方案：添加维度约束 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” 问题类型：主观表述 修正方案：量化标准 示例对比：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” 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 3. 核心原理认知： 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 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 4. 基础指令框架： 四要素模板 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 5. 高阶能力调用： 文风转换矩阵： 作家风格移植：“用鲁迅杂文风格写职场 PUA 现象” 文体杂交：“将产品说明书改写成《史记》列传格式” 学术口语化：“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：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 6. 场景化实战策略： 创意内容生成 技术方案论证 7. 效能增强技巧： 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” 输出质量控制： 问题类型：过度抽象 修正指令：“请具体说明第三步操作中的温度控制参数” 问题类型：信息过载 修正指令：“用电梯演讲格式重新组织结论” 问题类型：风格偏移 修正指令：“回归商务报告语气，删除比喻修辞” 8. 特殊场景解决方案： 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” 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”
2025-04-13
随着 ChatGPT、Deepseek 等 AI 技术的爆发式发展，人工智能正在加速渗透各行业应用场景，包括茶饮行业。请你对 AI 技术在茶饮行业的影响进行研究分析，并提出 AI 技术可以在连锁奶茶店如何应用的设想。
以下是关于 AI 技术在茶饮行业的影响分析及在连锁奶茶店应用的设想： 影响分析： 1. 提升运营效率：通过自动化流程和智能预测，优化库存管理、员工排班等环节。 2. 改善客户体验：利用智能客服快速响应顾客咨询，提供个性化推荐。 3. 精准营销：基于大数据分析顾客偏好，制定更有针对性的营销策略。 应用设想： 1. 智能点单系统：根据顾客的历史订单和偏好，为其推荐饮品和搭配。 2. 库存管理优化：借助 AI 预测销售趋势，精准控制原材料库存。 3. 员工培训辅助：利用虚拟培训工具，提升员工的服务技能和产品知识。 4. 营销决策支持：通过数据分析，确定最佳的促销活动和推广渠道。 目前的知识库中，相关的具体研究报告主要有： 1. 浙江大学：《DeepSeek 技术溯源及前沿探索朱强》（2025/03/19），介绍了语言模型从基于统计的 Ngram 到 Transformer 的技术演化，以及大模型的发展，如 GPT 系列。 2. 浙江大学：《DeepSeek：回望 AI 三大主义与加强通识教育报告》（2025/03/05），围绕人工智能展开，介绍其发展历程、三大主义、技术进展、应用成果以及教育举措。 3. 清华大学：《气象人工智能技术与应用报告》（2024/12/25），围绕气象人工智能展开，介绍了其发展和应用情况。 如需下载这些研究报告，可。
2025-04-09
Deepseek论文指令
以下是关于 Deepseek 论文指令的相关内容： 一、DeepSeek 提示词方法论 （一）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 （二）高级调试策略 1. 模糊指令优化 问题类型：宽泛需求 修正方案：添加维度约束 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” 问题类型：主观表述 修正方案：量化标准 示例对比：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 二、高阶能力调用 1. 文风转换矩阵 指令结构：作家风格移植 效果示例：“用鲁迅杂文风格写职场 PUA 现象” 指令结构：文体杂交 效果示例：“将产品说明书改写成《史记》列传格式” 指令结构：学术口语化 效果示例：“把这篇论文摘要翻译成菜市场大妈能听懂的话” 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 三、场景化实战策略 1. 创意内容生成 2. 技术方案论证 四、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 修正指令：“请具体说明第三步操作中的温度控制参数” 问题类型：信息过载 修正指令：“用电梯演讲格式重新组织结论” 问题类型：风格偏移 修正指令：“回归商务报告语气，删除比喻修辞” 五、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” 此外，还有关于 DeepSeek 使用方法的一些补充，如输入控制流程化、与 AI 沟通的新思维等，并列举了为中年人撰写包含特定角色的科幻纯爱小说的示例。方法要根据实际场景需求灵活变化。
2025-04-07
Deepseek
DeepSeek 是一家具有独特特点和影响力的公司。 DeepSeek 不是“中国式创新”的产物，将其比喻成“AI 界的拼多多”是偏颇的，认为其秘方是多快好省也不全面。早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新在硅谷引发小范围轰动，其论文也在 AI 研究界广泛分享和讨论。而当时在国内舆论场，DeepSeek 被描摹成“大模型价格战的发起者”。这表明 DeepSeek 与硅谷更有对话和交流的密码，其秘方是硅谷味儿的。 如果 V3 是 DeepSeek 的 GPT3 时刻，接下来的发展充满未知，但 DeepSeek 作为中国最全球化的 AI 公司之一，赢得全球同行甚至对手尊重的秘方也是硅谷味儿的。 关于如何提升 DeepSeek 的能力，一个提示词“HiDeepSeek”能发挥作用。使用方法如下： 1. 搜索 www.deepseek.com，点击“开始对话”。 2. 将装有提示词的代码发给 Deepseek。 3. 认真阅读开场白之后，正式开始对话。 其设计思路包括： 1. 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，不过可能形式大于实质，之后根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（有难度）和 Markdown（运行不稳定）。 完整提示词版本为 v 1.3，特别鸣谢李继刚的【思考的七把武器】在前期提供了很多思考方向，以及 Thinking Claude（其项目是现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源）和 Claude 3.5 Sonnet（最得力的助手）。
2025-03-26
Deepseek
DeepSeek 是一家具有独特特点和影响力的公司： 1. 其秘方具有硅谷风格： 不是“中国式创新”的产物，不能简单地将其比喻成“AI 界的拼多多”或认为其秘方就是多快好省。 早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新在硅谷引发轰动。 是中国最全球化的 AI 公司之一，赢得全球同行甚至对手尊重的秘方也是硅谷风格。 2. V3 可能是 DeepSeek 的 GPT3 时刻，未来发展充满未知但值得期待。 3. 关于提示词 HiDeepSeek： 效果对比：可通过 Coze 做小测试对比。 使用方法：包括搜索网站、点击“开始对话”、发送装有提示词的代码、阅读开场白后正式对话等步骤。 设计思路：将 Agent 封装成 Prompt 并储存于文件以降低成本和调试负担，通过提示词文件实现联网和深度思考功能，优化输出质量，设计阈值系统，用 XML 进行规范设定等。 完整提示词：v 1.3。 特别鸣谢：李继刚的【思考的七把武器】提供思考方向，Thinking Claude 是设计灵感来源，Claude 3.5 Sonnet 是得力助手。
2025-03-22
AI workflow在企业中是否比Agent应用价值和场景更多
AI workflow 和 Agent 在企业中的应用价值和场景各有特点。 Agentic Workflows 具有以下优势： 1. 灵活性、适应性和可定制性：能够根据任务难度进行调整和演变，通过组合不同模式实现定制，在需求和复杂性增长时进行迭代升级。 2. 在复杂任务上的性能提升：将复杂任务分解为更小、可管理的步骤，显著优于确定性的零样本方法。 3. 自我纠正和持续学习：能够评估自身行为，完善策略，从过去经验中学习，在每次迭代中变得更有效和个性化。 4. 操作效率和可扩展性：可以高精度自动化重复任务，减少人工操作和运营成本，还能轻松扩展。 Agentic Workflow 的应用场景包括原子设计模式的组合、与人类反馈循环集成等。例如，Agentic RAG 在检索增强生成流程中引入了一个或多个 AI Agents，在规划阶段可进行查询分解等操作，还能评估数据和响应的相关性和准确性。 一般来说，Workflow 是一系列旨在完成特定任务或目标的相互连接的步骤。最简单的工作流是确定性的，遵循预定义步骤序列。有些工作流利用大模型或其他 AI 技术，分为 Agentic 和非 Agentic 两类。非 Agentic 工作流中，大模型根据指令生成输出。Agentic Workflow 是由单个或几个 AI Agents 动态执行的一系列连接步骤，被授予权限收集数据、执行任务并做出决策，利用 Agents 的核心组件将传统工作流转变为响应式、自适应和自我进化的过程。 综上所述，不能简单地说 AI workflow 在企业中比 Agent 应用价值和场景更多，这取决于企业的具体需求和任务特点。
2025-04-09
flowith
Flowith 是致力于打造“终极形态的 AI 创作工具”，探索人和 AI 终极交互形态的产品。 2025AGENT 智能体全球创作大赛正在进行中，截止时间为 3 月 28 日。参赛者可使用多种 Agent 技术平台，所有参赛作品需包含详细实施过程和成果展示。该比赛联合多个平台面向全球创作者开放，设有丰厚奖金，第一名 15000 元，第二名 8000 元，第三名 5000 元，第四名、第五名 3000 元，各个赛道第一名 3000 元，同时获奖作品有机会获得流量支持。 Flowith 在 24 年初公测发布时获得大量关注和报道，还获得 Meta、Google、Nvidia、OpenAI 等企业的支持与合作，2024 年 8 月正式发布亮相时夺得 Product Hunt 榜单桂冠，已服务数十万海内外用户，预计 2025 年第二季度用户数超百万。 其相关信息如下： 学习资料： 报名链接： 官网：https://try.flowith.io/ 产品网站： 产品文档及详细说明：https://doc.flowith.io/ 官方小红书： X： Product Hunt： 此外，有人使用 Flowith 解决了拆解/统筹能力方面的问题，比如在写文章时，其基于画布式的交互像增添了一个外挂大脑。Flowith 的比较模式可以让用户不用做选择，比如要求多个主流模型输出大纲，然后根据结果决定使用哪个模型继续任务。
2025-03-30
flowith
Flowith 是致力于打造“终极形态的 AI 创作工具”，探索人和 AI 终极交互形态的产品。 2025AGENT 智能体全球创作大赛正在进行中，参赛者可使用多种 Agent 技术平台，包括但不限于 Manus、Flowith Oracle、OpenManus、Coze 等，截止时间为 3 月 28 日。比赛面向全球创作者开放，联合了微博、小红书、即刻等平台，所有参赛作品需包含详细实施过程和成果展示，获奖作品有机会与顶尖 AI 公司和投资机构直接对话，并有丰厚的奖金，第一名 15000 元，第二名 8000 元，第三名 5000 元，第四名、第五名 3000 元，各个赛道第一名 3000 元，同时还有机会获得微博、小红书、即刻等平台的流量支持。学习资料： 。 Flowith 在 24 年初公测发布时获得大量海内外关注、知名科技媒体主动报道，并获得 Meta、Google、Nvidia、OpenAI 等企业的官方支持与合作，2024 年 8 月正式发布亮相时夺得 Product Hunt 榜单桂冠，已服务数十万海内外用户，预计 2025 年第二季度用户数将超百万。 其相关信息如下： 官网：https://try.flowith.io/ 产品网站： 产品文档及详细说明：https://doc.flowith.io/ 官方小红书： X： Product Hunt： 此外，有人在使用 Flowith 时发现，它基于画布式的交互，能像外挂大脑一样解决拆解/统筹能力方面的问题。比如在写文章时，其比较模式能让用户不用在多个大模型中做选择，可让多个主流模型输出内容后再决定使用哪个模型继续工作，如在 O1、Deepseek R1、Claude 3.5 和 3.7 中选择适合传播的 Deepseek R1 来继续创作。
2025-03-28
详细讲解一下ragflow框架，同时对比一下ragflow与常规知识库有什么优势，在graphrag的实现方面ragflow又是怎么做的？
RAG（检索增强生成）是一种有效的解决方案，下面为您详细讲解： RAG 工作流程： 1. 检索（Retrieval）：如同在图书馆中，系统会从知识库或文档集合中找出与用户问题相关的内容。 2. 增强（Augmented）：对检索到的信息进行筛选和优化，挑出最相关和有用的部分。 3. 生成（Generation）：将整合的信息生成自然流畅、易于理解的回答。 RAG 类似于一个超级智能的图书馆员，综合起来： 1. 检索：从庞大知识库中找到相关信息。 2. 增强：筛选优化确保找到最相关部分。 3. 生成：整合信息给出连贯回答。 RAG 的优势： 1. 成本效益：相比训练和维护大型专有模型，实现成本更低。 2. 灵活性：能利用多种数据源，包括结构化和非结构化数据，迅速适应不同领域和变化的数据。 3. 可扩展性：随时增加或更新知识库内容，无需重新训练模型。 RAG 与常规知识库的对比优势： 常规知识库可能存在知识更新不及时、数据来源单一等问题。而 RAG 能够从多种数据源获取信息，并且可以根据用户的实时需求进行检索和优化，生成更贴合需求的回答。 在 GraphRAG 的实现方面，目前提供的内容中未明确提及相关具体实现方式。 同时需要注意的是，RAG 也存在一些缺点，比如相比于专有模型的方案，回答准确性可能不够。
2025-03-28
flowith根据自然语言构建一个直接使用的工作流吗，如何向flowith提出要求
Flowith 可以根据自然语言构建工作流。即使没有专业编程技能，只要能用清晰的自然语言描述出想要的各个 Agents 具备的行为和功能，就可以快速制作多 Agents 应用或创建代理式工作流。 使用工作流的步骤如下： 1. 配置工作流： 在 Code 节点内使用 IDE 工具，通过 AI 自动生成代码或编写自定义代码逻辑，来处理输入参数并返回响应结果。 该节点支持 JavaScript、Python 运行时，需注意不同运行时的特定事项。 可在 IDE 底部单击尝试 AI，并输入自然语言设定代码逻辑，也可选中代码片段通过快捷键唤起 AI 并输入自然语言让其修改代码。 2. 通过工作流数据库节点操作数据表： 在工作流中添加数据库节点对数据表进行操作，可通过 NL2SQL 方式和代码方式进行调用，支持完整读写模式。 参考以下操作添加并配置工作流节点： 单击页面顶部的工作流页签，然后单击创建工作流。 输入工作流名称和使用描述，然后单击确认。 在基础节点页签下，将数据库节点拖入到工作流配置画布区域。 根据相关信息配置数据库节点，包括输入添加 SQL 执行中需要的参数，输入要执行的 SQL 语句，可单击自动生成使用大模型生成 SQL。 需注意不支持 Select语法、多表 Join 操作，最多返回 100 行数据。在配置数据库节点前，要确保已经搭建了一个 Bot，并在这个 Bot 中创建好了数据表。
2025-03-26
flowith知识库的用法
Flowith 知识库的用法包括以下方面： 1. 拆解创作任务： 将复杂的创作任务拆解到合适的颗粒度，为 AI 提供指导，例如拆解创作“科幻预见未来”的步骤。 明确关键任务节点和围绕其展开的主线任务。 2. 建立定向知识库： 将相关内容导入到 flowith 的知识花园中作为 AI 可调用的知识库，例如将《梦想与颠覆》卡牌的相关内容转化为文字上传。 打开智能拆分模式，让 AI 自动分析和优化拆分逻辑，形成知识“种子”。 激活知识库后，AI 会启用知识关联功能，使输出内容更具针对性。 可以发布或分享自己的知识库，也可在知识市场中使用他人的。 3. 构建知识库： 选择“Manage Your Knowledge Base”进入知识库管理页面。 点击左上角的加号添加新的知识库，并起一个便于分辨的名字。 点击添加文件，建议使用 Markdown 格式的文件。 等待 Flowith 处理文件。 4. 选择知识库提问： 在页面左侧可看到检索资料的来源，并可点击显示按钮展现所有原始信息。 Flowith 可以进行“可视化”的追问，能明确看到问答之间的序列关系。 可以在画布上平行提问，默认延续前面的问题，鼠标点击画布其他部分可新开问题。 不同的提示词面对同样的上下文会有不同结果，详细和强化的提示词能使答案更聚焦、详细。
2025-03-26
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，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，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；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 等等；多消息类型支持，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；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
学AI上钉钉
以下是在钉钉上学 AI 的相关内容： 从 AI 助教到智慧学伴的应用探索： 登录钉钉客户端，在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后，填写 AI 助理信息，设置完成即可创建成功。 AI 领导力向阳乔木：未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤： 创建应用： 进入，登录后点击创建应用，填写应用相关信息。 点击添加应用能力，选择“机器人”能力并添加。 配置机器人信息后点击发布，发布后点击“点击调试”，会自动创建测试群聊，可在客户端查看。点击版本管理与发布，创建新版本发布。 项目配置： 点击凭证与基础信息，获取 Client ID 和 Client Secret 两个参数。 参考项目，将相关配置加入项目根目录的 config.json 文件，并设置 channel_type:"dingtalk"，注意运行前需安装依赖。 点击事件订阅，点击已完成接入，验证连接通道，会显示连接接入成功。 使用：与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
AI术语解释
以下是一些常见的 AI 术语解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。属于技术范畴。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。属于技术范畴。 TPU（张量处理单元）：谷歌开发的一种微处理器，专门用于加速机器学习工作负载。属于技术范畴。 Training Data（训练数据）：用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning（迁移学习）：机器学习中的一种方法，其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data（验证集）：机器学习中使用的数据集的子集，独立于训练数据集和测试数据集。用于调整模型的超参数（即架构，而不是权重）。属于技术范畴。 Knowledge Distillation（数据蒸馏）：数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集，使得在这一小数据集上训练出的模型，和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用，特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型，并能够促进模型的迁移学习和模型集成，提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG（检索增强生成）：检索增强生成。属于技术范畴。 Forward Propagation（前向传播）：在神经网络中，输入数据被馈送到网络并通过每一层（从输入层到隐藏层，最后到输出层）以产生输出的过程。网络对输入应用权重和偏差，并使用激活函数生成最终输出。属于技术范畴。 Foundation Model（基础模型）：在广泛数据上训练的大型 AI 模型，旨在适应特定任务。属于技术范畴。 GAN（通用对抗网络）：一种机器学习模型，用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗：一个“生成器”，创建新数据，另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI（生成式 AI）：AI 的一个分支，专注于创建模型，这些模型可以根据现有数据的模式和示例生成新的原创内容，例如图像、音乐或文本。属于通识范畴。 GPU（图形处理单元）：一种特殊类型的微处理器，主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18
costar 框架
COSTAR 框架是一个获奖的提示词框架，由 Sheila Teo 开发。作者在新加坡首届 GPT4 Prompt Engineering 大赛中使用该框架并获得冠军。此框架由新加坡政府科技署（GovTech）组织的大赛中产生，汇聚了超过 400 位优秀的参与者。 COSTAR 框架涵盖以下要素： 1. Context（上下文）：提供必要的背景信息，帮助大型语言模型（LLM）理解对话或请求的环境和条件。没有足够的上下文，LLM 可能会误解问题或给出不相关的信息。明确的上下文有助于确保 LLM 的回答既准确又相关。例如，如果文章是为一个特定的行业会议撰写，那么上下文中应该包含会议的主题、参与者的背景信息以及任何相关的行业趋势。 2. Objective（目标）：明确说明希望从 LLM 那里得到的具体结果或行动。清晰的目标可以帮助 LLM 集中精力解决问题，并减少无关的回答。例如，如果目标是撰写一篇文章，那么应具体说明文章的目的（比如介绍新技术、分析市场趋势等）以及期望达到的效果（比如提高品牌知名度、激发行业讨论等）。 3. Style（风格）：明确您期望的写作风格。您可以指定一个特定的著名人物或某个行业专家的写作风格，如商业分析师或 CEO。这将指导 LLM 以一种符合您需求的方式和词汇选择进行回应。 4. Tone（语气）：设置回应的情感调。设定适当的语气，确保 LLM 的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。 5. Audience（受众）：识别目标受众。针对特定受众定制 LLM 的回应，无论是领域内的专家、初学者还是儿童，都能确保内容在特定上下文中适当且容易理解。 6. Response（回复）：规定输出的格式。确定输出格式是为了确保 LLM 按照您的具体需求进行输出，便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理 LLM 输出的应用来说，JSON 格式是理想的选择。 在使用大语言模型时，有效的提示构建至关重要。COSTAR 框架，由新加坡政府科技局数据科学与 AI 团队创立，是一个实用的提示构建工具。它考虑了所有影响大语言模型响应效果和相关性的关键因素，帮助您获得更优的反馈。 应用 COSTAR 框架时： 1. （C）上下文：为任务提供背景信息。通过为大语言模型（LLM）提供详细的背景信息，可以帮助它精确理解讨论的具体场景，确保提供的反馈具有相关性。 2. （O）目标：明确您要求大语言模型完成的任务。清晰地界定任务目标，可以使大语言模型更专注地调整其回应，以实现这一具体目标。 3. （S）风格：明确您期望的写作风格。您可以指定一个特定的著名人物或某个行业专家的写作风格，如商业分析师或 CEO。 4. （T）语气：设置回应的情感调。设定适当的语气，确保大语言模型的回应能够与预期的情感或情绪背景相协调。 5. （A）受众：识别目标受众。针对特定受众定制大语言模型的回应，无论是领域内的专家、初学者还是儿童，都能确保内容在特定上下文中适当且容易理解。 6. （R）响应：规定输出的格式。确定输出格式是为了确保大语言模型按照您的具体需求进行输出，便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说，JSON 格式是理想的选择。
2024-12-23