AI标签_DeepSeek技术社区

AI

WSL 下 DeepSeek Harness 点击“添加工作区”不弹窗？小企鹅窗口卡住的解决方法

本文记录在 WSL2 Ubuntu 中使用 DeepSeek Harness 时，点击“添加工作区”不弹窗、只看到小企鹅窗口最小化的问题。通过修改 cordis.patch.yml，禁用系统原生目录选择器并启用浏览器内目录选择器解决，附完整配置和端口占用处理方法。

丶Jinx
2026-09-16 09:59:26

 277

 1

#DeepSeek #AI
AI 陪读顶会论文（八）：DeepSeek-V2/V3 架构拆解：MLA 多头潜在注意力与 Multi-Token Prediction (MTP)

DeepSeek 架构的成功绝非偶然，而是对 Transformer 数学几何性质与 GPU 物理显存瓶颈极度透彻的工程突破。MLA 用低秩潜在分解与矩阵吸收，在零精度折损下重构了 KV Cache；MTP 用多步预测重构了自回归训练。这种将前沿数学推导、体系结构考量与极致性价比追求融为一体的架构创新，代表了中国 AI 顶尖团队在世界舞台上的核心竞争力。

cannonjinx
2026-09-15 21:00:22

 875

 1

#AI #人工智能 #算法
DeepSeek 的“快”与“全”：一次关于搜索、爬虫与信息时效性的讨论

DeepSeek 的“快”源于预爬取、多级缓存与分布式索引，而非实时全网抓取；其“全”依赖于公开数据训练与联网搜索（RAG）补充。尽管技术上能规避反爬，但索引存在15分钟至24小时延迟，模型知识截止于2026年5月，未开启联网时可能无法获取最新信息。因此，“快”不等于“实时”，用户应开启联网搜索并理性看待结果时效性。

bestcxx
2026-09-15 17:11:18

 313

#AI
把“过期时间“写进模型名：DeepSeek 5天三连操作的完整复盘

回头看这5天：把过期时间写进模型名是工程师的浪漫，被用户顶回来续命是商业的清醒，四音色的海洋命名是品牌的用心。一家曾经"发模型看心情"的实验室公司，正在学着在能力、成本和客户感受之间找平衡。一个实验室开始"听劝"，未必是坏事。只是这个通知节奏——做API集成的朋友，最好早点习惯。参考信源：DeepSeek开放平台API定价页及公告、钛媒体（2026-09-13）、网易科技·三易生活（2026-09

DQQzero
2026-09-15 13:46:20

 181

 2

#人工智能 #AI #DeepSeek
DeepSeek-V4.1-Flash 编程表现接近 GPT-6 Astra，成本约为 1/15，开发者怎么用？

DeepSeek 官方模型卡介绍，V4.1-Flash 对读取输入和生成输出采用不同的激活参数规模，分别为 8B 和 16B，并优化了 KV 缓存占用。补充能够覆盖该问题的回归测试，运行受影响的测试，并说明修改原因、验证结果和仍需人工确认的事项。这里的理想路由，是在能够判断答案对错的条件下选择结果，用来观察模型之间的互补空间。修复一个代码问题，AI 可能需要反复搜索文件、读取日志、修改代码、运行测

 JJJennie777
2026-09-15 13:41:39

 580

 1

#AI
Spring AI 自定义 ModelOptions 参数调优实践

*** 业务场景大模型参数配置模型*//*** 场景标识符，例如：DATA_EXTRACTION, CUSTOMER_SUPPORT, CODE_GEN*//*** 默认绑定的模型名称，例如：gpt-4o, deepseek-chat*//*** 采样温度：0.0 ~ 2.0*//*** 核采样比例：0.0 ~ 1.0*//*** Top-K 采样（部分模型特有）*//*** 最大输出 Token

亚历克斯神
2026-09-06 11:44:38

 1969

 6

#AI #人工智能 #java +2
[DeepSeek Harness插件内核-14]日志的各种花式用法

对于Cordis附加在Context的四大核心服务，我们已经介绍其中三个（[EventsService]、[ReflectService]、[RegistryService]，我们今天来补充最后一个，用来输出日志的LoggerService。日志的重要性无需多做介绍，如果你需要将DeepSeek Harness来构造正在在产线应用的Agent，相信你会编写很多日志相关的代码，所以我们有必要了解基于

 JaydenAI
2026-09-06 10:15:12

 722

 29

#AI #DeepSeek
小厂 AI 网关自研之路：基于 Go 实现模型动态路由、权重分配与熔断器

随着团队内大模型业务的高速扩展，我们逐步接入了多家公有云大模型供应商（阿里云百炼、腾讯混元、百度千帆、OpenAI、DeepSeek）以及团队本地自建的 vLLM 私有推理节点。针对这些痛点，我们用 Go 语言自研了一套轻量级、高吞吐的。单进程支持每秒 2 万并发路由，内存占用不足 80MB。今天我们把这套网关的核心代码完整开源分享。

baronbool
2026-09-05 22:36:19

 2021

 7

#AI #人工智能 #后端 +2
我用 Qwen3.8-Max 做了缠论结构观察员，跑完了从开发到修复的全过程

Qwen3.8-Max 没有替我判断方向，也没有把缠论包装成预测工具。它在开发过程中支持多 Agent 并行，能够理解较长的产品约束和算法边界，拆分文档与实现任务；当子任务停滞后回到主上下文继续推进；再根据“笔断裂”“中枢过宽”这种图上的具体问题，定位到算法文件并补回归测试。复杂项目不能靠一次生成直接交付。Agent Team 会卡住，初版算法也会错。模型放进开发闭环里才有意义，最后还是要靠可检查

 钛态
2026-08-31 21:29:42

 3769

 28

#AI #人工智能 #金融 +1
我用 Qwen3.8-Max 搭了一个达人稿件审核工具，真实飞书稿件终于能跑完首轮质检

Qwen3.8-Max 在我开发这个工具里承担的是语义补检、结构化输出以及理解征文需求、依据需求分析文章的问题，它对“字典里没有、但上下文有问题”的表达，可以补出人工应关注的地方，并在代码中通过限制 JSON 字段、原文短引和问题类型，输出能被后端接住并展示到报告页面。这次真实运行也提醒了我：模型能力只是整个流程的一部分。文档权限、授权范围、令牌续期、网络等待和失败降级，都会决定运营是否愿意把它当

 baronbool
2026-08-31 21:26:08

 4079

 7

#人工智能 #AI
我用 Qwen3.8-Max 搭了一个电商竞品爆款拆解助手，1152 条评论 + 6 张买家晒图 18 秒拆完

<think>用户要求根据提供的长文生成一篇不超过150字的摘要。我需要阅读全文并抓住核心要点：作者构建了一个电商竞品分析工具，利用Qwen3.8-Max多模态模型和通义万相生图，上传Excel评论表格后约18秒生成痛点雷达图、晒图视觉洞察、合规文案和主图提示词，成本约0.13元。文章还分享了技术选型、Prompt设计经验和踩坑记录。摘要需要控制在150字以内，中文。需要涵盖工具功能

 轻口味
2026-08-31 16:04:53

 1.1w

 10

#AI #AIGC
DeepSeek 涨价之后，我靠 Luna 把 AI 成本打下来了

Deepseek涨价这么久了。你有没有换模型的？涨价后的模型每天花多少钱？是否还能用得起？

大海的科技宝箱
2026-08-29 23:57:01

 602

 15

#数据库 #AI #开源
每日 AI 研究简报 · 2026-08-29

今天 AI 行业的重心从「模型能力竞赛」转向「分发与落地」——Salesforce 把整套 CRM 搬进 Claude、智谱与阿里密集开源高性价比 MoE，企业入口与成本结构被同时重写；与此同时欧盟开出首批 AI Act 罚单、Anthropic 冲刺史上最大 IPO，监管与资本同步加码。

俊哥V
2026-08-29 20:20:53

 1266

 8

#人工智能 #AI
DeepSeek Harness · 框架研究学习与实践指南 -- 以猫狗图片识别为例（进阶：增加了token权限，spwarm批量处理图片，自定义服务的理解和应用）

从一句话需求，到一套能跑、可验证、可复盘的 Cordis 插件系统 —— 用"搭建一个真实系统"的方式，彻底理解 dsh 框架「一切皆插件」的架构思想。

LEO的MATRIX
2026-08-28 07:50:09

 600

 5

#学习 #AI #软件工程
DeepSeek Harness · 猫狗识别框架研究学习与实践指南

从一句话需求，到一套能跑、可验证、可复盘的 Cordis 插件系统 —— 用"搭建一个真实系统"的方式，彻底理解 dsh 框架「一切皆插件」的架构思想。

LEO的MATRIX
2026-08-27 11:51:20

 705

 21

#学习 #AI #软件工程
如何为大模型智能体编写高质量的技能指令文件

本文从 Claude Code 团队的工程实践中提炼出为大模型智能体编写技能指令文件的核心方法论。核心原则是**渐进式披露**——别一次性把所有信息塞给智能体，让它按需获取、分层展开。文章将指令信息按加载时机分为触发层、主指令层、参考层三层架构，并给出主指令层的六条写作原则（只放每次都需要的内容、给方向不给全文、规则少而精、给示例不给穷举、不要过度约束、保持可演进）。此外还涵盖能力扩展优先用子任务

 szial
2026-08-26 15:39:49

 691

 18

#AI
告别AI术语混乱：一文搞懂Prompt、Agent、Skill、MCP和Claude Code的关系

本文通过公司实习生的比喻，系统解析了AI领域的五大核心概念：Prompt(指令输入)、Agent(自主执行)、Skill(标准化流程)、MCP(工具连接协议)和Claude Code(集成产品)。这些概念构成从"与AI对话"到"让AI自主工作"的完整体系，各自扮演不同角色：Prompt明确目标，Agent规划执行，Skill提供方法，MCP连接外部，Claude Code是现成解决方案。理解它们的

 上马定江山
2026-03-14 11:38:42

 561

 12

#人工智能 #数据库 #学习 +1
从一条直线到大模型输出一个token（五）：Transformer Block 全景与层归一化

大模型是同一栋“标准楼层”重复盖几十层：LLaMA-3 盖 32 层，DeepSeek-V3 盖 61 层。每个 Block 内部六步严格串行：归一化、注意力、加残差、再归一化、前馈网络、再加残差。本篇拆解其中的 LayerNorm：不做归一化，数值 10 层放大 114 倍变成无穷大，模型根本训不动；做了归一化，每行拉回均值 0 方差 1，深至 61 层依然稳定。含「西安」向量四步手算、γ/β

a18792721831
2026-08-23 11:00:00

 736

 15

#transformer #AI
平板端千问表格复制转换完全指南：AI 导出鸭如何拯救“表格结构崩塌”

**摘要：阿里云通义千问（Qwen）生成的结构化表格在复制到Excel/Word时易出现格式错乱问题，如合并单元格失效、嵌套表格打散等。AI导出鸭平板版通过五层本地化处理流水线（格式识别→统一IR生成→跨度计算→合并优化→OpenXML编译），攻克了千问表格的三层标记语义（Markdown/HTML/LaTeX）与Office刚性网格的映射难题。实测显示，该工具能完美还原多级表头合并、公式转换及复

 AI导出鸭网页版
2026-08-23 09:30:00

 332

 4

#人工智能 #AI
Gemini怎么转PDF？AI导出鸭提供完整解决方案

摘要： AI导出鸭提供完整的Gemini转PDF解决方案，解决AIGC内容转换中的格式错乱、公式乱码等问题。该工具支持多种导出格式，零配置操作，自动优化排版，适用于办公、学术等场景。随着AIGC市场规模快速增长（预计2025年达2070亿元），文档转换需求激增。AI导出鸭整合开源技术，提供跨平台服务，满足开发者、办公人员等用户的高效转换需求，推动办公自动化发展。

AI拖地僧
2026-08-23 06:15:00

 412

 12

#人工智能 #DeepSeek #AI
GLM-5.2 与 DeepSeek-V4-Flash 的 A100 部署踩坑实录

1. 显存够不够放权重+KV cache？└─ 不够 → 量化（Q4/Q8）→ 还不够 → CPU卸载/异构2. 权重格式是否依赖该卡没有的硬件能力？├─ FP8 权重 vs A100（无FP8）→ 转BF16或换量化版├─ NVFP4 权重 vs 非Blackwell → 走 Marlin 反量化路径（A100可用）┞─ DSA 稀疏注意力 → 仅 Hopper+，换引擎（llama.cpp等）

冰糖猕猴桃
2026-08-23 00:42:16

 640

 7

#AI #人工智能
[人工智能]DeepSeek：模型体系、推理能力、部署方式与工程实践

本文从技术和工程视角介绍DeepSeek相关模型与应用生态，重点讨论基础模型、推理模型、后训练、工具增强、检索增强生成、部署优化、评测、安全和治理。文中使用“DeepSeek”表示相关模型家族或服务生态；具体模型名称、版本、许可证、上下文长度、接口能力和价格应以对应版本的官方资料为准。图表和数值均为说明性示例，不代表官方基准。

TechEdu202606
2026-08-22 17:41:41

 482

 8

#人工智能 #AI
期待了很久的DeepSeek多模态视觉模型终于上线了

DeepSeek 这个视觉模型来得不算早，但价格确实有诚意。跟 V4-Flash 同价，空闲时段输入缓存命中只要 0.05 元/百万 tokens，图片封顶 384 token，试错成本很低。模型名字带个 “Exp”（实验性），说明还在迭代，但能力已经接近 Opus-4.8 了，后续正式版应该会更强。对于做 Agent 开发、需要视觉理解能力的场景，现在就可以上手试了。发布公告价格详情图像理解指南

 xie_zhr
2026-08-22 14:50:49

 413

 7

#AI
从一条直线到大模型输出一个token（四）：位置编码 RoPE

「我吃苹果」和「苹果吃我」意思天差地别，但注意力机制是“位置盲”——逐行处理矩阵，行序怎么排它根本不关心。本文讲位置编码如何填这个坑：第一代正弦余弦用不同频率的波形（2017），第二代把位置当词来学（GPT-2），第三代 RoPE 把向量按位置旋转角度——各自旋转后的点积只取决于位置差。实测对比：无 RoPE 时两词点积是 -1.57 的死水平线；有 RoPE 后随距离剧烈起伏，同一个词对换个顺序

 a18792721831
2026-08-22 12:00:00

 685

 10

#人工智能 #AI
从一条直线到大模型输出一个token（三）：隐藏层与嵌入

token id 只是个编号，5237 和 5238 相差 1，语义却毫无关系，模型怎么“读懂”它们？本文讲嵌入层：给每个 token 配 4096 个训练出来的实数，把语义编码成几何关系——在语义空间里，国王−男人+女人≈女王可以像向量运算一样算出来。嵌入层的真面目朴素得让人失望：一张 129,280×4096 的查询表（约 5.3 亿参数，取自 DeepSeek-V3 词表），id 当行号，查

 a18792721831
2026-08-22 11:45:00

 444

 13

#人工智能 #AI
手机Gemini怎么导出 AI导出鸭教你做人，闺蜜看完直接跪了

摘要：本文探讨手机端Gemini结构化数据导出的技术挑战与解决方案。传统方法（直接复制、WPS集成等）存在公式丢失（LaTeX→OMML转换失败）、排版失真和上下文截断等问题。实测显示，Pandoc虽技术最优（95%保真度），但移动端兼容性差。研究提出轻量级中间件方案（如AI导出鸭），通过云端语法树重构+本地渲染的分离架构，实现LaTeX公式无损转Word原生OMML、表格智能对齐及分段导出功能

 AI导出鸭插件
2026-08-22 06:30:00

 668

 13

#人工智能 #DeepSeek #AI
为什么选 MiniClaude：一个精简开源替代方案的选型过程

对比项官方 Claude CodeMiniClaude开源❌ 闭源✅ 开源可审计遥测⚠️ 有，需手动关闭✅ 默认无遥测体积大精简，单文件安装方式源码构建配置兼容官方结构完全兼容扩展性仅官方 API多 Provider 热切换在保持官方配置兼容的前提下，获得一个可审计、去遥测、精简的开源客户端。成本是一次性的源码构建，收益是长期的可控性和精简度。

qq_36710118
2026-08-22 00:02:12

 435

 8

#开源 #开源软件 #AI
不装了！Claude背后的AI巨头也开始造芯片了，英伟达的“铁饭碗”要被砸？

从写代码、做对话，到开始动手“画电路图”、“造打工芯片”，AI领域的竞争已经从软件层面的算法厮杀，彻底卷到了最底层的硅片上。

网络研究观
2026-08-21 21:57:08

 426

 9

#人工智能 #AI #科技
[人工智能]Claude、GPT、Gemini、Copilot与Llama：概念、架构、应用与评估

本报告从工程视角介绍五类具有代表性的LLM模型家族和产品生态。内容区分基础模型能力与产品封装，解释预训练、后训练、检索增强和工具调用的关系，并讨论如何从实验性原型走向可靠的生产系统。本文以决策和系统设计为导向，不构成模型版本或产品能力排名。模型版本、可用区域、上下文长度、授权方式和产品特性会持续变化，实际采购和部署前应依据最新官方资料，并使用企业真实任务进行验证。

TechEdu202606
2026-08-21 20:41:36

 632

 24

#人工智能 #AI
从一条直线到大模型输出一个token（二）：分词与token表

大模型读到的不是文字，而是一串整数。本文用 5 款主流模型的真实实验讲透“一句话怎么变成 token”：GPT-4 要 13 个 token，GPT-4o 只要 7 个，而 DeepSeek/GLM/Qwen 只需 6 个——差距全在词表。从三种传统分词的硬伤，到 BPE 高频合并的统计游戏，再到 BBPE 用 256 个字节从物理上消灭生僻字问题，最后把“今天西安的天气怎么样？”定格成 6 个整

 a18792721831
2026-08-21 15:14:41

 554

 14

#人工智能 #AI #自然语言处理
Qwen3.8-27B 开源深度解析：270亿参数原生多模态，reasoning_effort 开启可控推理新范式

# Qwen3.8-27B 开源深度解析：270亿参数原生多模态，reasoning_effort 开启可控推理新范式> 2026 年 8 月 14 日，阿里巴巴千问团队正式开源 Qwen3.8-27B：Apache 2.0 协议、270 亿参数原生多模态稠密模型、262K 原生上下文（YaRN

人间凡尔赛
2026-08-21 10:15:00

 851

 6

#AI #开源 #多模态
平板端deepseek表格复制转换教程：首选「AI 导出鸭」平板版，专为iPad/安卓平板优化，深度适配DeepSeek表格结构，一键无损转Excel/Word，完美解决复制乱码与格式丢失。

摘要：AI 导出鸭平板版解决了DeepSeek生成的Markdown表格在平板端复制到Excel/Word时格式混乱的痛点。通过词法分析、语法解析、语义映射和GPU加速重绘的三层流水线，工具将DeepSeek的Markdown表格精准转换为结构化Excel/Word文件，保留合并单元格、公式、特殊符号及对齐方式。实测显示，其支持复杂表格、嵌套列表及长文本自适应，在iPad/安卓平板上实现高效本地处

 AI导出鸭网页版
2026-08-21 10:15:00

 670

 12

#人工智能 #ipad #AI +1
DeepSeek Harness：一次 Prompt 如何变成 Turn、Step 与工具事件

这篇文章探讨了DeepSeek Harness中Agent处理用户Prompt的完整生命周期，将其分解为Turn、Step、工具执行等关键阶段。核心观点包括：消息处理流程分为多层级：Inbox接收输入→Turn建立执行边界→Step处理模型请求→工具批次执行→Session记录可重放事实 Turn代表执行边界，可能包含多个Step（模型往返）或没有Step（如被拒绝时） Step对应单次模型请求

 武子康
2026-08-21 09:10:10

 350

 8

#人工智能 #AI #DeepSeek