deepseek

用一段「闪身步」，带你看懂 Claude Code Mods开始之前，先让 Claude Code 表演一段“闪身步”：这是 Claude Code 根据我的提示词描述，直接生成的一个 Mods。

Docker 部署 DeepSeek Harness：轻松搭建局域网里的 AI Agent 平台本文基于 smanx/deepseek-harness:0.2.0-rc.2，以 0.2.0-rc.2 版本实测，测试平台 Ubuntu 24.04 Linux。

大模型真好玩

DeepSeek Harness 桌面端来啦！更便捷更安全的选择国庆假期接近尾声，笔者正准备继续更新《DeepSeek Harness 进阶篇》。没想到刚打开 DeepSeek Harness 官网，就发现官方桌面端已经上线了，目前提供 Windows 和 macOS 两个版本。查阅资料后才知道，DeepSeek Harness 官方团队早在9月29日就发布了桌面端安装包——那时笔者还在休假放松，只能说DeepSeek团队太努力啦！这次官方桌面端究竟带来了哪些新特性？本文笔者就和大家一起看一看 ~

一条大祥脚

【CS336】lecture4 MoE|专家路由|专家数量啥是MoE？就是原本模型有一个大线性层（FFN），不管来什么token都走一遍，这也是推理时主要的计算开销。现在改成多个小FFN层，对于每个token，选一些最相关的FFN做前向传播，因为不是所有token都需要整个FFN的知识。

更深兼春远

第3篇：给 Dify 接上大模型——云端 API 与本地 Ollama 两种方式承接第 2 篇。上一篇部署完 Dify 后，你还没法真正用它——因为还没给应用接上大模型。给 Dify 接入模型有两种方式：一种是云端 API（省事、要花钱），一种是本地部署 Ollama（免费、私密、离线）。这篇两种都讲清楚，你按需选择。

程序员老赵

Docker 部署 DeepSeek Harness：轻松搭建局域网里的 AI Agent 平台本文基于 smanx/deepseek-harness:0.2.0-rc.2，以 0.2.0-rc.2 版本实测，测试平台 Ubuntu 24.04 Linux。

实战｜用 DeepSeek + SQLite 从零搭建轻量 Text2SQL 查询助手Text2SQL 是典型的大模型落地场景：用自然语言提问，AI 自动生成标准 SQL 语句，直接在数据库中执行并返回结果。业务人员不需要学习 SQL 语法，用大白话就能查数据；开发者也可以用它快速搭建数据查询原型。

我才是银古

单模型执行器与 OpenCode v2配置迁移笔记在多 Agent 编排框架里，默认范式已经相当成熟：一个顶层路由按意图分配任务，子代理各司其职，模型按难度分级（便宜模型扛高频，贵模型啃硬骨头）。这套架构解决了成本和并行问题，但它默认了一件事：执行链路允许横跨多个模型。

Blockbuater_drug

ADMET 预测从图神经网络到 DeepSeek RAG 解释：CPU 全流程实测跑通摘要：本文完整实测开源仓库 pritampanda15/ADMET-Prediction-System-Graph-Neural-Networks-with-RAG，在 Windows CPU 与 Linux GPU 双平台跑通基于图神经网络与 RAG 的 ADMET 预测全链路。系统覆盖 Caco-2、hERG、PPBR 等 8 项核心性质，实测 Caco2_Wang 回归测试集 MAE 0.39-0.46，并验证了 GCN/GAT/MPNN 三架构切换、DeepSeek 直连 RAG 解释、hERG

DSH v0.2.1-alpha.1 发布：Agent 能自己造插件，Claude Code 也能兼容，插件生态要变天0.2.0 还没正式发，0.2.1 已经开跑了10 月 3 日，DeepSeek Harness 发布了 v0.2.1-alpha.1。

Electron + pnpm 在鸿蒙应用里跑起来上篇《把 Electron 应用搬进鸿蒙的 8 个坑》结尾，我留了个「绕不过去的坎」：鸿蒙应用域里，spawn 一个 node / pnpm 子进程，会被 seccomp 直接 SIGSYS 杀掉。

从 CUDA 到昇腾：一张对照表拆解 DeepSeek 最新开源组件（TileLang / DeepGEMM / DeepEP / TileKernels）2026 年 9 月 30 日，DeepSeek 公布了一组面向华为昇腾平台的开源组件；相关解读随后于 10 月 4 日在掘金发布，给出了四组明确的对应关系：TileLang Ascend 后端对应 TileLang CUDA 后端、DeepGEMM-Ascend 对应 DeepGEMM CUDA 版本、DeepEP-Ascend 对应 DeepEP CUDA 版本、TileKernels Ascend 后端对应 TileKernels NVIDIA 后端 [1]。这组发布真正值得注意的地方，不是"又多了

deepseek harness 官方已经更新到新版：v0.2.1-alpha.1 Pre-release请把咱们的FreeBSD版本也同步更新到新版本！FreeBSD 移植版已从 dsh-v0.2.0-rc.2 基线同步到官方最新 dsh-v0.2.1-alpha.1（release 说明里的 5badb15 = 上游 tag commit 5badb15009）。

从 npm 版 dsh 迁移到 DSH 桌面版：彻底告别 dsh web适用读者：已经用 npm i -g @deepseek-ai/dsh 装了 CLI、日常靠 dsh web 起 GUI 的同学。目标形态：只保留桌面版一个运行时，原 web profile 的插件和配置全部搬过去，dsh 命令指向桌面版自带的那一份。环境：Windows + dsh 0.2.0-rc.2 + 官方桌面版 0.2.0-rc.2（macOS / Linux 路径形态不同，思路一致）。

【deepseek实战·28】倒计时看板：多个日子一起盯，环形进度走到零，Web Audio 替你响一声27 期做了元素周期表探索器，118 个元素点开看属性、能发音、能限时测验。26 期是共享歌单协作器，核心是零后端共享存储。28 期回到"每天都会用得上的小工具"——上期预告里说的**"时间的基本构成"**：倒计时看板。

OpenClaw 与 FineBI 联动方案：公开数据自动采集与实时业务分析看板实践在企业的日常经营中，数据驱动决策已经从一句口号变成了实实在在的管理要求。无论是市场部门的竞品监测、运营团队的用户增长分析，还是供应链部门的价格跟踪，管理者都希望在最短时间内看到最新、最准确的数据。然而现实情况往往是，大量有价值的公开数据散落在行业资讯网站、政府公开平台、电商页面、社区论坛和第三方数据服务接口中。如果完全依赖人工去复制、粘贴、整理、导入，不仅效率低下，而且容易出现数据滞后、口径不一致、重复劳动等问题。

我给 DeepSeek 的编程智能体写了三个插件:余额胶囊、任务面板、番茄钟副标题:一文摸清 DeepSeek Harness 的插件体系——含三个"测试全绿、真机全挂"的真实踩坑复盘

采集行为合规自检：OpenClaw 自动校验 robots 协议与采集频率，规避违规采集风险在数据驱动业务的时代，网络信息采集已经成为企业获取公开数据、开展市场分析、训练模型以及建设知识库的重要手段。无论是电商比价、舆情监测、学术研究，还是搜索引擎索引构建，都离不开对互联网公开页面的自动化访问与内容提取。然而，采集行为天然带有技术与法律的双重属性：一方面，它借助程序化手段提升信息获取效率；另一方面，如果缺乏约束，它可能对目标网站的正常运行、用户隐私、知识产权以及商业利益造成冲击。