deepseek

广州明周科技

Revit 200+新功能之“明周科技功能商店 AI推荐助手”# 简介随着我们 Revit 插件不断演进，用户在线提交的功能需求已接近 200 项，涵盖图纸生成、构件建模、参数赋值、数据统计、标高调整等多个方向。虽然我们已将这些功能模块化、面板化管理，但功能数量庞大后，用户在使用时面临以下困扰：

告别繁琐操作！这款神器用 AI 轻松绘制专业图表！大家好，我是 Java陈序员。在日常工作中，我们常常要绘制架构图、流程图等。你是否也曾经历过这些场景：对着空白的 Draw.io 界面发呆，想画个系统架构图却不知从何下手？花两小时调整流程图布局，结果元素还是挤成一团？好不容易画完的云架构图，领导一句“重新排版”让你心态崩溃？

你的代码正在腐烂：为什么我们都不敢碰那座“屎山”？软件工程里有个残酷的悖论：软件（Software）本该是“软”的，易于修改和演进；但现实中，绝大多数代码库都是“脆”的，碰一下就碎。

视觉&物联智能

【杂谈】-边缘计算竞赛：人工智能硬件缘何超越云端在当今科技领域，自动驾驶汽车穿梭于繁忙街道时，需在毫秒间做出精准响应，哪怕向云服务器发送数据仅产生200毫秒延迟，都可能危及行车安全；工厂中，传感器必须即刻检测异常，以防设备损坏或人员伤亡。这些场景凸显了一个关键问题：单纯依赖云端的AI已难以满足实时应用的严苛需求。

RebeccaGuan0808

泛微.采知连知识管理平台深度应用DeepSeek，自动采集数据，让问答更安全·准确组织在探索使用DeepSeek等大模型的过程中，面临着数据分散且不足、安全合规问题、数据质量导致的幻觉风险等痛点。

AI大模型学徒

大模型应用开发(十七)_RAG架构概述RAG（Retrieval-Augmented Generation，检索增强生成）架构概述。这部分是理解 RAG 系统设计与实现的核心内容。

产品何同学

复刻DeepSeek与GPT！AI智能对话Web高保真原型设计全解析到2026年，DeepSeek、ChatGPT这类产品的界面形态，仍然是许多AI智能对话类应用的参考起点。实际做下来会发现，不管是产品经理还是UI设计师都会遇到一个的难点，就是怎么既能保证沉浸式对话的体验，同时还可以承载复杂的任务与功能。

多则惑少则明

AI大模型实用(一)SpringAI接入deepseek示例https://docs.spring.io/spring-ai/reference/api/chatclient.html

、、、、南山小雨、、、、

云端部署DeepSeek + 本机Cherry Studio接入买好deepseek云服务，买本国的后可以使用学术加速，依然能访问外部资源：访问http://IP:6699，在做上角还可以选择模型。访问http://IP:6399/v1/models , 可以看到它都支持哪些models。同时它支持/v1/models的访问，说明它是满足openai规范的。

weixin_41666007

插件分享：将AI生成的数学公式无损导出为Word文档对于经常使用DeepSeek、豆包等AI工具处理技术内容的小伙伴，一个常见的困扰是：生成的回答中包含的数学公式，复制到Word后往往变成难以编辑的代码或模糊图片，手动调整耗时费力。

vue2与springboot实现deepseek打印机聊天vue2与springboot实现deepseek打印机聊天

嗷嗷哦润橘_

AI Agent学习：MetaGPT项目之RAGexamples文件夹下分析rag_pipeline.py用到的类RAGExample来看函数run_pipeline

weixin_41666007

豆包与DeepSeek底层大模型的深度解析：技术架构、设计理念与生态分野在国产大模型迅速崛起的背景下，字节跳动的“豆包”大模型（实际基于云雀大模型）与深度求索的“DeepSeek”大模型代表了两种不同的技术路径和发展策略。两者虽然同为中文大模型的重要代表，但在底层架构、设计哲学和应用生态上存在显著差异。

AI大模型学徒

大模型应用开发(十六)_知识库2OpenAI 文档参考：https://platform.openai.com/docs/guides/function-calling

视觉&物联智能

【杂谈】-RL即服务：解锁新一轮自主浪潮强化学习本质上属于机器学习范畴，智能体通过与环境的交互来学习决策。具体而言，智能体执行动作后，会收到以奖励或惩罚形式呈现的反馈，进而逐步学习实现目标的策略。其基本原理可类比于训练狗的过程。当狗做出正确的行为时，我们会给予奖励，狗通过不断尝试，逐渐明白哪些动作能够带来奖励。强化学习系统基于类似原理，但处理的数据规模和计算量要庞大得多。

AI大模型学徒

大模型应用开发(十五)_知识库1总结：大模型强在生成和语言理解，但弱在真实感知、因果推理、知识准确性和资源效率。“如何给大模型喂知识”，通常涉及知识增强（Knowledge Injection/Integration）的方法。不同场景下有不同手段，可以大致分为训练时注入和推理时补充两类：

拿着顶级服务器跑慢查询，就像开着法拉利送外卖你知道吗？90% 的系统性能瓶颈，往往只源于那 10% 的烂 SQL。很多时候，我们为了提升系统响应速度，不惜重金升级 CPU、扩容内存、上 Redis 集群。然而，线上系统的一次次告警，最终查下来的元凶，往往只是一行漏了索引的 SELECT *，或者一个写在 WHERE 条件里的函数计算。

深度解析DeepSeek-R1中GRPO强化学习算法GRPO (Generative Reward-Paired Optimization) 是由 DeepSeek (深度求索) 团队在发布 DeepSeek-R1 (DeepSeek-Math) 相关论文时提出的一种新型强化学习（RL）算法。

广州明周科技

Revit 200+新功能之“类型材质批量修改”，类型材质参数族属性批量更新📌 功能简介该功能用于批量修改 Revit 中同一类别的构件族类型的材质参数。通过选择一个构件作为“材质模板”，插件自动提取其族类型中所有可修改的材质参数，并弹出窗口供用户选择并设置材质值，最终将设置内容应用到所有相同族类型上。

星期一研究室

收藏夹救星！把 1000+ 灰尘链接变成你的知识资产你是不是也有过这样的经历：📱 收藏夹已经999+，但从来没翻过第二页🌐 浏览器收藏夹里躺着500+个标签，想找的时候根本找不到