deepseek

【Plain Language Large Model】【理清常见国内外大模型的定位和特长】流食般投喂前排提示：如果你以为面试官问“豆包怎么样”是在讨论豆沙馅好不好吃，那你可能迫切需要读完这篇文章——这是老师开场时讲的第一个“血泪教训”。

麦客奥德彪

Codex 最近只有约 25 token/s，我做了个插件，把 ChatGPT 接进 DSH最近使用 Codex 时，我观察到输出速度经常在 25 token/s 左右。换到 DeepSeek Harness（下文简称 DSH）之后，在我的使用环境里，输出速度能达到原来的两倍左右。

weixin_41666007

多个 Markdown 文件批量转 Word：PowerShell + Pandoc，连同图片和公式一起检查从 AI 网页批量导出对话后，手里可能有一批 .md 文件。Markdown 适合存档和搜索，交给同事修改时却常需要 .docx。逐个打开在线转换页很费时间；在 Windows 上可以用 Pandoc 一次转换一个目录中的多个文件。这里给出脚本，并说明哪些内容不能只凭“命令成功”判断。

LaTeX 公式复制到 Word 怎么完美排版？DS随心转三步保留可编辑公式写技术文档、课程作业或论文时，大模型给出的公式常常是 LaTeX 写法。直接复制进 Word，经常出现反斜杠、花括号裸露，或者公式变成一张不能改的图。要让公式在 Word 里既好看又能继续编辑，其实可以拆成几个明确的步骤来处理。

DeepSeek 表格复制到 Word 格式乱怎么办？DS随心转导出干净表格不串列在 DeepSeek 里让模型生成一份排好列的表格，网页上看明明整整齐齐，可一旦选中复制到 Word 或 Excel，常常会出现三种让人头疼的情况：原本该对齐的单元格错开成两列、表头与数据错位、竖线和横杠被原样粘进来，甚至整张表变成一串带分隔符的纯文本。更麻烦的是，有时复制到 Word 里会出现“双线”，看起来像两层边框叠在一起，后续调整边框反而越改越乱。

AI日报派送佬

2026年10月8日AI行业日报｜GPT-6可视化UI全面上线、AI PC硬件革新、智能体安全与商业化提速2026年10月8日AI行业迎来模型体验革新、硬件终端升级、智能体规模化落地、商业化与监管并行多重核心突破。OpenAI、Anthropic双双更新主力模型与API能力，AI交互正式迈入可视化交互时代；微软联合英伟达推出全新RTX Spark AI PC硬件，端侧本地AI算力全面普及；智能体渗透研发全流程，同时失控、安全漏洞、欺诈滥用等风险集中暴露；资本端芯片融资、初创估值、IPO争议持续发酵，行业从技术迭代全面转向落地应用、成本优化、合规商业化新阶段。

大模型真好玩

从 SDK 到成熟智能体：拆解 LangChain、Pi、DeepSeek Harness、Claude Code的本质区别2026 年以来，笔者一直专注于智能体的开发与应用推广，写过《深入浅出 LangChain & LangGraph & DeepAgents》合集，写过《DeepSeek Harness 从入门到进阶》合集，也写过多篇 Hermes、Claude Code 等智能体应用的使用文章。

weixin_41666007

AI 的 Markdown 复杂表格转 Word：单元格换行、合并与长文本怎么处理AI 表格能否转成可编辑 Word，取决于源表格表达了哪些结构。普通 Markdown 管道表适合规则的行列和短文字；单元格内多段内容、跨行或跨列合并，应改用 Pandoc 网格表，或在 Word 中重建。转换完成后检查的目标是真正的 Word 表格，而不是外观看起来像表格的图片或带竖线文本。

AI模型的可为和不可为AI模型：Deepseek仅供参考！以下按通用 AI 模型（如大语言模型、多模态模型）说明；具体能力取决于模型版本、是否联网、是否接入工具、是否有记忆和权限设置。

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