deepseek

手把手教你本地部署DeepSeek：解锁私有化AI的无限可能本文较长，建议点赞收藏，以免遗失。更多AI大模型开发学习视频籽料，都在这>>Github<<在人工智能技术爆发的今天，企业级AI应用正从云端服务向私有化部署加速演进。DeepSeek作为国内领先的智能认知引擎，其强大的自然语言处理能力已在多个行业得到验证。

被曝蒸馏DeepSeek还造假！欧版OpenAI塌房了离职掀桌！Mistral 被曝 “蒸馏”DeepSeek。网友在推特上爆料，一位 Mistral 离职女员工群发邮件，直指公司多项黑幕。

和AI畅聊不掉线：本地部署LLM聊天界面全攻略你是否曾幻想，拥有一个只属于自己的AI助手，随时随地陪你聊天、解答疑惑、写代码、甚至吐槽生活？今天，我们就来打造这样一个本地部署的LLM（大语言模型）聊天框，让你的电脑秒变“私人ChatGPT”！

ShadowKV 机制深度解析：高吞吐长上下文 LLM 推理的 KV 缓存“影子”方案在LLM的长上下文推理中，KV Cache成为影响速度和内存的关键因素。每生成一个新token，模型需要对所有先前token的键（Key）和值（Value）向量执行自注意力计算。传统方法会将所有过去的K/V向量保存在GPU上，并在每步将查询向量与整个K缓存做点积计算，然后加权累加对应的V向量。这种全量 KV 缓存方案有两个主要问题：

DeepSeek是不是名不副实？DeepSeek到底咋样？虽然网上有些媒体吹得有点过，但换个角度想想——在国内大厂一个个放弃从0到1的原创创新，转头去做“1到100”的应用生意的环境下，深度求索这样一家小公司还能咬牙坚持，硬是做出了一款媲美GPT的AI模型，还免费、还开源，这事本身就很值得夸一夸。李白有句诗——“人生得意须尽欢”。在全球普遍觉得中国AI落后国外的大背景下，DeepSeek没花大价钱打广告，就靠实力冲上了苹果App Store的下载榜第一，这已经很能说明它有两把刷子了。其实DeepSeek早在2023年底就发布了，我在

AI编程：代码多，效果好？七号楼专栏，大模型测评第01期。2024年AI编程刚有热度，互联网又嗅到降本增效的味道。入职场到现在，记忆里还有低代码，超级SaaS，数字化转型，大模型，AI应用之编程；这些新概念的出场，都是在各种骂骂咧咧中，深夜王炸的吹嘘声中。

DeepSeek智能考试系统智能体https://github.com/bei-chen-1/AIbei-chen-1/AI: 存放AI相关的项目/Store AI-related projects

产品经理独孤虾

流程优化点识别与分析：从混沌到清晰的产品体验突破法内容简介: 产品流程优化传统分析需要数周时间，且常陷入经验盲区。本文揭秘基于DeepSeek的SPEED分析框架，让产品经理在5分钟内完成从流程瓶颈识别到优化方案设计的全链路分析，发现隐藏断点，实现从"凭感觉优化"到"科学化改进"的认知跃迁。 #产品经理必备 #流程优化 #DeepSeek应用 #效率提升 #AI工具 #业务分析 #提示词工程 #实战案例

AI大模型专题：LLM大模型（Prompt提示词工程）LLM大模型（初识）Prompt提示词工程是一门新兴的技术, 是指设计、编写、优化输入给大语言模型（如GPT-4、ChatGPT）的文本提示（Prompt），以引导模型产生期望的高质量输出的过程。它不仅是简单地构造输入文本，更涉及到对模型行为的深入理解和对各种影响因素的综合考量。提示工程的目标是通过精心设计的提示，引导模型生成精准、富有洞察力的输出，从而更好地完成特定任务。

【macOS操作系统部署开源DeepSeek大模型，搭建Agent平台，构建私有化RAG知识库完整流程】昨天在马路上捡到一台全新的Mac Studio。拆开一看配置还挺高的，好家伙早就听说macOS操作系统也非常适合拿来跑大模型了，赶紧激活系统试了一下，以下是部署流程的完整记录。

五大提示词撰写原则在与DeepSeek交互时，提示词是沟通的桥梁。清晰、有效的提示词不仅能让AI准确理解你的需求，还能显著提升输出内容的质量和效率。本节将介绍学习提示词的基本使用，为后续的实际应用打下坚实基础。

递归尽头是星辰

大模型与Spring AI的无缝对接：从原理到实践本文系统梳理了大模型知识，以及与Spring AI的集成方案，涵盖本地部署、云服务、API调用三种模式的技术选型对比。通过DeepSeek官方API示例详解Spring AI的四种开发范式（纯Prompt/Agent/RAG/微调），并提供架构决策矩阵和性能优化技巧。

【AI】——SpringAI通过Ollama本地部署的Deepseek模型实现一个对话机器人（二）🎼个人主页：【Y小夜】😎作者简介：一位双非学校的大三学生，编程爱好者，专注于基础和实战分享，欢迎私信咨询！

《大模型技术30讲》——从原理到实战的终极指南2025年，AI技术迎来爆发式增长——DeepSeek等开源模型异军突起，MCP协议重构Agent开发范式，技术迭代速度远超想象。在这样的浪潮中，仅掌握应用层技术已远远不够，深入理解大模型底层原理，才是开发者构建长期竞争力的关键。

如何在AI流式数据中渲染mermaid图表接上一篇文章《如何优雅的在AI应用中渲染Markdown数据》，有同学提出希望可以支持mermaid图表渲染，最近我周末把这个功能加上来，接下来，我将结合 ds-markdown 介绍在AI对话场景中，如何优雅地处理流式输出的Mermaid图表代码，并实现实时渲染？本文将深入探讨一个完整的技术解决方案。

PandasAI连接LLM对MySQL数据库进行数据分析在之前的文章《PandasAI连接LLM进行智能数据分析》中实现了使用PandasAI连接与DeepSeek模型通过自然语言进行数据分析。不过那个例子中使用的是PandasAI 2.X，并且使用的是本地.csv文件来作为数据。在实际应用的系统中，使用.csv作为库表的情况比较少见。在本文中，就试试使用最新的PandasAI 3.0对MySQL数据库中涉及到多个表的数据进行数据分析。

NullPointerExpection

dify + mcp 实现图片 ocr 识别pom.xml:application.yml：application-dev.yml：BootApplication.java：

NSA稀疏注意力深度解析：DeepSeek如何将Transformer复杂度从O(N²)降至线性，实现9倍训练加速当前人工智能模型在处理长序列任务时面临着根本性的计算瓶颈。无论是分析完整的法律文档、处理大型代码仓库，还是进行长篇对话，现有模型都受到Transformer架构中注意力机制的限制——其计算复杂度随序列长度呈二次增长（

RAG 应用进阶指南：别再“一次性”加载了！教你构建可分离、可维护的动态 AI 知识库还在用脚本一次性跑完 RAG 流程？太 Low 了！本教程带你将数据处理与 AI 应用彻底解耦。你将学会：1) 建立一个独立的“数据中心”，随时增删改查你的知识。2) 让 RAG 应用加载指定知识库。