当前位置: 首页 > news >正文

DeepSeek 指导手册(入门到精通)

在这里插入图片描述

    • 第⼀章:准备篇(三分钟上手)
      • 1.1 三分钟创建你的 AI 伙伴
      • 1.2 认识你的 AI 控制台
    • 第二章:基础对话篇(像交朋友⼀样学交流)
      • 2.1 有效提问的五个黄金法则
      • 2.2 新手必学魔法指令
    • 第三章:效率飞跃篇(文件处理与复杂任务)
      • 3.1 五分钟学会文档分析
      • 3.2 让 AI 帮你写代码
    • 第四章:场景实战篇(解决实际问题)
      • 4.1 学术论文全流程辅助
        • 阶段⼀:开题攻坚
        • 阶段二:正⽂写作
        • 阶段三:格式调整
        • 阶段四:文本辅助(查重降重⼀体化)
      • 4.2 自媒体运营从 0 到 1
      • 4.3 智能学习规划
    • 第五章:高手进化篇(解锁专业级生产力)
      • 5.1 构建你的私⼈知识库
        • Step 1:数据准备黄金法则
        • Step 2:知识库训练实战
        • Step 3:调用方式与优化
      • 5.2 自动化⼯作流搭建(解放双手的终极方案)
        • 场景一:日报自动生成系统
        • 场景⼆:智能客服中台
      • 5.3 跨语言自由切换实战(商务谈判/文献翻译)
    • 第六章 如何利⽤我提⾼⾃我学习能⼒
      • 场景1:学习加速器
        • 论文精读秘籍三阶速读法
        • 错题攻克流⽔线四步提分法
        • 会议纪要⾰命 30 秒整理术
      • 场景2:零基础代码入门
        • 模块1:代码调试 — 5分钟精准排错
        • 模块2:自动化脚本⸺从需求到代码
      • 场景3:网文小说辅助入门


第⼀章:准备篇(三分钟上手)

1.1 三分钟创建你的 AI 伙伴

1、访问官网:浏览器输⼊ www.deepseek.com
2、注册账号:点击开始对话,进入新用户注册页面;
3、注册并登录。
在这里插入图片描述
避坑指南:如果遇到验证码不显示,尝试刷新页面或切换浏览器;注册后建议立即绑定手机号,方便找回账号。

1.2 认识你的 AI 控制台

主体界面很简洁,有对话输入框和历史记录栏,左侧列表显示所有对话,也可以可鼠标右键“重命名对话”方便查找;
在这里插入图片描述
实时演练:

1、输入“你好,请做自我介绍”观察响应;
2、将当前对话重命名为“测试”。
在这里插入图片描述


第二章:基础对话篇(像交朋友⼀样学交流)

2.1 有效提问的五个黄金法则

法则⼀:明确需求

  • ✖ 错误示例:“帮我写点东西”
  • ✔ 正确姿势:“我需要⼀封求职邮件,应聘新媒体运营岗位,强调 3 年公众号运营经验”

法则⼆:提供背景

  • ✖ 错误示例:“分析这个数据”
  • ✔ 正确姿势:“这是⼀家奶茶店过去三个月的销售数据,请分析周末和工作日的销量差异(附CSV
    数据)”

法则三:指定格式

  • ✖ 错误示例:“给几个营销方案”
  • ✔ 正确姿势:“请用表格形式列出三种情⼈节咖啡店促销⽅案,包含成本预估和预期效果”

法则四:控制⻓度

  • ✖ 错误示例:“详细说明”
  • ✔ 正确姿势:“请用 200 字以内解释区块链技术,让完全不懂技术的老人能听懂”

法则五:`及时纠正

当回答不满意时,可以说:

  • “这个方案成本太高,请提供预算控制在 500 元以内的版本”
  • “请用更正式的语⽓重写第二段”

2.2 新手必学魔法指令

1、/续写 :当回答中断时⾃动继续⽣成
2、/简化 :将复杂内容转换成大白话
3、/示例 :要求展示实际案例(特别是写代码时)
4、/步骤 :让 AI 分步骤指导操作流程
5、/检查 :帮你发现文档中的错误

场景演练:
输⼊“/步骤 如何用手机拍摄美食照片”,观察分步指导;
在这里插入图片描述
输⼊“请解释量⼦计算”,然后“/简化”,对⽐前后差异。
在这里插入图片描述


第三章:效率飞跃篇(文件处理与复杂任务)

3.1 五分钟学会文档分析

操作流程:

1、点击回形针图标上传⽂件(可支持PDF/Word/TXT);
在这里插入图片描述
2、输入具体指令

  • “总结这份年报的三个核⼼要点”
  • “提取合同中的责任条款制成表格”

3、进阶技巧

  • 对比分析:“对比⽂档 A 和⽂档 B 的市场策略差异”
  • 数据提取:“从实验报告中整理所有温度数据”

4、避坑指南

  • 超过 50 页的文档建议先拆分处理;
  • 扫描版 PDF 需确保文字可复制。

3.2 让 AI 帮你写代码

万能模板:

【语⾔】Python
【功能】⾃动下载⽹⻚图⽚
【要求】
- 处理SSL证书错误
- 显⽰下载进度条
- 保存到指定⽂件夹

执⾏策略:

  1. 先让 AI 生成代码;
  2. 要求添加注释说明;
  3. 请求逐行解释关键代码段;
  4. 遇到报错直接粘贴错误信息。

演示如下:
在这里插入图片描述

import os
import requests
from bs4 import BeautifulSoup
from urllib.parse import urljoin
from tqdm import tqdm
import ssl
from urllib3.poolmanager import PoolManager
from requests.adapters import HTTPAdapter# 处理SSL证书错误
class SSLAdapter(HTTPAdapter):def init_poolmanager(self, *args, **kwargs):context = ssl.create_default_context()context.set_ciphers('DEFAULT@SECLEVEL=1')kwargs['ssl_context'] = contextreturn super(SSLAdapter, self).init_poolmanager(*args, **kwargs)# 下载图片函数
def download_image(url, folder):response = requests.get(url, stream=True)total_size = int(response.headers.get('content-length', 0))block_size = 1024  # 1 KBfilename = os.path.join(folder, url.split('/')[-1])progress_bar = tqdm(total=total_size, unit='iB', unit_scale=True)with open(filename, 'wb') as file:for data in response.iter_content(block_size):progress_bar.update(len(data))file.write(data)progress_bar.close()# 主函数
def download_images_from_webpage(url, folder):if not os.path.exists(folder):os.makedirs(folder)session = requests.Session()session.mount('https://', SSLAdapter())response = session.get(url)soup = BeautifulSoup(response.text, 'html.parser')for img in soup.find_all('img'):img_url = img.get('src')if img_url:img_url = urljoin(url, img_url)print(f"Downloading {img_url}")download_image(img_url, folder)# 使用示例
if __name__ == "__main__":webpage_url = "https://example.com"  # 替换为你要下载图片的网页URLsave_folder = "downloaded_images"  # 替换为你要保存图片的文件夹路径download_images_from_webpage(webpage_url, save_folder)

第四章:场景实战篇(解决实际问题)

4.1 学术论文全流程辅助

阶段⼀:开题攻坚

1、找研究⽅向。“我是机械⼯程专业本科⽣,请推荐 5 个适合毕设的智能机器⼈相关课题,要
求:① 具有创新性但不过于前沿;② 需要仿真实验而非实物制作;③ 附相关参考⽂献查找关键词。”

2、优化题目。你:“基于深度学习的机械臂抓取系统研究”;AI:“建议改为’基于改进
YOLOv5 的未知物体⾃适应抓取系统研究’,创新点更明确”。

3、⽂献速览。上传 10 篇 PDF ⽂献后输⼊:“请用表格对⽐各⽂献的研究⽅法,按’创新点/局限/可借鉴处’三列整理”。

阶段二:正⽂写作

1、 方法描述。输入“请将这段实验步骤改写成学术被动语态:『我们先⽤ CAD 画了模型,然后导⼊ ANSYS 做⼒学分析』”;

2、数据可视化。提供 Excel 数据后输⼊“请建议三种适合展示温度变化曲线的图表类型,并说明选择理由”;

3、降重技巧。对指定段落使⽤指令“/学术化改写 保持原意但调整句式结构”。

阶段三:格式调整

示例指令如下:

请检查我的论⽂格式是否符合以下要求:

  • 三级标题⽤ 1.1.1 格式
  • 参考文献 [1] 需要补充 DOI 号
  • 所有图片添加居中的「图1-」编号
  • 行距调整为 1.5 倍
阶段四:文本辅助(查重降重⼀体化)

1、查重预检

分析以下段落:[粘贴⽂本]

  1. 预测查重率及⾼危⽚段(标红显⽰)
  2. 识别潜在引⽤缺失(推荐 3 篇相关⽂献)
  3. 给出改写建议(同义替换/结构调整)

示例输出如下:

原句:“机器学习需要大量数据⽀持”
改写方案:
“当代 AI 模型的训练过程,往往依赖于海量样本的持续输入(Wang et al., 2022)”

2、期刊匹配引擎

基于我的研究:

  • 领域:⼈⼯智能辅助教育
  • 创新点:动态知识点图谱构建
  • 数据量:10万+用户样本

推荐:

  1. 3 个冲刺期刊(IF 3-5)
  2. 2 个保底期刊(录⽤率>40%)
  3. 1 个新兴开源期刊(APC 免费)

要求:

  • 附最新影响因⼦和审稿周期
  • 标注格式要求差异(参考⽂献/图表规范)

3、实时监控(辅助必备)

“追踪[研究关键词]的最新预印本,每周⼀⽣成简报”
“发现与我⽅法论相似的已发表论⽂,对⽐优劣势”

4、避坑指南

  • 警惕“该领域最新研究显示”等模糊表述,学术内容引用要明确,内容要严谨;
  • 涉及敏感数据应使⽤“假设我们有某型号机床的振动频率数据”代替真实信息;
  • 答辩 PPT ⽣成后务必人工检查动画逻辑。

4.2 自媒体运营从 0 到 1

1、标题⽣成术

基础版:“请生成 10 个关于时间管理的⼩红书标题,要求:

  • 使用 emoji 符号
  • 包含数字量化
  • 突出痛点解决

进阶版:“将 Python ⼊门教程改写成吸引⼤学⽣的抖⾳文案标题,要求:

  • 使用悬念结构
  • 不超过 15 字
  • 带热门话题标签

2、内容创作模板

【类型】科普类短视频脚本
【主题】量⼦计算机原理
【要求】

  1. ⽤“冰箱整理⻝物”做类⽐解释量⼦⽐特
  2. 每 30 秒设置⼀个悬念转折
  3. 结尾引导点赞话术

3、排版优化技巧

“将这段文字改造成适合微信公众号的排版:

  • 每段不超过 3 行
  • 关键句加 emoji
  • 添加间隔符号如“----”
  • 重要数据用绿⾊字体标注

4.3 智能学习规划

定制专属学习⽅案

1、输⼊背景:“我需要三个月内雅思达到 7 分,当前⽔平 5.5,每天可学习 3 ⼩时”
2、生成计划:“请按周制定备考方案,包含:

  • 每日各科时间分配
  • 必备资料清单
  • 阶段自测时间点

3、动态调整:“本周听力正确率仅 60%,请重新调整下周听⼒训练计划”

知识点攻克策略

1、概念理解:输⼊“用三句话解释蒙特卡洛模拟,第⼀句类比⽣活场景,第⼆句技术定义,第三句应
用案例”
2、错题分析:上传错题照⽚后输⼊“请解析错误根源,并推荐 3 道同类强化练习题”
3、记忆强化:“将这些医学名词生成记忆⼝诀,每句 7 个字押韵”

学习监督系统

【监督模式开启】

  1. 每周⽇晚 8 点提醒我提交学习总结
  2. 每次刷⼿机超过 30 分钟发送警⽰语
  3. 完成阶段⽬标后⽣成奖励⽅案

避坑指南
1、论文场景:慎⽤“帮我写⽂献综述”等宽泛指令,应改为“请对⽐ A 学者和 B 学者在 XX 理论上的分歧”;
2、⾃媒体场景:避免直接发布 AI 生成的时事评论,需⼈⼯核实事实;
3、学习场景:当 AI 建议“每天背 200 个单词”时,应追问“如何科学分配复习周期”。


第五章:高手进化篇(解锁专业级生产力)

5.1 构建你的私⼈知识库

Step 1:数据准备黄金法则

适用场景有:法律从业者整理判例库、医⽣建立疾病诊疗⼿册、电商运营积累产品知识等。操作流程如下:

1、创建结构化⽂档模板示例:

【知识单元】糖尿病饮⻝管理
【核⼼要点】

  • 每⽇碳⽔化合物摄⼊量 ≤ 130g
  • 推荐⻝材:荞⻨、西蓝花、鳕⻥

【禁忌清单】

  • ⾼ GI ⽔果:荔枝/⻰眼/⾹蕉
  • 加⼯⻝品:蜜饯/罐头/⽕腿肠

【常⻅问题】

  • 可以喝⽆糖可乐吗?
  • 建议每周不超过 2 罐,注意…

2、⽂件格式转换
纸质资料 --> 手机扫描王 APP --> 导出为可编辑 PDF;
微信聊天记录 --> 使用腾讯文档导出为 TXT。

3、数据清洗技巧
输⼊指令:“请删除文档中的重复段落,并按 ‘概念定义 - 操作步骤 - 注意事项’ 结构重组内容”。

Step 2:知识库训练实战

网页端操作:

1、进⼊知识库⾯板,点击新建知识库;
2、拖拽上传文件(⽀持 PDF/Word/Markdown)
3、设置调用关键词:“当问题包含’治疗⽅案’或’用药指南’时优先调用该库”

API 开发者模式:

from deepseek import KnowledgeBase
kb = KnowledgeBase(api_key="your_key")
kb.create(
name="⼼⾎管疾病库",
documents=["heart_disease.pdf", "treatment_guide.docx"],
description="三甲医院内部诊疗标准",
access_level="private"
)
Step 3:调用方式与优化

对话中激活:

@我的知识库[⼼⾎管疾病]
患者男性 58 岁,⾎压 160/95,有吸烟史,请推荐⼲预⽅案

持续优化策略:

• 每⽉使用知识体检指令:“找出知识库中过时的药品名称,对比 2024 版国家药典”
• 添加纠错机制:“当用户指出知识库错误时⾃动生成修订⼯单”

5.2 自动化⼯作流搭建(解放双手的终极方案)

场景一:日报自动生成系统

1、数据源接入

  • 钉钉/企业微信 → 导出当⽇⼯作⽇志
  • 销售系统 → 获取 CRM 数据

2、AI 处理链

/创建⾃动化流程
名称:销售日报⽣成
触发条件:每天 18:00
执行动作:

  1. 读取 CRM今日订单数据
  2. 对比昨日数据计算增⻓率
  3. ⽣成三段式日报(关键指标、异常预警、明日建议)
  4. 发送邮件⾄manager@company.com

3、异常处理机制

设置关键词监控:当日报中出现“下降”、“异常”」,自动抄送技术总监。

场景⼆:智能客服中台

Zapier 联动示例:

1、当官网表单收到新咨询 --> 触发 DeepSeek API
2、AI 分析客户需求 --> 分类为「售后/报价/技术」
3、根据类别:

  • 简单问题 --> 直接回复解决⽅案
  • 复杂问题 --> ⽣成工单派发对应部⻔

关键指令:

/设置⾃动回复模板
当问题包含 [“怎么退货”,“运费谁付”] 时,回复:
感谢咨询!我们的退换货政策是:

  1. 7 天内⽆理由退货(标签未撕)
  2. 质量问题免运费(附照⽚证明)

需要人工帮助请回复「转接客服」

5.3 跨语言自由切换实战(商务谈判/文献翻译)

模式⼀:精准翻译模式

商务场景:

/开启专业翻译模式
【源语⾔】中⽂
【目标语⾔】商务英语
【特殊要求】

  • 保留敬语格式(Dear/Honored)
  • 金额保留两位小数
  • 使用 ICC 国际商会术语

模式⼆:学术润色模式

论文翻译技巧:

1、上传参考⽂献:“请模仿这篇 Nature 论⽂的⽤词⻛格翻译我的摘要”
2、术语⼀致性检查:“确保’纳米材料’统⼀译为’nanomaterials’”
3、格式保留:“图表标题翻译后保持 Figure 1-格式”

模式三:文化适配模式

本地化案例:

输⼊:“向印度客户解释’质量第⼀’的企业⽂化”

  • 替换案例:⽤“塔塔集团质量标准”代替“华为经验”
  • 调整表达:将“追求完美”改为“持续改进的承诺”
  • 宗教注意:避免使用牛相关比喻

避坑指南

  • 知识库陷阱:避免直接上传机密合同,应使用“某品牌采购协议”替代真实名称
  • ⾃动化风险:涉及财务审批的流程必须保留人工确认环节

第六章 如何利⽤我提⾼⾃我学习能⼒

场景1:学习加速器

论文精读秘籍三阶速读法

1、预判提问(5分钟)

输⼊指令:“请用 200 字概括《[论⽂标题]》的核心创新点,用’已知…但…因此…'结构表述,并列出 3 个值得深挖的疑问”。

2、图表解析(关键突破)

带图提问:“解释 Figure3 的实验设计逻辑,⽤箭头图表⽰变量关系,并标注作者可能省略的控制变量”。

3、批判思考(防被带节奏)

进阶指令:“找出该研究⽅法的 3 个潜在局限,并提供 2 篇 2023 年后发表的反向证据论⽂ DOI”。

小贴士:遇到公式按 Alt+⿏标拖动选择,直接问"请用小学数学知识解释这个公式的含义"。

错题攻克流⽔线四步提分法

1、错因诊断

拍照/输⼊题⽬后问:“分析我在这道⼏何题中的思维误区,用认知心理学中的【确认偏差】概念解释”

2、变式训练

⽣成指令:“基于该题知识点⽣成 3 道难度递增的变式题,附加解题路线图提⽰(不直接给答案)”

2、记忆强化

记忆卡⽚指令:“把解题关键步骤转化为顺⼝溜,要求押韵且包含‘辅助线’‘相似比’等术语”

4、监控报告

进度查询:“统计我过去⼀周在三⻆函数板块的错题类型分布,⽤饼状图呈现并标注突破优先级”

避坑:避免直接问答案,改⽤“给我提示而不是答案”触发引导模式。

会议纪要⾰命 30 秒整理术

1、录⾳转重点(需上传录⾳⽂件)

指令:“提取关键决策:⽤【决议事项】【责任⼈】【时间节点】三栏表格呈现,红⾊标注有争议的内容”

2、行动清单

追问:“把会议内容转化为 SMART 原则任务清单,标注需要跨部门协作的事项”

3、可视化呈现

高阶指令:“将项目时间线转化为⽢特图代码(Mermaid 语法格式),用❗️标注关键依赖节点”

小贴士:输入“开启时间戳模式”可⾃动标注每个议题讨论时⻓。

场景2:零基础代码入门

模块1:代码调试 — 5分钟精准排错

三步终结 BUG 法

步骤 1:错误信息翻译

【错误诊断模式】 我遇到[编程语⾔]报错:“粘贴错误信息” 请:

  1. 用小白能懂的话解释问题本质
  2. 标注可能引发该错误的 3 个常⻅场景
  3. 给出最可能的修复⽅案(标★)和其他备选⽅案

步骤 2:上下文分析

进阶指令:

结合上下文代码⽚段:
粘贴相关代码]
请:

  1. 用箭头图画出变量值变化轨迹
  2. 在可疑行号旁标注🛑并说明原因
  3. 输出修改后的代码差异对比(⽤绿⾊+/红⾊-标注)

步骤 3:防御性编程

防复发指令:

针对这个错误类型:

  1. 设计 3 个单元测试用例(含边界条件)
  2. 生成代码片段:⾃动检测同类错误的防护性代码
  3. 推荐 2 个相关调试⼯具(VS Code 插件 /Python 库)
模块2:自动化脚本⸺从需求到代码

⽆痛开发四阶法

案例需求:“自动备份指定文件夹到百度网盘,每周⼀凌晨执⾏,保留最近 3 个版本”

阶段 1:需求结构化

指令:

将需求拆解为技术要素:

  1. 文件操作模块(增量备份/版本控制)
  2. 网盘 API 对接
  3. 定时任务配置
  4. 异常处理(网络中断/存储不⾜)

输出技术选型建议表(含优缺点对⽐)

阶段 2:代码⽣成

分步指令:

⽤ Python 实现以下功能:

  1. 遍历指定文件夹,生成 MD5 校验⽂件
  2. 调⽤百度网盘 API 上传(需处理 OAuth2. 认证)
  3. 添加日志记录(时间/操作/结果)
  4. 用 APScheduler 设置每周定时任务

要求:

  • 每段代码添加中⽂注释
  • 分离配置⽂件和核心逻辑
  • 输出 .env ⽂件模板

阶段 3:测试优化

验证指令:

为上述代码设计测试⽅案:

  1. 模拟断网环境下的重试机制
  2. 测试不同版本保留策略
  3. 内存泄漏检测⽅法

⽣成测试用例的伪代码

阶段 4:交付⽂档

指令模板:

⽣成用户手册:

  1. 安装依赖的 pip 命令清单
  2. 配置⽂件修改图⽰(红框标注必填项)
  3. 常见问题排障流程图
  4. 服务监控方案(Prometheus 指标设计)

场景3:网文小说辅助入门

三维角色建模法

步骤 1:角色档案⽣成

生成小说角色模板:
姓名:
核心欲望:
关键秘密:
关系网络:

  • 盟友(表⾯/真实)
  • 对手(直接/潜在)
  • 情感羁绊(爱/恨/亏欠)

⽰例填充:[悬疑⼩说配⻆]

步骤 2:关系可视化

基于以下人物列表:[粘贴角色信息]

  1. 用 Mermaid 语法⽣成关系图(区分实线/虚线/不同颜⾊箭头)
  2. 标注 3 个潜在冲突爆发点
  3. ⽣成时间轴:关键事件对关系的影响

步骤 3:剧情冲突检测

分析当前章节:[粘贴⽂本]

  1. 找出⼈物⾏为的⽭盾点(与其档案不符)
  2. 建议 3 个增强戏剧性的改写⽅向
  3. ⽣成 2 个让读者惊呼的伏笔埋设⽅案

避坑指南:

  • 避免角色脸谱化:追加指令“给反派添加 3 个合理化动机”
  • 防止剧情漏洞:使用“时间线冲突检测”指令

相关文章:

DeepSeek 指导手册(入门到精通)

第⼀章:准备篇(三分钟上手)1.1 三分钟创建你的 AI 伙伴1.2 认识你的 AI 控制台 第二章:基础对话篇(像交朋友⼀样学交流)2.1 有效提问的五个黄金法则2.2 新手必学魔法指令 第三章:效率飞跃篇&…...

Android adb测试常用命令大全

目录 一、查看最上层成activity名字: 二、查看Activity的任务栈: 三、获取安装包信息 四、性能相关 1、显示CPU信息 : 2、查看CPU使用信息 3、内存信息(meminfo package_name or pid 使用程序的包名或者进程id显示内存信息) 4、电量信…...

【python语言应用】最新全流程Python编程、机器学习与深度学习实践技术应用(帮助你快速了解和入门 Python)

近年来,人工智能领域的飞速发展极大地改变了各个行业的面貌。当前最新的技术动态,如大型语言模型和深度学习技术的发展,展示了深度学习和机器学习技术的强大潜力,成为推动创新和提升竞争力的关键。特别是PyTorch,凭借其…...

在不知道进程的情况下怎么关闭

在不知道具体进程ID(PID)或者进程可能会变动的情况下,关闭MinIO服务器的方法通常依赖于你如何启动MinIO以及你的操作系统环境。以下是一些建议的步骤: 1. 使用系统服务管理工具 如果你将MinIO配置为系统服务(例如在L…...

算力平台 驱动云的使用

驱动云的使用 1 进入官网注册2 上传数据3 上传模型4 创建项目5 开发环境6 停止使用 1 进入官网注册 点击这个进入 可以看到注册之后送十个算力点 如果不训练,仅仅上传数据和模型,那么也是要收费的,因为存储数据要占用驱动云的空间。 2 上…...

高校LabVIEW开发调试中的常见问题

在高校进行LabVIEW开发调试时,常常面临硬件选型不当、方案设计不合理、布线不专业以及人员流动性强等问题。这些问题可能影响项目的进展和质量。本文将总结这些问题,并给出具体的解决方案,帮助学生和团队更高效地开展开发工作。 ​ 1. 硬件选…...

数据结构——结构体位域、typedef类型重定义、宏、共用体union、枚举、虚拟内存划分

一、结构体位域 1.1 结构体位域的基础 结构体位域:把结构体字节大小扣到极致的一个类型,以bit单位 格式:struct 位域体名{数据类型 位域名:位域大小;数据类型 位域名:位域大小;...};解析:位域体名:可有可无&#xff…...

git bash删除库中的分支与文件

一、 在 GitHub 上删除非 main 分支的步骤可以分为两部分:首先在本地删除该分支,然后在 GitHub 上删除远程分支。以下是详细的步骤: 1. 删除远程分支(在 GitHub 上删除) 打开 GitHub 仓库页面,进入你的仓…...

连锁收银系统的核心架构与技术选型

在连锁门店的日常运营里,连锁收银系统扮演着极为重要的角色,它不仅承担着交易结算的基础任务,还关联着库存管理、会员服务、数据分析等多个关键环节。一套设计精良的核心架构与合理的技术选型,是保障收银系统高效、稳定运行的基础…...

称呼计算器:智能科技,简化您的计算生活

一款手机应用程序,安卓设备上使用。这款计算器应用以其简洁的界面、实用的功能和良好的用户体验而受到用户的喜爱。 计算器的主要特点包括: 基本计算功能:支持加、减、乘、除等基本运算。 科学计算器模式:提供更高级的数学运算功…...

qt的QMainWindow保存窗口和恢复窗口状态

保存窗口状态 QSettings settings("MyCompany", "MyApp"); // 指定存储的应用信息 settings.setValue("mainWindowState", saveState());saveState() 返回一个 QByteArray,包含 所有停靠窗口和工具栏的状态。QSettings 用于存储数据…...

【mysql】记一次mysql服务挂了后的数据恢复过程

现象 服务器异常,导致mysql服务异常退出,重启后,校验redo log异常 说明 mysql服务是通过docker-compose启动的,serviceName是db磁盘挂载:/var/lib/mysql挂载到本地磁盘/data/mysql 处理过程 备份 查看磁盘挂载列表 docker …...

使用 LangChain 对接硅基流动(SiliconFlow)API:构建一个智能对话系统

文章目录 什么是硅基流动(SiliconFlow)?LangChain 简介在 LangChain 中对接硅基流动步骤 1:安装必要的库步骤 2:设置 API 密钥步骤 3:编写代码代码解析步骤 4:运行代码如何扩展和改进总结 在现代…...

K8s 证书认知(K8s Certificate Awareness)

K8s 证书认知 在谈起 Kubernetes 证书时,总感觉其涵盖的内容繁多,仿佛千头万绪,让人不知该从何处着手阐述。为了更好地理清思路,本文将对相关内容进行系统的梳理和记录。 1、证书及链路关系 Kubeadm部署的集群,K8s …...

iperf

iperf 是一个网络性能测试工具&#xff0c;用于测量TCP和UDP的网络带宽。-c 参数表示客户端模式&#xff0c;用于指定要连接的服务器地址。以下是一些常见的 iperf 客户端命令示例&#xff1a; 基本用法 iperf -c <server_ip> <server_ip>&#xff1a;服务器的IP…...

【FastAPI 使用FastAPI和uvicorn来同时运行HTTP和HTTPS的Python应用程序】

在本文中&#xff0c;我们将介绍如何使用 FastAPI和uvicorn来同时运行HTTP和HTTPS的 Python应用程序。 简介 FastAPI是一个高性能的Web框架&#xff0c;可以用于构建快速、可靠的API。它基于Python的类型提示和异步支持&#xff0c;使得开发者可以轻松地编写出安全且高效的代…...

Windows系统安装搭建悟空crm客户管理系统 教程

1、在安装悟空 CRM 之前&#xff0c;需要确保你的 Windows 系统上已经安装了以下软件&#xff1a; Web 服务器&#xff1a;推荐使用 Apache 或 Nginx&#xff0c;这里以 Nginx 为例。你可以使用集成环境套件如 XAMPP 来简化安装过程&#xff0c;它包含了 Nginx 、MySQL、PHP 等…...

使用API有效率地管理Dynadot域名,清除某一文件夹中域名的默认DNS设置

关于Dynadot Dynadot是通过ICANN认证的域名注册商&#xff0c;自2002年成立以来&#xff0c;服务于全球108个国家和地区的客户&#xff0c;为数以万计的客户提供简洁&#xff0c;优惠&#xff0c;安全的域名注册以及管理服务。 Dynadot平台操作教程索引&#xff08;包括域名邮…...

评估多智能体协作网络(MACNET)的性能:COT和AUTOGPT基线方法

评估多智能体协作网络(MACNET)的性能 方法选择:选择COT(思维链,Chain of Thought)、AUTOGPT等作为基线方法。 COT是一种通过在推理过程中生成中间推理步骤,来增强语言模型推理能力的方法,能让模型更好地处理复杂问题,比如在数学问题求解中,展示解题步骤。 AUTOGPT则是…...

(4/100)每日小游戏平台系列

新增一个点击反应速度测试&#xff01; 点击反应速度测试是一款简单有趣的网页小游戏&#xff0c;旨在测试玩家的反应能力和专注度。通过随机高亮的颜色块&#xff0c;玩家需要快速点击正确的颜色&#xff0c;并在限定时间内挑战自己的反应速度。 &#x1f4dc; 游戏规则 游戏开…...

Day42(补)【AI思考】-编译过程中语法分析及递归子程序分析法的系统性解析

文章目录 编译过程中语法分析及递归子程序分析法的系统性解析**一、总览&#xff1a;编译流程中的语法分析****1. 编译过程核心步骤** **二、语法分析的核心任务****1. 核心目标****2. 现实类比** **三、递归子程序分析法的本质****1. 方法分类****2. 递归子程序分析法的运作原…...

AcWing 190. 字串变换 --BFS-双向搜索

已知有两个字串 A, B 及一组字串变换的规则&#xff08;至多 66 个规则&#xff09;: A1→B1 A2→B2 … 规则的含义为&#xff1a;在 A 中的子串 A1A1 可以变换为 B1、A2 可以变换为 B2…。 例如&#xff1a;A&#xff1d;abcd B&#xff1d;xyz 变换规则为&#xff1a; …...

visual studio导入cmake项目后打开无法删除和回车

通过Cmakelists.txt导入的项目做删除和回车无法响应&#xff0c;需要点击项目&#xff0c;然后选择配置项目就可以了...

【论文笔记】ZeroGS:扩展Spann3R+GS+pose估计

spann3r是利用dust3r做了增量式的点云重建&#xff0c;这里zeroGS在前者的基础上&#xff0c;进行了增量式的GS重建以及进行了pose的联合优化&#xff0c;这是一篇dust3r与GS结合的具有启发意义的工作。 abstract NeRF和3DGS是重建和渲染逼真图像的流行技术。然而&#xff0c;…...

Vue2中常用指令

文章目录 Vue2中常用指令1. v-text 动态渲染纯文本内容1. 作用2. 基本用法3. 示例4. 注意事项 2. v-html 动态渲染 HTML 内容1. 作用2. 基本用法3. 示例4. 注意事项 3. v-bind 动态绑定 HTML 属性1. 作用2. 基本用法3. 示例4. 注意事项5. 绑定class属性的用法6. 绑定style属性的…...

09-轮转数组

给定一个整数数组 nums&#xff0c;将数组中的元素向右轮转 k 个位置&#xff0c;其中 k 是非负数。 方法一&#xff1a;使用额外数组 function rotate(nums: number[], k: number): void {const n nums.length;k k % n; // 处理 k 大于数组长度的情况const newNums new A…...

本地Deepseek-r1:7b模型集成到Google网页中对话

本地Deepseek-r1:7b网页对话 基于上一篇本地部署的Deepseek-r1:7b&#xff0c;使用黑窗口对话不方便&#xff0c;现在将本地模型通过插件集成到Google浏览器中 安装Google插件 在Chrome应用商店中搜索page assis 直接添加至Chrome 修改一下语言 RAG设置本地运行的模型&#…...

算法——结合实例了解广度优先搜索(BFS)搜索

一、广度优先搜索初印象 想象一下&#xff0c;你身处一座陌生的城市&#xff0c;想要从当前位置前往某个景点&#xff0c;你打开手机上的地图导航软件&#xff0c;输入目的地后&#xff0c;导航软件会迅速规划出一条最短路线。这背后&#xff0c;就可能运用到了广度优先搜索&am…...

2025年3月营销灵感日历

2025年的第一场营销大战已经拉开帷幕了&#xff01; 三月可是全年最值钱的营销黄金月——妇女节、植树节、315消费者日三大爆点连击&#xff0c;还有春分、睡眠日、世界诗歌日等20隐藏流量密码。 道叔连夜扒了18个行业数据&#xff0c;整理了这份《2025年3月营销灵感日历》&a…...

【认证授权FAQ】SSL/TLS证书过期导致的CLS认证失败

问题现象 问题分析 属于Agent操作系统的根认证机构过期问题&#xff0c;需要下载CA然后在系统安装。 DigiCert根证书和中间证书将在未来几年过期&#xff0c;一旦证书过期&#xff0c;基于证书颁发的SSL/TLS证书将不再信任&#xff0c;导致网站无法HTTPs访问。需要迁移到新的根…...

飞书专栏-TEE文档

CSDN学院课程连接&#xff1a;https://edu.csdn.net/course/detail/39573...

自己部署 DeepSeek 助力 Vue 开发:打造丝滑的时间线(Timeline )

前言&#xff1a;哈喽&#xff0c;大家好&#xff0c;今天给大家分享一篇文章&#xff01;并提供具体代码帮助大家深入理解&#xff0c;彻底掌握&#xff01;创作不易&#xff0c;如果能帮助到大家或者给大家一些灵感和启发&#xff0c;欢迎收藏关注哦 &#x1f495; 目录 自己…...

机器学习:集成学习和随机森林

集成学习 集成学习通过构建并合并多个模型来完成学习,从而获得比单一学习模型更显著优越的泛化能力,集成学习就是利用模型的"集体智慧",提升预测的准确率,根据单个模型方式,集成学习可分为两大类: 个体之间存在强依赖关系,其代表为Boosting算法个体之间不存在强依赖…...

力扣刷题(数组篇)

日期类 #pragma once#include <iostream> #include <assert.h> using namespace std;class Date { public:// 构造会频繁调用&#xff0c;所以直接放在类里面&#xff08;类里面的成员函数默认为内联&#xff09;Date(int year 1, int month 1, int day 1)//构…...

Jenkins 新建配置 Freestyle project 任务 六

Jenkins 新建配置 Freestyle project 任务 六 一、新建任务 在 Jenkins 界面 点击 New Item 点击 Apply 点击 Save 回到任务主界面 二、General 点击左侧 Configure Description&#xff1a;任务描述 勾选 Discard old builds Discard old builds&#xff1a;控制何时…...

5.8 软件质量与软件质量保证

文章目录 软件质量模型软件质量保证 软件质量模型 软件质量模型有ISO/IEC9126&#xff0c;McCall。 ISO/IEC9126从功能性、可靠性、易使用性、效率、可维护性、可移植性这6个方面对软件质量进行分析。功能性包含适合性、依从性、准确性、安全性、互用性。可靠性包含成熟性、容错…...

二次封装axios解决异步通信痛点

为了方便扩展,和增加配置的灵活性,这里将通过封装一个类来实现axios的二次封装,要实现的功能包括: 为请求传入自定义的配置,控制单次请求的不同行为在响应拦截器中对业务逻辑进行处理,根据业务约定的成功数据结构,返回业务数据对响应错误进行处理,配置显示对话框或消息形…...

Flutter项目试水

1基本介绍 本文章在构建您的第一个 Flutter 应用指导下进行实践 可作为项目实践的辅助参考资料 Flutter 是 Google 的界面工具包&#xff0c;用于通过单一代码库针对移动设备、Web 和桌面设备构建应用。在此 Codelab 中&#xff0c;您将构建以下 Flutter 应用。 该应用可以…...

Java 大视界 -- 边缘计算与 Java 大数据协同发展的前景与挑战(85)

&#x1f496;亲爱的朋友们&#xff0c;热烈欢迎来到 青云交的博客&#xff01;能与诸位在此相逢&#xff0c;我倍感荣幸。在这飞速更迭的时代&#xff0c;我们都渴望一方心灵净土&#xff0c;而 我的博客 正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识&#xff0c;也…...

【第1章:深度学习概览——1.2 深度学习与机器学习、传统人工智能的区别与联系】

在科技飞速发展的时代,AI 技术如同一颗璀璨的明星,照亮了我们生活的方方面面。今天,让我们一起深入探寻 AI 技术的演进历程,看看它是如何从最初的简单规则系统,一步步发展成为如今强大的智能技术。 一、开篇故事:三杯咖啡看懂三代 AI 想象一下,你经营着一家充满温馨氛…...

游戏引擎学习第99天

仓库:https://gitee.com/mrxiao_com/2d_game_2 黑板&#xff1a;制作一些光场(Light Field) 当前的目标是为游戏添加光照系统&#xff0c;并已完成了法线映射&#xff08;normal maps&#xff09;的管道&#xff0c;但还没有创建可以供这些正常映射采样的光场。为了继续推进&…...

NixHomepage - 简单的个人网站

&#x1f4bb; NixHomepage - 简单的个人网站 推荐下个人的开源项目&#xff0c;演示网站&#xff0c;项目链接 https://github.com/nixgnauhcuy/NixHomepage&#xff0c;喜欢的话可以为我的项目点个 Star~ &#x1f4f7; 预览 ⚙️ 功能特性 多平台适配 明亮/暗黑模式切换 W…...

window patch按块分割矩阵

文章目录 1. excel 示意2. pytorch代码3. window mhsa 1. excel 示意 将一个三维矩阵按照window的大小进行拆分成多块2x2窗口矩阵&#xff0c;具体如下图所示 2. pytorch代码 pytorch源码 import torch import torch.nn as nn import torch.nn.functional as Ftorch.set_p…...

Dockerfile 详解:构建自定义镜像

Dockerfile 是一种文本文件,包含了一系列指令,用于描述如何构建一个 Docker 镜像。通过 Dockerfile,我们可以将应用程序及其所有依赖打包成镜像,确保应用在不同环境中运行时保持一致性。掌握 Dockerfile 的写法和最佳实践,能够帮助我们高效地构建和管理容器镜像。 本文将…...

vue2老版本 npm install 安装失败_安装卡主

vue2老版本 npm install 安装失败_安装卡主 特别说明&#xff1a;vue2老版本安装慢、运行慢&#xff0c;建议升级vue3element plus vite 解决方案1&#xff1a; 第一步、修改npm 镜像为国内镜像 使用淘宝镜像&#xff1a; npm config set registry https://registry.npmmir…...

【细看open_r1】精读训练和评估模型以及生成合成数据的脚本(src/open_r1)

src/open_r1 目录下主要包含了一些用于训练和评估模型以及生成合成数据的Python脚本&#xff0c;下面我们对其中几个主要的Python文件进行深度剖析。 configs.py 这个文件定义了两个数据类 GRPOConfig 和 SFTConfig&#xff0c;它们分别继承自 trl.GRPOConfig 和 trl.SFTConf…...

数据库数据恢复—MongoDB丢失_mdb_catalog.wt文件导致报错的数据恢复案例

MongoDB数据库存储模式为文档数据存储库&#xff0c;存储方式是将文档存储在集合之中。 MongoDB数据库是开源数据库&#xff0c;同时提供具有附加功能的商业版本。 MongoDB中的数据是以键值对(key-value pairs)的形式显示的。在模式设计上&#xff0c;数据库受到的约束更少。这…...

Qt 控件整理 —— 按钮类

一、PushButton 1. 介绍 在Qt中最常见的就是按钮&#xff0c;它的继承关系如下&#xff1a; 2. 常用属性 3. 例子 我们之前写过一个例子&#xff0c;根据上下左右的按钮去操控一个按钮&#xff0c;当时只是做了一些比较粗糙的去演示信号和槽是这么连接的&#xff0c;这次我们…...

当 LSTM 遇上 ARIMA!!

大家好&#xff0c;我是小青 ARIMA 和 LSTM 是两种常用于时间序列预测的模型&#xff0c;各有优劣。 ARIMA 擅长捕捉线性关系&#xff0c;而 LSTM 擅长处理非线性和长时间依赖的关系。将ARIMA 和 LSTM 融合&#xff0c;可以充分发挥它们各自的优势&#xff0c;构建更强大的时…...

SpringBoot实战:高效获取视频资源

文章目录 前言技术实现SpringBoot项目构建产品选取配置数据采集 号外号外 前言 在短视频行业高速发展的背景下&#xff0c;海量内容数据日益增长&#xff0c;每天都有新的视频、评论、点赞、分享等数据涌现。如何高效、精准地获取并处理这些庞大的数据&#xff0c;已成为各大平…...