当前位置：首页 > news >正文

AI客服-接入deepseek大模型到微信（本地部署deepseek集成微信自动收发消息）

news 来源：原创 2025/9/15 9:21:01

1.本地部署

1.1 ollama

Ollama软件通过其高度优化的推理引擎和先进的内存管理机制，显著提升了大型语言模型在本地设备上的运行效率。其核心采用了量化技术（Quantization）以降低模型的计算复杂度和存储需求，同时结合张量并行计算（Tensor Parallelism）和混合精度计算（Mixed Precision Computing），在FP16、INT8等低精度格式下实现高效的数值运算，从而大幅减少显存占用并加速推理过程。此外，Ollama支持动态批处理（Dynamic Batching）和分布式推理（Distributed Inference），能够根据输入请求动态调整资源分配，并通过多GPU或节点间的高效通信协议（如NCCL）实现弹性扩展，突破单机硬件限制。为确保兼容性，Ollama内置了对主流框架（如PyTorch、TensorFlow）的支持，并通过ONNX Runtime和TensorRT进一步优化模型性能，同时提供灵活的API接口和模块化设计，允许用户进行自定义微调（Fine-tuning）和Prompt工程，满足多样化应用场景需求。

1.1.1 下载安装

https://ollama.com/download
在这里插入图片描述 双击打开安装，ollama默认只能安装在C盘，占用：4.6G 空间。

C:\用户\用户名称\AppData\Local\Programs\Ollama

我的电脑中安装目录：C:\Users\Administrator\AppData\Local\Programs\Ollama
在这里插入图片描述

1.1.2 环境变量

默认ollama去下载部署deepseek模型时，会放在C盘 C:\Users\Administrator\.ollama\models文件夹中。修改环境变量，可以让后续模型下载到其他盘符。

OLLAMA_MODELS D:\ollama\models

配置好之后，ollama重启 或 重启电脑 让环境变量生效。

1.2 deepseek部署

https://ollama.com/library/deepseek-r1
在这里插入图片描述
根据自己电脑配置部署模型规模

模型规模	硬盘	显存需求	内存	显卡要求
1.5B	1.1 GB	~2-3 GB	~4-6 GB	单卡（RTX 3060/3090/4090）
7B	4.7 GB	~8-12 GB	~16-24 GB	单卡（RTX 3090/4090/A100）
8B	4.9 GB	~9-13 GB	~18-26 GB	单卡（RTX 3090/4090/A100）
14B	9.0 GB	~16-20 GB	~32-40 GB	单卡（A100 40GB）
32B	20 GB	~35-45 GB	~70-90 GB	单卡（A100 80GB）或多卡并行
70B	43 GB	~75-90 GB	~150-180 GB	多卡（A100/H100 + NVLink）
671B	404 GB	~700-900 GB	~1.4-1.8 TB	多卡集群（A100/H100 + NVLink）

执行命令本地部署：

ollama run deepseek-r1:1.5b

在这里插入图片描述

2.deepseek调用

在这里插入图片描述
ollama中的服务可以用两种方式启动，默认监听本机localhost 和端口11434

在终端执行命令： ollama serve
找到ollama图标，点击运行

2.1 终端调用

C:\Users\Administrator>ollama list
NAME                ID              SIZE      MODIFIED       
deepseek-r1:1.5b    a42b25d8c10a    1.1 GB    4 hours ago
C:\Users\Administrator>ollama run deepseek-r1:1.5b
>>> 
>>> 学习python的路径？
<think>
好吧，我现在要学习Python了。我对它还不是很了解，所以得一步一步来。首先，我应该确定我的学习目标是什么。可能是从基础开始，比如语     
法和基本概念，然后逐步深入到更高级的内容。
...
>>> /bye

在这里插入图片描述

2.2 API调用

对话相关的API有两个：

/api/generate，用于一次性生成特定文本的场景。
/api/chat，针对多轮对话上下文生成的回复消息。

接下来，结合案例来使用API来调用，需要安装Python环境和 requests 模块。

示例：/api/generate

该 API 主要用于基于给定的提示信息生成文本内容。它适用于一次性生成特定文本的场景，不涉及对话上下文的维护.请求参数model：要使用的模型名称，例如 `deepseek-r1:1.5b`。prompt：提示信息，即向模型提供的输入文本，模型会根据该提示生成相应的内容。可选参数：还可以包含其他参数来控制生成的行为，如 `temperature`（控制生成文本的随机性，值越大越随机）、`max_tokens`（限制生成文本的最大令牌数）等。示例请求体{"model": "llama2","prompt": "写一首关于春天的诗","temperature": 0.7,"max_tokens": 200}

import requestsres = requests.post(url="http://localhost:11434/api/generate",json={"model": "deepseek-r1:1.5b","prompt": "写一首关于春天的诗","stream": False}
)data_dict = res.json()
print(data_dict)

在这里插入图片描述
示例：/api/chat

用于模拟对话交互，它会维护对话的上下文，使得模型能够根据之前的对话内容生成合适的回复，实现更自然、连贯的对话效果。请求参数model：要使用的模型名称。messages：一个包含对话消息的列表，每个消息对象包含 role（角色，如 user 表示用户消息，assistant 表示模型回复）和 content（消息内容）。同样可以包含可选参数来控制生成行为。示例请求体{"model": "deepseek-r1:1.5b","messages": [{"role": "user","content": "你好"}],"temperature": 0.8}

import requestsres = requests.post(url="http://localhost:11434/api/chat",json={"model": "deepseek-r1:1.5b","messages": [{"role": "user", "content": "你好"}],"stream": False}
)
data_dict = res.json()
print(data_dict)

在这里插入图片描述
可以将对话保存下来，生成对话：

import requestsmessage_list = []while True:text = input("请输入：")user_dict = {"role": "user", "content": text}message_list.append(user_dict)res = requests.post(url="http://localhost:11434/api/chat",json={"model": "deepseek-r1:1.5b","messages": message_list,"stream": False})data_dict = res.json()res_msg_dict = data_dict['message']print(res_msg_dict)message_list.append(res_msg_dict)

在这里插入图片描述

2.3 网页交互

搭建一个网站，在内部进行访问使用。

第1步：电脑安装nodejs

https://nodejs.org/zh-cn/download
在这里插入图片描述
第2步：下载网站源码

https://github.com/ollama-webui/ollama-webui-lite
在这里插入图片描述
下载并解压至任意目录。例如：F:\ollama-webui-lite-main 【不要有中文路径】

第3步：安装依赖并启动网站

打开CMD终端进入项目目录并执行相关命令。

C:\Users\Administrator>F:
F:\>cd F:\ollama-webui-lite-main
F:\ollama-webui-lite-main>
F:\ollama-webui-lite-main>npm ci
F:\ollama-webui-lite-main>npm run dev --  --port=9001

在这里插入图片描述
访问网站：http://localhost:9001/

3.微信收发信息

wxauto 是一个基于UIAutomation开发的用于实现微信自动化得库。

消息发送：支持发送文字、图片、文件、@群好友、引用消息等功能
聊天记录：可获取好友的聊天记录内容
监听消息：实时获取指定监听好友（群）的新消息

所用开发环境：Python 3.12.6 + PC微信 3.9.12（目前最新）
在这里插入图片描述
实现原理：在电脑安装PC微信，基于wxauto自动控制微信界面来实现收发消息等功能。

安装wxauto

pip install wxauto==3.9.11.17.5

发消息

from wxauto import WeChat
wx = WeChat()
wx.SendMsg(msg="你好呀", who="xxx_888")  # 指定人/群发消息# wx.SendMsg(msg="你好呀", who="群名", at=["张三","张开"])   # 群消息+@指定人
# wx.SendMsg(filepath="F:\xxx.png", who="用户或群") 
# wx.SendMsg(filepath=["文件A","文件B","F:\xxx.png"], who="用户或群")

收消息（所有）

from wxauto import WeChatwx = WeChat()while True:# 等待接受收到的最新消息# {"用户昵称A":[消息对象1,消息对象2,消息对象3], "用户昵称B":[消息对象1,消息对象2,消息对象3], }msg_dict = wx.GetNextNewMessage()for username, msg_list in msg_dict.items():print("昵称：", username)# [消息对象1, 消息对象2, 消息对象3]for msg in msg_list:print("\t消息", msg.type, msg.content)

收消息（指定用户）

from wxauto import WeChat
wx = WeChat()wx.AddListenChat(who="运营")
wx.AddListenChat(who="xxx_888")while True:# { "用户A聊天窗口":[消息对象1,消息对象2,消息对象3],  "用户B聊天窗口":[消息对象1,消息对象2,消息对象3]}listen_dict = wx.GetListenMessage()for chat_win,message_list in listen_dict.items():# 用户或群名chat_user = chat_win.who# [消息对象1,消息对象2,消息对象3]for msg in message_list:if msg.type != "friend":continueprint(chat_user, msg.content)# 回复消息# chat_win.SendMsg("回复的内容")time.sleep(5)

👏欢迎贡献代码和改进项目！

AI客服-接入deepseek大模型到微信（本地部署deepseek集成微信自动收发消息）

1.本地部署 1.1 ollama Ollama软件通过其高度优化的推理引擎和先进的内存管理机制，显著提升了大型语言模型在本地设备上的运行效率。其核心采用了量化技术（Quantization）以降低模型的计算复杂度和存储需求，同时结合张量并行计算&…...

编程日记 2025/9/15 9:21:01

kotlin 知识点七泛型的高级特性

对泛型进行实化泛型实化这个功能对于绝大多数Java 程序员来讲是非常陌生的，因为Java 中完全没有这个概念。而如果我们想要深刻地理解泛型实化，就要先解释一下Java 的泛型擦除机制才行。在JDK 1.5之前，Java 是没有泛型功能的，…...

编程日记 2025/9/15 9:15:46

正则表达式–断言

原文地址：正则表达式–断言 – 无敌牛欢迎参观我的个人博客：正则表达式特殊字符 – 无敌牛断言assertions 1、(?...)：正向预查（positive lookahead），表示某个字符串后面应该跟着什么。但这个字符串本身…...

编程日记 2025/9/14 0:29:29

OceanBase数据库实战：Windows Docker部署与DBeaver无缝对接

一、前言 OceanBase 是一款高性能、高可扩展的分布式数据库，适用于大规模数据处理和企业级应用。随着大数据和云计算的普及，OceanBase 在企业数字化转型中扮演着重要角色。学习 OceanBase 可以帮助开发者掌握先进的分布式数据库技术，提升数…...

编程日记 2025/9/14 0:29:27

C++：开胃菜练习项目---定长内存池的实现以及测试

项目介绍简介作为学习tcmalloc高并发内存池项目前的一个铺垫。作为程序员(C/C)我们知道申请内存使用的是malloc，malloc其实就是一个通用的大众货，什么场景下都可以用，但是什么场景下都可以用就意味着什么场景下都不会有很高的性能&#xf…...

编程日记 2025/9/14 0:29:25

【LLM】本地部署LLM大语言模型+可视化交互聊天，附常见本地部署硬件要求（以Ollama+OpenWebUI部署DeepSeekR1为例）

【LLM】本地部署LLM大语言模型可视化交互聊天，附常见本地部署硬件要求（以OllamaOpenWebUI部署DeepSeekR1为例） 文章目录 1、本地部署LLM（以Ollama为例）2、本地LLM交互界面（以OpenWebUI为例）3、本…...

编程日记 2025/9/14 0:29:23

JVM相关面试题

1. 类加载与双亲委派机制聊一下你对类加载器的理解。类加载器是JVM用来加载类文件到内存的组件。它负责将字节码文件解析为java.lang.Class实例，并存储到运行时数据区的方法区中。类加载器分为Bootstrap ClassLoader、Extension ClassLoader和Application ClassLo…...

编程日记 2025/9/14 16:50:14

WordPress Course Booking System SQL注入漏洞复现 (CVE-2025-22785)（附脚本）

免责申明：本文所描述的漏洞及其复现步骤仅供网络安全研究与教育目的使用。任何人不得将本文提供的信息用于非法目的或未经授权的系统测试。作者不对任何由于使用本文信息而导致的直接或间接损害承担责任。如涉及侵权，请及时与我们联系，我们将尽快处理并删除相关内容。 0x0…...

编程日记 2025/9/12 17:42:53

二：前端发送POST请求,后端获取数据

接着一：可以通过端口访问公网IP之后二需要实现：点击飞书多维表格中的按钮，向服务器发送HTTP请求，并执行脚本程序向服务器发送HTTP请求： 发送请求需要明确一下几个点请求方法： 由于是向服务器端发送值…...

编程日记 2025/9/15 6:01:49

Go语言中的信号量：原理与实践指南

Go语言中的信号量：原理与实践指南引言在并发编程中，控制对共享资源的访问是一个经典问题。Go语言提供了丰富的并发原语（如sync.Mutex），但当我们需要灵活限制并发数量时，信号量（Semaphore&am…...

编程日记 2025/9/14 19:10:56

cpp中的继承

一、继承概念在cpp中，封装、继承、多态是面向对象的三大特性。这里的继承就是允许已经存在的类（也就是基类）的基础上创建新类（派生类或者子类），从而实现代码的复用。如上图所示，Person是基类&…...

编程日记 2025/9/13 22:23:53

3DGS（三维高斯散射）与SLAM技术结合的应用

3DGS（三维高斯散射）与SLAM（即时定位与地图构建）技术的结合，为动态环境感知、高效场景建模与实时渲染提供了新的可能性。以下从技术融合原理、应用场景、优势挑战及典型案例展开分析： 一、核心融合原理 1. …...

编程日记 2025/9/13 3:19:42

DeepSeek赋能大模型内容安全，网易易盾AIGC内容风控解决方案三大升级

在近两年由AI引发的生产力革命的背后，一场关乎数字世界秩序的攻防战正在上演：AI生成的深度伪造视频导致企业品牌声誉损失日均超千万，批量生成的侵权内容使版权纠纷量与日俱增，黑灰产利用AI技术持续发起欺诈攻击。与此同时&#…...

编程日记 2025/9/10 7:37:01

mybatis 细节（${ ..}和#{..},resultType 和 resultMap的区别，别名的使用，Mapper 代理模式）

${..}和#{..} 占位符 #{..} #{}实现的是向prepareStatement中的预处理语句中设置参数值，sql语句中#{}表示一个占位符即?。  <select id"findUserById" parameterType"int" resultType"user"&g…...

编程日记 2025/9/14 18:13:36

电子科技大学考研复习经验分享

电子科技大学考研复习经验分享本人情况：本科就读于电科软院，24年2月开始了解考研，24年3月开始数学，9月决定考本院（开始全天候图书馆学习）并开始专业课学习，11月底开始政治学习，最后…...

编程日记 2025/9/15 9:08:02

一、使用pdfminer提取 import os import re from pdfminer.high_level import extract_text import docx2txt import jiebadef read_pdf(file_path):"""读取 PDF 文件内容:param file_path: PDF 文件路径:return: 文件内容文本"""try:text ext…...

编程日记 2025/9/9 21:41:07

Selenium 与 Coze 集成

涵盖两者的基本概念、集成步骤、代码示例以及相关注意事项。基本概念 Selenium：是一个用于自动化浏览器操作的工具集，支持多种浏览器（如 Chrome、Firefox 等），能够模拟用户在浏览器中的各种操作，如点击、输入文本、选择下拉框等，常用于 Web 应用的自动化测试。Coze：它…...

编程日记 2025/9/12 12:27:12

SQL注入（order by，limit），seacms的报错注入以及系统库的绕过

1：如果information_schema被过滤了，该怎么绕过 1.1：介绍一下information_schema这个库 information_schema 是一个非常重要的系统数据库，它在SQL标准中定义，并且被许多关系型数据库管理系统（RDBMS&#x…...

编程日记 2025/9/11 3:21:52

数据保护API（DPAPI）深度剖析与安全实践

Windows DPAPI 安全机制解析在当今数据泄露与网络攻击日益频繁的背景下，Windows 提供的 DPAPI（Data Protection API）成为开发者保护本地敏感数据的重要工具。本文将从双层密钥体系、加密流程、跨上下文加密、已知攻击向量与防御措施、企业…...

编程日记 2025/9/10 10:20:23

Sqlserver安全篇之_隐藏实例功能和禁用SQL Server Browser服务

总结： 1、隐藏实例功能和禁用SQL Server Browser服务的功能一样，对应非默认实例(且这个默认实例是1433端口)的情况下，都是需要在连接字符串中提供端口号才能连接到实例 2、隐藏实例功能后，就算开启了SQL Server Browser服务&#…...

编程日记 2025/9/10 7:59:32

muduo网络库2

Muduo网络库：底层实质上为Linux的epoll pthread线程池，且依赖boost库。 muduo的网络设计核心为一个线程一个事件循环，有一个main Reactor负载accept连接，然后把连接分发到某个sub Reactor(采用轮询的方式来选择sub Reactor)&…...

编程日记 2025/9/11 3:40:35

【ISP】畸变校正 LDC

ISP（Image Signal Processor，图像信号处理器）中的 LDC（Lens Distortion Correction，镜头畸变校正）是一种用于校正镜头畸变的图像处理技术。镜头畸变是由于镜头的光学特性导致的图像失真现象，主要…...

编程日记 2025/9/11 19:51:11

deepseek 学习资料整理

deepseek 学习资料整理 deepseek_清华大学指导手册_pdf_1-5 无套路，无需关注，无需登录，无需app，直接下载： 下载地址文件列表： 001_清华大学_DeepSeek从入门到精通.pdf 002_清华大学_DeepSeek如何赋能职…...

编程日记 2025/9/14 15:13:50

【deepseek】本地部署+webui访问

背景最近deepseek很火，但是官网的老是被限流使用，还有就是自己也想着玩一玩，于是准备在自己电脑跑一个直接附上结果地址mydeepseek 准备工作 windows和linux都可我这里选择linux，ubuntu系统安装ollama 看下图&#xff0…...

编程日记 2025/9/10 11:44:43

LeetCodeHot100_0x02

LeetCodeHot100_0x02 11. 滑动窗口最大值（不熟） 求解思路： 暴力法的时间复杂度是O(NK)，在K常数较大时复杂度就高了。所以我们要想办法将K优化掉，即本题的难点在于如何在O(1)的时间复杂度求出当前窗口中的最大值。这个…...

编程日记 2025/9/11 18:05:57

STM32MP157A-FSMP1A单片机移植Linux系统SPI总线驱动

SPI总线驱动整体上与I2C总线驱动类型，差别主要在设备树和数据传输上，由于SPI是由4根线实现主从机的通信，在设备树上配置时需要对SPI进行设置。原理图可知，数码管使用的SPI4对应了单片机上的PE11-->SPI4-NSS,PE12-->SPI4-S…...

编程日记 2025/9/14 20:48:47

H7 based Phalanx G1 ETH Data Switch Hub UART Interface 介绍

外接接口配置 H7 based Phalanx G1 ETH Data Switch hub UART interface 1.对外接接口进行详细介绍以下是针对 H7 based Phalanx G1 设备的外接接口配置的详细解析，重点说明其 ETH Data Switch Hub 和 UART Interface 的技术特性与应用场景： 一、核…...

编程日记 2025/9/14 16:03:13

Vue04

自定义指令 directives是Vue的一个配置项这里写自定义指令自定义指令被调用的时机指令与元素成功绑定时指令所在的模板被重新解析时函数式 <span v-big"n"></span> directives:{ big(element,binding){ element.innerText bingin…...

编程日记 2025/9/11 3:00:41

OpenCV（9）：视频处理

1 介绍视频是由一系列连续的图像帧组成的，每一帧都是一幅静态图像。视频处理的核心就是对这些图像帧进行处理。常见的视频处理任务包括视频读取、视频播放、视频保存、视频帧处理等。视频分析: 通过视频处理技术，可以分析视频中的运动、目标、事件等。…...

编程日记 2025/9/14 10:35:54

短剧源码部署搭建小程序搭建IAA+IAP混合解锁模式

在当今数字化内容消费迅速增长的时代，短剧作为一种新兴的内容形式，凭借其短小精悍、节奏紧凑的特点，迅速吸引了大量用户。作为一名软件体验测试人员，我有幸体验了一款集创新与实用为一体的短剧小程序。这款小程序不仅在前端用户体…...

编程日记 2025/9/14 20:46:33

基于 CFD 预测的机器学习第 2 部分：在 Benchmark 应用程序上使用 Stochos 预测流场

了解机器学习和 Stochos 如何彻底改变制造业的 CFD 预测。挑战预测复杂流体动力学场景中的流场一直是工程师和科学家面临的重大挑战。传统的计算流体动力学 （CFD） 方法需要大量的计算资源和时间，因此难以处理实时预测和大规模模拟。此外…...

编程日记 2025/9/8 16:36:31

NLP的预处理数据

处理文本数据的主要工具是Tokenizer。Tokenizer根据一组规则将文本拆分为tokens。然后将这些tokens转换为数字，然后转换为张量，成为模型的输入。模型所需的任何附加输入都由Tokenizer添加。如果您计划使用预训练模型，重要的是使用与之关联的…...

编程日记 2025/9/9 22:35:06

数据结构——单链表

前言 1. 什么是链表链表是一种物理存储结构上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。与顺序表不同，链表的存储数据在内存是随机分布的。 2. 链表的分类链表的种类多种多样，其中最常见的有八种…...

编程日记 2025/9/15 6:03:37

SurfaceFlinger代码笔记

drawLayers是做client合成，合成完以后的buffer会放在RenderSurface里 FrameBufferSurface里的buffer是通过setClientTarget给到HWC的（HWC应该给client合成的buffer留了一个slot) Output.cpp这个文件非常关键，代表着具体一个Display的操作 d…...

编程日记 2025/9/13 20:18:00

Linux-Ansible模块进阶

文章目录 Copy和FetchFile模块 🏡作者主页：点击！ 🤖Linux专栏：点击！ ⏰️创作时间：2025年02月22日18点49分 Copy和Fetch copy和fetch模块实践 copy模块需要注意的点：在收集日志之前…...

编程日记 2025/9/10 10:37:25

【机器学习】强化学习（2）——捋清深度强化学习的思路

在之前学习的过程中我了解到深度学习中很重要的一个概念是反向传播，最近看论文发现深度强化学习（DRL）有各种各样的方法，但是却很难区分他们的损失函数的计算以及反向传播的过程有何不同。在有监督的学习中，损失可以理解…...

编程日记 2025/9/14 6:12:25

touchgfx的工作机制

touchgfx的工作机制一.MVP软件架构 MVP的全称为Model-View-Presenter Model: 就是数据部分,在整个touchgfx应用中,只有一个Model类实例对象,它为所有的Screen屏幕界面服务,可以理解成是一个全局变量区,同时它还负责和后端系统通信 View: 就是UI界面部分,对应于View类,在整…...

编程日记 2025/9/12 10:54:17

Fisher信息矩阵（Fisher Information Matrix, FIM）与自然梯度下降：机器学习中的优化利器

Fisher信息矩阵与自然梯度下降：机器学习中的优化利器在机器学习尤其是深度学习中，优化模型参数是一个核心任务。我们通常依赖梯度下降（Gradient Descent）来调整参数，但普通的梯度下降有时会显得“笨拙”，…...

编程日记 2025/9/11 19:02:38

2025数学建模竞赛汇总，错过再等一年

01、2025第十届数维杯大学生数学建模挑战赛（小国赛） 竞赛介绍：数学建模行业内仅次于国赛和美赛的的第三赛事，被多所高校认定为国家级二类竞赛。赛题类型是国内唯一和高教社杯国赛题型风格完全一致的全国性数学建模竞赛&#xff0…...

编程日记 2025/9/14 7:17:05

设计模式教程：观察者模式（Observer Pattern）

一、模式概述观察者模式（Observer Pattern）是一种行为型设计模式，它定义了一种一对多的依赖关系。一个对象（称为主题）状态发生变化时，所有依赖于它的对象（称为观察者）都会自动得到…...

编程日记 2025/9/14 7:17:03

代码随想录算法训练营第九天| 151.翻转字符串里的单词、右旋转字符串、28. 实现 strStr()、459.重复的子字符串、字符串总结

151.翻转字符串里的单词题目链接：151.翻转字符串里的单词文档讲解：代码随想录翻转字符串里的单词视频讲解：LeetCode：翻转字符串里的单词状态：参考自己写出来的思路： 反转：思路很清晰&#…...

编程日记 2025/9/14 7:17:02

bpmn.js + Node.js_构建高效的后端工作流处理系统

1. 引言 1.1 研究背景与意义随着企业业务的复杂化，传统的流程管理工具已难以满足需求。BPMN（Business Process Model and Notation）作为一种标准化的流程建模语言，结合 bpmn.js 和 Node.js 可以实现高效的工作流管理系统，提升企业的运营效率。 1.3 BPMN 和 bpmn.js 简…...

编程日记 2025/9/14 7:16:58

DeepSeek系统架构的逐层分类拆解分析，从底层基础设施到用户端分发全链路

一、底层基础设施层 1. 硬件服务器集群算力单元： GPU集群：基于NVIDIA H800/H100 GPU构建，单集群规模超10,000卡，采用NVLink全互联架构实现低延迟通信。国产化支持：适配海光DCU、寒武纪MLU等国产芯片，通过…...

编程日记 2025/9/14 7:16:56

嵌入式硬件基础知识

1.电阻(主要是贴片电阻) 01 基础课程-电阻 1.电阻封装 2.相关参数 1.功率额定值： 电阻能够长期承受的最大功率，功率过大可能导致电阻过热或损坏。封装尺寸越大，散热能力越强，功率额定值通常越高。 2.容差： 电阻…...

编程日记 2025/9/14 7:16:54

springboot+dubbo+zookeeper的注册服务和调用实践

目录 zookeeper为什么可作为注册中心zookeeper注册中心优缺点启动zookeeper编写springboot项目提供dubbo服务1. 服务接口2. Springboot引入dubbo实现服务接口2.1 工程目录和依赖2.2 启动程序和application.properties2.3 DubboService 实现服务接口2.4 测试api，用于…...

编程日记 2025/9/14 7:16:53