. . . . . . 5 1.4 基础概念 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.4.1 上下文窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.4.2 单位 B 和 T . . . . . . . . . . . . . . 5 1.4 基础概念 1.4.1 上下文窗口 上下文窗口指的是模型一次可以处理的最大文本长度。这个长度通常用“to- kens”（标记）来表示，每个标记可以是一个单词、子词或单个字符，具体取决 于编码方式。 上下文窗口大小决定了模型在回答问题或生成文本时可以利用的上下文范 围。窗口越大，模型就能处理越长的上下文，对理解长文本内容非常重要。 较大的窗口允许模型处理更长的文本片段，从而提高在长文本任务中的表 Llama3，打开新的终端/命令行窗口，执行以下命令： ollama run llama3 程序会自动下载 Llama3 的模型文件，默认是 8B，也就 80 亿参数版本，个 人电脑完全可以运行。等待安装完成，如图 12 所示。 14 Figure 12: Ollama 里下载 Llama3 界面 以上就已经安装完毕，到现在大模型已经在本地部署完成。 3.1.3 使用 Llama3 打开一个终端窗口，再次输入

脑配置要求降 到最低，普通电脑也能飞速运行。 1.2 DeepSeek 本地部署三个步骤 一共只需要三步，就能做到 DeepSeek 在本地运行并与它对话。 第一步，使用的是 ollama 管理各种不同大模型，ollama 比较直接、干净， 一键下载后安装就行，安装过程基本都是下一步。 不知道去哪里下载的，可以直接在我的公众号后台回复：ollama，下载这个 软件，然后装上，可以拿着手机扫码下图1直达我的公众号： AI 知识，严禁拿此资料引流、出书、等形式的商业活动 图 1: 我的公众号：郭震 AI 安装后，打开命令窗口，输入 ollama，然后就能看到它的相关指令，一共 10 个左右的命令，如下图2所示，就能帮我们管理好不同大模型： 图 2: Ollama 常用的命令 第二步，命令窗口输入：ollama pull deepseek-r1:1.5b，下载大模型 deepseek- r1 到我们自己的电脑，如下图3所示：

案、法律意见书等，提高律师工作效率。 • 智能医疗数据分析与诊断：构建智能医疗 平台，分析病历、检查报告和基因数据，帮助 医生提供更准确的诊断与治疗方案。 • 金融风险预测与管理：开发金融风险分析 工具，收集并分析市场数据，预测风险并为金 融机构提供管理建议。 • 智能文学创作辅助：为作家提供创作灵感 和文本构思，生成符合中文文学传统的故事情 节和诗句，助力突破创作瓶颈。 • 智能广告创意生成：根据产品特点和目标 高频交易数据分析：利用o3mini快速处理 高频交易数据，识别市场趋势和交易模式，为 交易者提供实时决策支持。 • 数据报告自动化生成：基于o3mini自动 生成格式化的数据报告，包括图表、表格和文 字说明，帮助管理者快速理解分析结果。 • 数据接口标准化：根据标准格式输出数据， 利用o3mini方便不同系统和平台之间的数据 共享，提升跨机构协作效率。 • 情感分析与数据解读：利用o3mini结合 情感分析，对数据进行深入解读，帮助市场调 转化文献为连贯文章：可以将现有的文献资料进行分析 和整合，转化为逻辑连贯的新文章，为学者和知识工作 者提供了极大的便利。  多智能体协作对话：Co-STORM模式引入了协作对话 机制，并采用轮次管理策略，实现流畅的协作式AI学术 研究。 用户体验对比：使用步骤 PubScholar平台官网：https://pubscholar.cn/  输入关键词：进入官网后，在搜索框键入关键词进行文献检索。

识和上下文。 提示语的基本元素可以根据其功能和作用分为三个大类：信息类元素、结构类元素和控制类元素： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括： - 预留的应急资金比例 - 主要成本控制措施 8. 质量控制计划（900字内）：列出3—5个关键的质量控制点和相应的检查标准。 包括内容质量、用户体验、技术实现等方面。 9. 风险管理矩阵（1200字内）： 识别5—7个潜在风险点，评估其发生概率和影响 程度。为每个高风险项目制定具体的预防和应对措施。 10. 利益相关者沟通计划（1800字内）：设计一个定期向各利益相关者（如高管、 响应流程和补救措施。 12. 执行后评估机制（700字内）：设计一个项目后评估框架，包括效果评估、经 验总结和持续优化建议。指明评估的时间点和主要维度。 创新执行工具： 推荐1—2个创新的项目管理工具或方法，解释它们如何能提升执行效率和灵活性。 请基于以上要求，生成一份全面、精确且具有可操作性的执行方案。方案应体现 出对创意概念的忠实执行，对传播策略的有效支持，以及对各种可能情况的周全考虑。

识和上下文。 提示语的基本元素可以根据其功能和作用分为三个大类：信息类元素、结构类元素和控制类元素： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括： - 预留的应急资金比例 - 主要成本控制措施 8. 质量控制计划（900字内）：列出3—5个关键的质量控制点和相应的检查标准。 包括内容质量、用户体验、技术实现等方面。 9. 风险管理矩阵（1200字内）： 识别5—7个潜在风险点，评估其发生概率和影响 程度。为每个高风险项目制定具体的预防和应对措施。 10. 利益相关者沟通计划（1800字内）：设计一个定期向各利益相关者（如高管、 响应流程和补救措施。 12. 执行后评估机制（700字内）：设计一个项目后评估框架，包括效果评估、经 验总结和持续优化建议。指明评估的时间点和主要维度。 创新执行工具： 推荐1—2个创新的项目管理工具或方法，解释它们如何能提升执行效率和灵活性。 请基于以上要求，生成一份全面、精确且具有可操作性的执行方案。方案应体现 出对创意概念的忠实执行，对传播策略的有效支持，以及对各种可能情况的周全考虑。

、安 全/治理等 7 个部分组成，如图 2 所示。 5 图 2 人工智能标准体系框架图 6 四、重点方向 （一）基础共性标准 基础共性标准主要包括人工智能术语、参考架构、测试评估、 管理、可持续等标准。 1. 术语标准。规范人工智能相关技术、应用的概念定义， 为其它标准的制定和人工智能研究提供参考，包括人工智能相关 术语定义、范畴、实例等标准。 2. 参考架构标准。规范人工智能相关技术、应用及系统的 方面的测试及评估的指标要求，包括与人工智能相关的服务能力 成熟度评估，人工智能通用性测试指南、评估原则和等级要求， 企业智能化能力框架及测评要求等标准。 4. 管理标准。规范人工智能技术、产品、系统、服务等全 生命周期涉及的人员、组织管理要求和评价，包括面向人工智能 组织的管理要求，人工智能管理体系、分类方法、评级流程等标 准。 5. 可持续标准。规范人工智能影响环境的技术框架、方法 和指标，平衡产业发展与环境保护，包括促进生态可持续的人工 模型表达和格式、模型效果评价等，包括自监督学习、无监督学 习、半监督学习、深度学习、强化学习等标准。 2. 知识图谱标准。规范知识图谱的描述、构建、运维、共 享、管理和应用，包括知识表示与建模、知识获取与存储、知识 融合与可视化、知识计算与管理、知识图谱质量评价与互联互通、 9 知识图谱交付与应用、知识图谱系统架构与性能要求等标准。 3. 大模型标准。规范大模型训练、推理、部署等环节的技 术

对 措施。关注安全风险发展变化，快速动态精准调整治理措施，持续优化治理机 制和方式，对确需政府监管事项及时予以响应。 1.3 技管结合、协同应对。面向人工智能研发应用全过程，综合运用技术、 管理相结合的安全治理措施，防范应对不同类型安全风险。围绕人工智能研发 应用生态链，明确模型算法研发者、服务提供者、使用者等相关主体的安全责 任，有机发挥政府监管、行业自律、社会监督等治理机制作用。 共享最佳实践，提倡建立开放性平台，通过跨学科、跨领域、跨地区、跨国界 的对话和合作，推动形成具有广泛共识的全球人工智能治理体系。 2. 人工智能安全治理框架构成 基于风险管理理念，本框架针对不同类型的人工智能安全风险，从技术、 管理两方面提出防范应对措施。同时，目前人工智能研发应用仍在快速发展， 安全风险的表现形式、影响程度、认识感知亦随之变化，防范应对措施也将相 应动态调整更新，需要各方共同对治理框架持续优化完善。 对训练数据进行严格筛选，确保不包含核生化导武器等高危领域敏 感数据。 （d） 训练数据中如包含敏感个人信息和重要数据，应加强数据安全管理， 符合数据安全和个人信息保护相关标准规范。 （e） 使用真实、准确、客观、多样且来源合法的训练数据，及时过滤失 效、错误、偏见数据。 （f） 向境外提供人工智能服务，应符合数据跨境管理规定。向境外提供 人工智能模型算法，应符合出口管制要求。 4.1.3 系统安全风险应对 （a）对

多轮对话 图像生成 视频生成 音频生成 A I 数字人 生物制药 新材料研究 脑机接口 基础科学 能源自由 宇宙探索 生命科学 科学 能力 6 AI Fo r Science 知识管理（ 内部知识管理、 外部情报分析、 大数据分析、 工作流知识） 专家经验模型（ 专业模型训练） 业务流程自动化（ A g e n t框架） 组织协同（ 工作流） 人机交互 赋能个人和 企业员工 生产力提升 不能处理复杂流程，无法下地干活儿 通用大模型不了解企业内部业务情况、行业情况 58政企、创业者必读 知识管理是大模型更 懂企业的基础 59 解决企业应用，需要打造专业大模型 要解决四个关键基础 以业务大模型为基础， 打造自主工作的数字 员工和AI团队 实现多个Agent、多个 数字化系统、多个组织 之间的协同 知识 管理 融合 工作流 业务大模型 打造 构建 智能体 基于政府企业场景和专业 多模态数据处理和理解 非结构化文档处理和理解 搜索，辅助内部办公和外部客户服务 为业务大模型RAG做准备 内部知识管理 • 把企业内部的碎片化知识， 把专 家头脑中的经验转化为显性知识 管理起来， 如员工邮件、 文档文 件、 聊天记录、 工作记录等 工作流知识管理 1 外部情报分析 • 抓取外部情报， 例如行业报告、 市 场情报等 2 多模态处理 • 用大模型多模态能力把非结构化

提供高效的存储和检索能力。通过数据向量化，实现了 在向量数据库中进行高效的相似性计算和查询。 根据向量数据库的的实现方式,可以将向量数据库大致分为两类： 原生的向量数据库专门为存储和检索向量而设计， 所管理的数据是基于对象或数据点的向量表示进行 组织和索引。 包括 等均属于原生向量数据库。 除了选择专业的向量数据库，对传统数据库添加 “向量支持”也是主流方案。比如 等传 统数据库均已支持向量检索。 基础设施：大模型框架及微调 (Fine Tuning) 大模型框架指专门设计用于构建、训练和部署大型机器 学习模型和深度学习模型的软件框架。这些框架提供了 必要的工具和库，使开发者能够更容易地处理大量的数 据、管理巨大的网络参数量，并有效地利用硬件资源。 微调（Fine Tuning）是在大模型框架基础上进行的一个 关键步骤。在模型经过初步的大规模预训练后，微调是 用较小、特定领域的数据集对模型进行后续训练，以使 / 32 大模型应用现状：首批备案上线的中国大模型 8 月 31 日，百度、字节、商汤、中科院旗下 紫东太初、百川智能、智谱华章等 8 家企业 / 机构的大模型产品首批通过《生成式人工智能 服务管理暂行办法》备案，可正式上线面向公 众提供服务。 具体包括：百度（文心一言）、抖音（云雀大 模型）、智谱 AI（GLM 大模型）、中科院 （紫东太初大模型）、百川智能（百川大模 型）、商汤（日日新大模型）、MiniMax

体系化 方案不可行 Python验算 无符合数字 有符合数字 如何使用DeepSeek处理生活中的事务 “生活太累？DeepSeek帮你‘减负’到家！ 场景1：职场妈妈的晨间战役（日常琐事管理） 优先级排序（幼儿园事务＞会议准备＞生活采购） 生成最优动线：地图标注幼儿园/干洗店/超市与公司的位置关系 即时服务对接： ✓ 调用社区跑腿API下单手工材料配送 ✓ 接入干洗店智能柜系统预约取件码 提供更多背景信息（如需要） 情景还原：你是一个白领，面临以下事情：19:00女儿钢琴比赛 vs 跨国并购会议、季度裁员指标压力导致失眠、 健身教练多次提醒体脂率超标、父母体检报告出现异常指标 场景3：突发事件应急管理与跨界协调 情景还原：台风突袭导致孕期34周妻子被困郊区、数据中心备用电源仅能维持4小时、急需转移独居失智老 人、社区抢购导致物资短缺 DeepSeek应急协议： ① 资源热力图： 实时整合气象局数据/道路塌方报告/医院接诊状态 我。” 场景2：婆媳关系中的代际冲突 背景：你和丈夫结婚后，和公婆住在一起。由于代际差异，你和婆婆在教育孩子、家务分配、生活习惯等问题上频 频发生矛盾。婆婆习惯于传统的方式，而你则希望以更现代的方式管理家庭事务。一次争吵后，气氛变得紧张，双 方都感到不满。 目标：通过有效的沟通和理解，缓解婆媳关系中的代际冲突，找到双方都能接受的解决方案，改善家庭氛围。 妥善处理策略 1.冷静下来，避免情绪化反应