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： 图 3: DeepSeek-r1 AI 知识，严禁拿此资料引流、出书、等形式的商业活动 至此在我们本地电脑，DeepSeek 大模型就下载到我们本地电脑，接下来第 三步就可以直接使用和它对话了。在 cmd(Windows 电脑) 或 terminal(苹果 电脑) 执行命令：ollama run deepseek-r1:1.5b，很快就能进入对话界面，如 下图4所示： 图 4: Ollama 软件启动 deepseek-r1 标签，这里面嵌入的是它的思考过程，不是正式的回复： 图 5: deepseek-r1 回复之思考部分 等我们看到另一个结束标签 think 后，表明它的思考已经结束，下面一行 教程作者：郭震，工作 8 年目前美国 AI 博士在读，公众号：郭震 AI，欢迎关注获取更多原创教程。资 料用心打磨且开源，是为了帮助更多人了解获取 AI 知识，严禁拿此资料引流、出书、等形式的商业活动 就是正式回答，如下图6所示: 图 6: deepseek-r1

通过层次结构图或思维导图展示分解后的各部分及其关系。 5. 结合各部分的结果，撰写一段总结性内容，确保整体连贯。 �实战技巧： • 任务分解 • 结果整合 • 问题定义 • 信息收集 • 分析综合 • 结论形成 1. 明确这个问题的核心要点，然后系统地收集相关信息进行分 析。 2. 列出与主题相关的所有关键概念和理论，并进行系统梳理。 3. 使用逻辑框架图展示信息收集、分析和结论的过程。 TFM借鉴了认知语言学中的“原型理论”和“框架语义 学”，可开发以下技巧： �TFM实施步骤： 1. 定义主题原型：列出主题的关键特征和代表性例子 2. 构建语义框架：创建与主题相关的概念图 3. 设置重点梯度：按重要性排序相关概念和子主题 4. 创建主题引导符：设计特定的关键词或短语来保持 主题聚焦 应用示例 1. 主题原型 • 关键特征：全球变暖、极端天气、海平面上升、生态系统变化 统 4. 制定组合规则：设定如何将随机元素组合在一起的规则 5. 生成组合提示：创建引导AI进行随机组合的提示语 应用示例 元素库构建 随机抽取 假设要为一家咖啡连锁店设计一个创新的营销活动，可以使用RCM来激发创 意。 元素库构建： ▪ 咖啡相关：豆种、烘焙、萃取、风味 ▪ 文化艺术：音乐、绘画、舞蹈、文学 ▪ 科技：AR、VR、AI、物联网 ▪ 环保：可持续、回收、碳中和、生物降解

通过层次结构图或思维导图展示分解后的各部分及其关系。 5. 结合各部分的结果，撰写一段总结性内容，确保整体连贯。 �实战技巧： • 任务分解 • 结果整合 • 问题定义 • 信息收集 • 分析综合 • 结论形成 1. 明确这个问题的核心要点，然后系统地收集相关信息进行分 析。 2. 列出与主题相关的所有关键概念和理论，并进行系统梳理。 3. 使用逻辑框架图展示信息收集、分析和结论的过程。 TFM借鉴了认知语言学中的“原型理论”和“框架语义 学”，可开发以下技巧： �TFM实施步骤： 1. 定义主题原型：列出主题的关键特征和代表性例子 2. 构建语义框架：创建与主题相关的概念图 3. 设置重点梯度：按重要性排序相关概念和子主题 4. 创建主题引导符：设计特定的关键词或短语来保持 主题聚焦 应用示例 1. 主题原型 • 关键特征：全球变暖、极端天气、海平面上升、生态系统变化 统 4. 制定组合规则：设定如何将随机元素组合在一起的规则 5. 生成组合提示：创建引导AI进行随机组合的提示语 应用示例 元素库构建 随机抽取 假设要为一家咖啡连锁店设计一个创新的营销活动，可以使用RCM来激发创 意。 元素库构建： ▪ 咖啡相关：豆种、烘焙、萃取、风味 ▪ 文化艺术：音乐、绘画、舞蹈、文学 ▪ 科技：AR、VR、AI、物联网 ▪ 环保：可持续、回收、碳中和、生物降解

主题标签生成(如新闻分 类) • 垃圾内容检测 Mermaid图表 · 流程图 · 时序图 · 类图 · 状态图 · 实体关系图 · 思维导图 React图表 · 折线图 · 柱状图 · 饼图 · 散点图 · 雷达图 · 组合图表 SVG矢量图 · 基础图形 · 图标 · 简单插图 · 流程图 · 组织架构图 常规绘图 DeepSeek的深度思考过程独树一帜 场景3：日常客户沟通与问题反馈处理 常见问题： 与甲方客户的沟通效率低，信息不对称，导致响应不及时或错误 场景：在日常与甲方客户的沟通中，客户服务人员或项目经理经常需要快速响应客户的各种问 题，例如： • 我们公司的最新促销活动是什么？ • 我的订单状态是怎样的？ • 能否提供更详细的产品规格说明？ • 我们需要调整交货时间，能否协调？ 以往的解决方式： p 客服人员需要手动查阅多个系统（如CRM、ERP、邮件记录等），耗时较长。 较高难度：工作与生活平衡的决策支持 建议的优先顺序 处理时间冲突： 短期内（今天或近期）：首先确定当日最紧急的冲突。一般来说，孩子的重要 表演往往具有不可替代的情感意义，如果会议可以调整或委托同事代为参与， 那么家庭活动可以优先考虑。 与相关方（上级、同事）迅速沟通，争取灵活处理会议安排。 缓解工作压力和失眠： 中短期内：失眠和压力会影响你的整体表现和健康。可以安排一些时间做放松 训练、适量运动、或者短暂休息。必要时安排咨询，调整心态。

DeepSeek如何赋能职场应用？ ——从提示语技巧到多场景应用 中央民族大学 新闻与传播学院 清华大学 @新媒沈阳 团队 向安玲 Innovator For Culture & Art 文、图、乐、剧 Innovator For Social 智能角色交互体 Innovator For Science & Industry 行业大模型 基座大模型 人机协同 Chatbot •自然语言对话 Role（角色） 定义AI的角色： 经验丰富的数据分析师 具备十年销售经验的SaaS系统商务 …… Task（任务） 具体任务描述： 写一份关于XXX活动的小红书宣推文案 写一份关于XX事件的舆论分析报告 （XX活动/事件相关背景信息如下……） Goal（目标） 期望达成什么目标效果： 通过该文案吸引潜在客户，促成消 费……通过该报告为相关企业管理 者提供……策略支撑 熟悉Mermaid的图表类型和语法，能高效将流程转化为代码。 理解流程分析、架构设计及结构化展示等领域知识。 约束: 代码必须符合Mermaid语法规范。 流程和结构表达需准确清晰。 流程图需要有二级、三级等多层级。 输出的代码格式应简洁且易于理解。 工作流程: 询问用户希望绘制哪种类型的图表。 收集详细的流程或架构描述。 根据描述分析并设计图表结构。 生成并输出符合Mermaid语法的代码。

无商业限制的基座的可能性也很高。小应 用开发商很可能很容易获得一个低成本 serving 的“量化小基座”。 “7B”是一个 magic number！无论是 RAG 里的向量表征模型，还是文生图、文本识别 （OCR）、语音合成（TTS）、人脸识别等等垂直领域，一个 1B~7B 的小模型已经可以满足很 多生产、应用需要，并且效果也在逐步推高【8，9，10】。这些模型，作为智能体的“三头六臂”， 确实好用，包括新推出的“光标位置预测” 功能。 但是 AI 编程发展没有那么快，在国内生成代码采纳率还比较低，根据《2024 软件研发应 用大模型国内现状调研报告》，多数团队在 10-40%之间，如图 1 所示。 图 1 大模型（LLM）在编程上的应用及其生成代码的采纳率 在 2024 年，我们还看到了“AI 程序员”Devin 的诞生，Devin 能够独立完成复杂的编码和 调试任务、自主查找和修复代码库中的错误，构建和部署应用程序。在 编程工作，如论文 Flows:Building Blocks of Reasoning and Collaborating AI 所描述的（图 2 所示），构成一个复合竞争性编 码流程，研发人员更多是提需求，由 LLM 和智能体实现自主编程的过程。 图 2 由 LLM 和智能体实现自主编程的过程 随着大模型技术的迅速发展，在今年，我们明显能感到，AI 已从单一的辅助工具，逐渐演 变为软件开发人员不可或缺的助手或伙伴。

在栈上。右侧则是堆 上存放内容的内存部分。 s1 name value ptr len 5 capacity 5 indexvalue 0 h 1 e 2 l 3 l 4 o 图 4-1：将值 "hello" 绑定给 s1 的 String 在内存中的表现形式 长度表示 String 的内容当前使用了多少字节的内存。容量是 String 从分配器总共获取了多少 字节的内存。 ptr len 5 capacity 5 indexvalue 0 h 1 e 2 l 3 l 4 o s2 name value ptr len 5 capacity 5 图 4-2：变量 s2 的内存表现，它有一份 s1 指针、长度和容量的拷贝 这个表现形式看起来并不像图 4-3 中的那样，如果 Rust 也拷贝了堆上的数据，那么内存看起 来就是这样的。如果 Rust 5 capacity 5 indexvalue 0 h 1 e 2 l 3 l 4 o 图 4-3：另一个 s2 = s1 时可能的内存表现，如果 Rust 同时也拷贝了堆上的数据的话 之前我们提到过当变量离开作用域后，Rust 自动调用 drop 函数并清理变量的堆内存。不过图 4-2 展示了两个数据指针指向了同一位置。这就有了一个问题：当 s2 和 s1 离开作用域，它们 都会尝试释放相同的内存。这是一个叫做

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300 8.15 graphlib --- 操作类似图的结构的功能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302 8.15.1 异常 . . . . . . . . . 名称，从而令代码更易维护。这种用法与其他编程语言中 super 的用法非常相似。 第二个用例是在动态执行环境中支持协作多重继承。此用例为 Python 所独有而不存在于静态编码语言 或仅支持单继承的语言当中。这使用实现“菱形图”成为可能，即有多个基类实现相同的方法。好的 设计强制要求这样的方法在每个情况下都具有相同的调用签名（因为调用顺序是在运行时确定的，也 因为这个顺序要适应类层级结构的更改，还因为这个顺序可能包括在运行时之前未知的兄弟类）。 __enter__() 返回其自身，以允 许open() 被用作 with 语句中的上下文表达式。 一个返回关联对象的上下文管理器的例子是decimal.localcontext() 所返回的对象。此种管理器 会将活动的 decimal 上下文设为原始 decimal 上下文的一个副本并返回该副本。这允许对 with 语句的 语句体中的当前 decimal 上下文进行更改，而不会影响 with 语句以外的代码。

各种枚举有何区别？ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279 8.15 graphlib --- 操作类似图的结构的功能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281 8.15.1 异常 . . . . . . . . . . . 们的名称，从而令代码更易维护。这种用法与其他编程语言中 super 的用法非常相似。 第二个用例是在动态执行环境中支持协作多重继承。此用例为 Python 所独有而不存在于静态编码 语言或仅支持单继承的语言当中。这使用实现“菱形图”成为可能，即有多个基类实现相同的方 法。好的设计强制要求这样的方法在每个情况下都具有相同的调用签名（因为调用顺序是在运行时 确定的，也因为这个顺序要适应类层级结构的更改，还因为这个顺序可能包括在运行时之前未知的 __enter__() 返回其自身，以允 许open() 被用作 with 语句中的上下文表达式。 一个返回关联对象的上下文管理器的例子是decimal.localcontext() 所返回的对象。此种管 理器会将活动的 decimal 上下文设为原始 decimal 上下文的一个副本并返回该副本。这允许对 with 语句的语句体中的当前 decimal 上下文进行更改，而不会影响 with 语句以外的代码。 contextmanager

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 8.15 graphlib --- 操作类似图的结构的功能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290 8.15.1 异常 . . . . . . . . . 名称，从而令代码更易维护。这种用法与其他编程语言中 super 的用法非常相似。 第二个用例是在动态执行环境中支持协作多重继承。此用例为 Python 所独有而不存在于静态编码语言 或仅支持单继承的语言当中。这使用实现“菱形图”成为可能，即有多个基类实现相同的方法。好的 设计强制要求这样的方法在每个情况下都具有相同的调用签名（因为调用顺序是在运行时确定的，也 因为这个顺序要适应类层级结构的更改，还因为这个顺序可能包括在运行时之前未知的兄弟类）。 __enter__() 返回其自身，以允 许open() 被用作 with 语句中的上下文表达式。 一个返回关联对象的上下文管理器的例子是decimal.localcontext() 所返回的对象。此种管理器 会将活动的 decimal 上下文设为原始 decimal 上下文的一个副本并返回该副本。这允许对 with 语句的 语句体中的当前 decimal 上下文进行更改，而不会影响 with 语句以外的代码。