家庭用户和专业用户得到的 是同样的软件同样的功能 • 每六个月发布一次，免费技 术支持 • 区分专业版和家庭版 • 发布周期较长，发布计划不 明确 安全性 • 锁定超级用户 root • 很少成为病毒和恶意软件的 目标 • 很容易启用超级用户 • 经常成为病毒和恶意软件的 目标 可定制性 • 方便改变系统设计和进行个 性化配置 • 绝大部分附加软件不会带来 额外费用 • 标准化的操作系统，个性化 升级到下一个。Microsoft 计划的发布不频繁并且对用户并不完全透明。 安全方面 Ubuntu 很少成为病毒和恶意软件的目标。超级用户 root 默认被锁定，只 有特定的任务可以以超级用户权限运行。而 Microsoft Windows 中用户可以直接使 用超级用户。 图 I.6 Ubuntu 安 全 Ubuntu 介绍 15 Ubuntu 桌面培训 目录 自定义：通过这门课程您很快就会发现， 源页面的链接，单击进入并保存那个页面的地址。这 个地址就是 Feed 源。 74 使用 Feed 阅读器 目录 Lucid Lynx 图 III.18 找 到 指 向 Feed 源 页 面 的 链 接 3. 启动 Liferea。在应用程序菜单中，用鼠标指向 Internet，然后单击Liferea Feed Reader 使用互联网 75 Ubuntu 桌面培训 目录 图 III.19

推理模型那样复杂的推理和决策能力。 维度 推理模型 通用模型 优势领域 数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务（如诗歌创作） 需要严格逻辑链的任务（如数学证明） 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强，仅在其训练目标领域显著优于通用模型 通用场景更灵活，但专项任务需依赖提示语补偿能力 • 例如： 目标 + 选项 + 评估标准 要求逻辑推演和量化分析 直接建议，依赖模型经验归纳 2. 分析需求 需深度理解数据/信息、 发现模式或因果关系 问题 + 数据/信息 + 分析 方法 触发因果链推导与假设验 证 表层总结或分类 3. 创造性需求 需生成新颖内容（文本/ 设计/方案） 主题 + 风格/约束 + 创新 方向 结合逻辑框架生成结构化 创意 自由发散，依赖示例引导 增强生成内容的全面性 涌现思维模型：利用集体智慧的提示语设计 提示语链的概念与特征 提示语链是用于引导AI生成内容的连续性提示语序列。通过将复 杂任务分解成多个可操作的子任务，确保生成的内容逻辑清晰、 主题连贯。从本质上看，提示语链是一种“元提示”（meta-prompt） 策略，它不仅告诉AI“做什么”，更重要的是指导AI“如何做”。 提示语链的设计和应用建立在多个理论基础之上，包括认知 心理学

响应速度快，高效输出数据分析 结果，分析各因素对关键指标生 存率的影响，语言表达自然，重 点突出结合历史背景对数据规律 进行验证，但没有察觉数据异常。 DeepSeek R1 详细展示长思维链，精准提取关键指 标“幸存率”，分析多个因素特征对 幸存率的影响，结合历史背景对数据 及规律进行验证，并敏锐察觉数据异 常，提出了异常处理建议。 1、读取titanic遇难者名单excel 2、找出其中规律 思 维 链 展 示 推 理 路 径 自 我 修 正 DeepSeek R1 的核心突破在于其通过强化学习驱动的推理能力。该 模型在训练过程中，通过强化学习技术，显著提升模型的推理能力， 使其在数学、编程和自然语言推理等任务上表现出色。 传统依赖： 大规模监督微调（SFT） 创新思路： 强化学习（RL）驱动  推理效率 • 长思维链支持：DeepSeek R1 支持长链推理，能够生成数万字的 支持长链推理，能够生成数万字的 思维链，显著提高复杂任务的推理准确性，其长链推理能力在数学、 编程和自然语言推理等任务中表现出色。 • 多模态任务处理：DeepSeek R1 在多模态任务中表现出色，能够 处理复杂场景下的逻辑、公式识别及自然图像等问题，显示出其在 多模态任务中的广泛应用潜力。 训练方法：数据冷启，阶段递进 DeepSeek R1 采用了冷启动数据和多阶段训练的策略，以进一步提升模型的推理能力和可读性。

responseFuture.waitResponse(timeoutMillis)获取响应 发送成功，没有响应对象说明超时 2. invokeAsyncImpl 异步调用实现 异步一般链路耗时比较长， 为了防止本地缓存的 netty 请求过多， 使用信号量控制上 限默认 2048 个 获取是否可以处理请求 构建一次释放对象 构建 responseFuture