DeepSeek

大家好，我是小码哥。 牛逼啊，这才几天？ DeepSeek Harness 已经 150k+ Star 了。。 DeepSeek Harness 正式上桌吃饭！！ 这才刚进入开发者预览版，热度就已经这么夸张？？ 它的思路也很有意思： Agent = Model + Harness，模型、工具、Skills、沙箱、存储、调度、UI，全部都可以插件化组合。 感觉今年 AI Coding 的战场，已经不只是卷模型了，都开始卷 Harness 了。 官方网址： https://deepseek.com/harness/ 开源地址： https://github.com/deepseek-ai/deepseek-harness 现在 AI 发展太快了，信息多到爆炸，我只能感叹一句：我真的学不动了…… DeepSeek Harness 为什么火起来了？我感觉就两个原因吧： 1、开源这点和 Claude Code、Cursor 这种闭源产品差别很明显。 闭源的东西再好用，你基本只能按它给你的方式玩，你也不能拿去研究重写什么的。 DeepSeek Harness 不...

大家好，我是小码哥。 今天继续聊聊 DeepSeek R1，不过这次我们要搭配 Cherry Studio 来打造一个本地知识库，让 AI 更懂你、更贴合你的需求。 相比于上一期的 DeepSeek R1 + ima 个人知识库，这次的方案更强大，支持的格式更多，还能方便地管理和检索你的知识内容，简直不要太香！ 1、知识库的痛点在实际工作和学习中，我们经常需要查阅各种资料，比如技术文档、论文、书籍、博客等等。 如果这些资料散落在不同的文件夹、分布在不同的云存储，甚至存储在各种笔记软件，查找起来就很麻烦。而且，如果这些知识点能跟 AI 结合，实现智能搜索和内容生成，那工作效率肯定会大大提升。 上一期的 DeepSeek R1 + ima 个人知识库，它知识库的文档全在云上，对于数据比较敏感的人/公司来说可能是个隐患，这时候搭建一个本地 AI 知识库就尤为重要了。 这就是我们今天要解决的问题：如何用 DeepSeek R1 + Cherry Studio 搭建一个本地 AI 知识库，让 AI 帮你管理和搜索你的知识！ 2、Cherry Studio 知识库介绍Cherry ...

大家好，我是小码哥。 今天继续聊聊 DeepSeek R1 本地部署和可视化访问。 上一期的分享了 DeepSeek R1 本地部署实战教程来了，带可视化界面，非常详细！，使用的是 Ollama + Open WebUI 实现的。 今天再分享一种方案：Ollama + Cherry Studio，这是一种 AI 客户端形式，而非网页，使用起来更简洁，更方便快捷。 Cherry Studio介绍Cherry Studio 是一个支持多服务商集成的 AI 对话客户端，CherryStudio 目前支持市面上绝大多数服务商的集成，并且支持多服务商的模型统一调度。 官网地址： https://cherry-ai.com 它能支持的功能： 多种文档格式：pdf，docx，pptx，xlsx，txt，md，mdx 等等 本地存储：所有数据都保存在本地，不用担心隐私泄露。 内置主流大模型： 支持支持市面上所有的主流 AI 大模型。 AI 辅助：可以基于知识库问答，快速检索知识点，甚至帮助你写作。 安装下载地址： https://cherry-ai.com/download 支...

大家好，我是小码哥。 最近腾讯弄的 ima + DeepSeek 爆了啊，不仅可以用 DeepSeek-R1 满血版，还可用来做 AI 知识库，联网搜索 + AI 知识库，真的是太香了。 ima 官方网站如下： https://ima.qq.com/ ima.copilot —— 一个会思考的知识库，开启搜读写新体验。 下载安装后，在首页就可以切换 DeepSeek-R1 满血版来问答： 在个人知识库中可以上传自己的文档： 创建共享知识库如图创建一个共享知识库： 右上角可以分享知识库、进行权限设置： 上传文件到该知识库： 它会先上传、再解析文档中的内容，完成后就可以针对知识库内容进行问答了。 针对知识库进行提问，可切换 DeepSeek-R1 满血版来问答： 如图所示，针对知识库的提问的结果会显示引用的文档链接： 对于提问的结果可以新建笔记、复制： 个人知识库回到首页，在首页的问答可以加入个人知识库当中： 还可以针对知识库文档解读文档、智能写作： 自从使用了 DeepSeek R1 和 ima，知识管理效率提升了不止一个档次！ 以前需要...

大家好，我是小码哥。 最近我又发现了一款让人 “写代码像开挂一样” 的神器 —— Roo Code + DeepSeek，并成功把它装进了 VSCode，这类插件的出现，简直刷新了我对 AI 辅助编程的认知。 Roo Code 则是一个基于 AI 的自动化编码助手，之前是叫「Roo Cline」，它的前身是「Cline」，因为 Cursor 太贵了，所以它也是 Cursor 的直接替代品。 Roo Code 可以直接嵌入到 VSCode 代码编辑器中，它能够实现以下功能： 使用自然语言进行交流 直接在工作区中读取和编辑文件 执行终端命令 自动化浏览器操作 集成任意 OpenAI 兼容的 API/模型，或者自定义 API/模型 通过自定义模型自适应个性化和能力 通过 VSCode + Roo Code，同样可以实现 Cursor AI 编程的效果。 所以，还在用 Cursor 的小伙伴注意了，VSCode + Roo Code + DeepSeek 直接替代 Cursor！ 首先打开 VSCode 插件市场，搜索「Roo Code」进入安装： 安装完成后...

大家好，我是小码哥。 虽然 DeepSeek 官方提供了可视化聊天界面，但稳定性实在太差了，动不动就服务繁忙，根本没办法正常使用。另外，对于一些对数据隐私、实时性能要求较高的场景，本地部署也是不可避免的选择。 那么，如何本地部署 DeepSeek R1 的模型？ 本篇，开干！ 如何部署 DeepSeek-R1？推荐使用 ollama 部署，方便快捷。 打开 ollama 官网，下载并安装 ollama 应用程序： https://ollama.com/download 常用命令： 命令 说明 serve 启动 Ollama create 创建模型 show 显示模型信息 run 运行模型 stop 停止正在运行的模型 pull 拉取模型 push 推送模型 list 列出所有模型 ps 列出正在运行的模型 cp 复制模型 rm 删除模型 在 ollama 官网找到 deepseek-r1 模型： 如部署 14b 蒸馏版，先下载 ollama 后，再运行以下命令： ollama run deepseek-r1:14b ...

大家好，我是小码哥。 你是不是被 DeepSeek-R1 1.5b、7b、8b、14b、32b、70b、671b 这些概念绕晕了？ 如图所示： DeepSeek-R1 模型有好几种规格，比如 1.5b、7b、8b、14b、32b、70b、671b，后面的数字代表模型的参数量，而 b 则是指 “billion” 的意思，也就是十亿，表示这个模型有多少亿个参数： 1.5b 有 15 亿个参数； 7b 是 70 亿个参数； 8b 是 80 亿个参数； 14b 是 140 亿个参数； 32b 是 320 亿个参数； 70b 是 700 亿个参数； 671b 是 6710 亿个参数。 其中，671b 就是指传说中的 “满血版”，性能最强，也就是官网部署的版本。 这样命名并不是 DeepSeek 的独特之处，其他大模型也都是这样命名的，比如说 llama： 参数量直接决定了一个模型的计算能力和硬件需求，一般来说： 参数越大： 代表模型越聪明，对复杂问题的处理能力越强，但对算力和硬件的要求也越高。 参数越小： 代表模型越轻量化，对算力和硬件的要求越低，适合资源受限的设备。 所以，一...

大家好，我是小码哥。 发现 DeepSeek 已经没办法充值了，官网已经暂停 API 服务充值： 连之前赠送的余额没用完也清零了，许多小伙伴反馈新注册的账号也不再赠送 10 元额度了，看来是属实了。 原来，早在 2 月 9 日，DeepSeek-V3 API 服务的 45 天优惠体验期已经正式结束了，并且还涨价了，最高涨了 400%，涨疯了！！ 最新 API 价格如下： deepseek-chat 模型已经升级为 DeepSeek-V3，deepseek-reasoner 模型为新模型 DeepSeek-R1。 调整前后对比： 调整前： 每百万输入 tokens 费用为 0.1 元（缓存命中）/ 1 元（缓存未命中），每百万输出 tokens 费用为 2 元。 调整后： 每百万输入 tokens 费用为 0.5 元（缓存命中）/ 2 元（缓存未命中），每百万输出 tokens 费用为 8 元。 输入 tokens 费用最高涨幅达 400%，输出 tokens 费用增至每百万 8 元，涨幅达到 300 %，都是暴涨啊。 token 是模型用来表示...