一个 a p i 白嫖十八家大模型,每月白领十七亿投肯 get 汉堡上最香的 ai 工具 free l i m a p i。 真亲测好用!以前我们领免费投肯这个平台注册一个 key, 那 个平台再注册一个 key, 用的时候还得分半天笔记,看哪个 平台,哪个 k p i 该怎么用,用着麻烦不说,时间长了,你的免费额度都得吃亏。现在 free l l m a p i 一 来,这个问题直接就解决了,它把所有散落的免费 a p i 都统一到了一起,提问时还会自动挑速度最快不限速的模型,一个字,绝。 那话不多说,咱直接上教程。首先我们打开 get help, 搜索 free l i m a p i, 找到它的桌面应用安装程序,一键下载就可以了。然后我们打开应用,开始薅羊毛,在密匙窗口下滑,找到添加提供方密匙,想用哪个提供商, 你直接就选粘贴好 p, 配置成功后点一下检查,如果显示健康,就证明这条接口可用。我这里是加入了制服 l i m 七 一和 opencode 进来做演示,可以看到我这里已经整合好了六千二百万的免费投屏,并且接入了六个大模型。如果你想优先用某个模型,也可以在应用的首页设置路由策略, 想用哪个直接往上拖拽置顶就行,也可以用官方设定好的路由策略或者自定义调试。接着咱再去给你的 ai 工作站配好 a p i t。 我 这里演示用的是 chris studio。 打开右上角的设置,把 free l l m api 的 统一 api 密匙粘贴进输入框,在 api 地址这里输入 u l l, 然 点获取模型,选择 auto 就 可以了,我们来验证一下成没成功。比如我这里让他搜索居深研析社的资料,很快就出了结果,也很详细啊。我们也可以打开后台看一下模型调用的情况。这里成功率、延迟都调用了哪些模型,用了多少量都能看到接口完全是通了。那现在你就可以开始畅享你的十七亿头克了。如果你想用这个 ai 工具,我 还得跟你聊几个需要注意的点,我一说你就懂一个,就是 free l m a p i 它能调用的模型能力上限比较低,最高规格只到 z l m 四点五, 这些用完以后会退到更弱的模型,它可能会导致任务执行不流畅,或者上下文风格记忆逻辑断裂。所以说 free l m a p i 只适合个人轻度测试,写代码小样或者学习调试。如果是长期项目商用,需要稳定的输出,那就不建议依赖。最后呢,哪里整不明白,记得加个关注,在评论区可以问我。
粉丝153获赞3959

这一次咱们来聊一聊我们程序当中常见的 api request。 好, 那之前呢,我们的程序可以读取这些文件当中的内容,作为它操作的数据, 实际上呢,我们将要了解的这个 api, 它也是为我们的程序提供数据的。好,这是它的一个用处。呃,那这三个字母呢?实际上是 application, programming、 interface 这三个单词的缩写,那么前两个单词呢?就是应用程序,第三个单词 interface 是 接口的意思。 接口,那就肯定是说把两端连接一起,所以呢,实际上说我们使用数据是一个程序,那么提供数据的这个 api, 实际上它就是另外一个程序啊, 所以呢,在这啊,所谓 api 接口,它就是另外一个程序,这个是一个整体啊。好,那在这呢,我还要再介绍一个术语,那就是我们的程序向 api 接口,也就是向另外一个程序 去要数据,这个动作被称之为请求,然后 a p i 接口这另一个程序把数据返回给。呃,我们的这个程序这个动作叫做响应啊,两个单词分别是 request, response。 啊, 那到目前为止这些呢,都是知识点啊,那我们再继续。呃,那它什么样的一个形式呢?我们现在看到,那它就是一个网址的这样一个形式,那其中前边这部分我们把它称之为域名,实际上它代表着某一个网站的服务器, 你说我这个 api 接口向哪一个网站服务器去请求啊?哎,就是前边这段内容,那我们刚才还说另外一个程序,现在我怎么又跳到说网站服务器呢? 实际上我们所谓的另外一个程序是给其他程序,给其他浏览器提供数据的,所以呢,就是给其他程序 提供数据,这个就作为一个服务,所以我们把这个程序叫做服务器,而且通常情况下我们是以一个网站的形式,所以我们把这个所谓 api 接口啊,另外这一个程序称之为服务器,或者说网站服务器啊,好,可能会有一些细微的差别,暂时我们这样去理解没有问题。 那剩下的部分呢?这一部分看似呢,其实有规律,比如说问号,比如说这个按的符,但是呢,这一部分其实是完全由我们服务器端的这个程序,也就是 api 接口程序它去自定义的,那我们在这可能是 y y y, 那 比如说呢,我可能会写一个 user 哎,表示我 可以给你返回呃用户相关的数据,那比如说你可以是 course, 那 我给你返回课程相关的数据啊。问号后边呢?比如说我现在写的是 sex 等于一,然后 and age 等于十八,那可能是说我想查询,或者说我想获取性别是呃男的年龄是十八的这个信息。 但实际上呢,具体的这个接口肯定有具体的一个规范啊,他会有一个接口文档,我们使用接口的话,那肯定是要呃去阅读这个接口文档的啊,然后我们才能根据那个文档的要求去填写这些请求的参数啊。所以在这呢,我们就没有必要去纠结他 来过来,那为了去了解这个 a p i 接口儿,我们在这儿呢,不自己去写啊,我们以这个 github a p i 来去认识 api 接口儿啊。好,那在这儿呢,我们首先要说一下什么是 github? 呃,实际上我们在实际工作中有很多的代码开发者会将自己的这个代码以代码仓库的形式保存到 github 这个网站啊,也就是说它是一个网站,然后很多程序员把自己的代码存储到这个网站上边去存储的一个单位,比如说他写两个项目,那就是两个代码仓库, 那这个代码仓库呢?叫 repository 啊,这么一个单词啊。好,那最好也能够记住,记不住也没关系啊,来,那我们再继续。实际上那你比如说,呃,我们的代码放到这个 github 上边去啊?那为什么要放这个上边去啊?因为,呃,方便我们 这个部署啊,就是放到这个服务器上去运行,这个我不去细说。然后呢,实际上我们如果它这个代码仓库被设置为公有公开的,那就是别人可以看到, 那我们可以看到什么信息呢?比如说他这个代码仓库的名称,以及他这个代码仓库里边保存的这个项目代码主要是干什么的?哎,这个描述信息。然后呢?这个仓库是谁创建的?所有者是谁啊?这个这个代码是属于谁的?然后以及我们要想看这个代码仓库,我们得通过一个浏览器的地址,那这个地址 啊又是什么?以及说那他存储的这个代码是用 python 写的还是用 java 写的啊?或者用 go 写的啊?这个我们也可以看到他的这个编程语言, 以及说呢,当他公开他的代码的时候,因为,呃所有人都能看到,那如果说觉得他写的这个代码对我有用啊,对其他人有用,那我表示赞赏,所以我就可以给他一个小星星啊,我在这加了一个 s 啊,那如果说这个仓库 它具有很多 star, 那 就是说有很多人来对它表示支持啊,给它一朵小红花的那种感觉啊,只不过在这是给它一个小星星,那就代表这个代码仓库很优秀。 哈,是这么个意思啊,好,那回来我们简单说了一下这个 github, 那 么,呃,我们要以 github 它提供的这个 api 接口,我们来去做练习,那我们现在看到的这一长串的 u r l 或者说这个网址,这个就是 a p i 啊,好,那在这呢,呃,我不打算给大家去细解释这个东西啊,因为等我们以后自己去写的时候,呃,才更好地去理解它。就是在这,我们没有必要去呃,刻意的去记它。 好,过来,那刚才那个地址呢,我们可以把它复制一下,直接放到浏览器地址栏这一回车。哎,那我们就可以拿到啊,一些数据信息,那我们现在看到的大部分的这个 json 格式的这个信息就都是 github 这个 api 给我返回的数据啊,一大堆啊。好,那我们继续。刚才呢,我们只是手动地在浏览器地址那直接把这个 api 直接放在那,回车啊,我们就得到数据了。那实际上呢,我们大多数情况下是通过代码的形式使用这个 api 接口啊,或者说向 api 接口发出请求的啊。 好,那接下来呢,我们就演示这个代码的形式啊,要使用代码去请求,我们必须安装这个 requests 模块,注意是 request 后边再加一个 s 啊,这是我们这个 python 一个模块。好,那安装它的命令是 pip install requests, 这样呢就安装成了, 待安装成之后呢,呃,我们就可以接着来写我们的代码了啊,那在这呢,我们首先创建一个文件,它就叫 python 下划线 repost r e p u s 那 没有写全啊,就是刚才那个 repository, 呃,那么一个单词仓库的意思,好,文件名是它,然后呢,我们就直接导入这个 requests 模块儿啊,这个单词它本身就是请求的意思嘛,那我们要想获取数据,当然是要请求啦啊,那接着 我们在这呢写了一个 url 地址,其实就是 a p i 这个接口请求地址,因为它太长了啊,所以在这呢先写第一行,然后第二行呢用加,等于把两个长的字母串拼到一起了啊,是这个意思 啊,如果说你英文比较好的话,我们可以看一下,就是 h t t b s 然后 a p i 点 github 点 com, 然后呢,这部分是域名,后边 search 表示我要查询。然后呢,再后边单词 repository, 那就是仓库,还是一个复数形式啊,然后第二行的这个问号 q q, 一 般来说代表的是 query 啊,是查询的意思,然后等号 language 是 语言啊,再冒号 python, 那 就意思是说我要查询这个 github 上边的仓库,并且仓库里边的这个程序代码是由 python 语言编写的,这就是查询条件了。 加号 sort s o r t 是 排序的意思,冒号 stars, 那 就是按照这个星星数来排序啊,再写一个加号 stars, 冒号大于一万,那就是说这个仓库啊,我要找的是, 呃,首先是 python 语言的呃,代码仓库,并且呢按这个 star 数来排序啊,而且我要找所有 star 数 大于一万的啊,要不然的话,这这个代码仓库会特别多啊,可能会上百万个仓库,而呃,这个它的 star 数大于一万的,这个就少很多了啊,总之呢,这就是一个网址,我们这样去理解它啊。好, 那接下来,哎,我们要写这么一个信息,从数据类型上来说,它是一个字典啊,就是 dick 啊,或者呃 dictionary 啊, 呃,也就是说它是有键值座的,我特意指在这个冒号这个位置啊,那它的 key, 它的键是 accept, 不 管它什么意思啊,虽然它是什么接受的意思。后边呢,是说明啊,它要接收什么样类型的这个数据,我们也不管它啊,就 大致好像它意思是说啊,我要接收版本第三个版本的 jason 格式的这个数据啊,我们就这样去理解就行了啊,总之这是一个字典,实际上它是一个附加信息 headers 啊。好,那接下来这行代码比较关键,我们可以看到 request 点儿 get 啊,那么我们就通过这个 request 这个模块调用它的 get 方法。呃,为什么是 get 呢?其实 get 不 就是获取的意思吗?啊,所以在这是 get, 当然,呃,如果说随着我们深入学习, 也会有其他的这个动词啊,比如说 post, 比如说呃 put, 比如说 delete 啊, page 一 些啊,呃,当然我们在这儿呢,主要的呃,还是 get 和 post 的 比较多。在这儿我们就先认识这个点儿 get 这个方法啊,好,那就是说我用这个模块的 get 方法, 尝试去请求数据,获取数据,向哪儿去请求?把 url 地址作为第一个参数放在这儿了,那这个 url 参数呢?其实呢,说明了说我要向 github 那 个网站去请求数据,然后有一些请求的条件也在这个里边儿啊。这个, 呃,代码的语言是 python, 而且按照它的这个星星数去排序,要求星星数必须大于一万。哎,这个条件也有了啊,但是呢,后边第二个参数 hash 啊,叫请求的头部信息,其实呢就是一些附加的信息,那这个附加信息呢?就是跟这个,呃, api 接口,或者说这个服务器说,呃,我告诉你前面,我告诉你我要什么样的数据,然后呢?在这我还要补充说明,哎,你给我返回的这个数据啊,应该是 jason 格式啊,我才能够处理 好啊,那这个呢,就是一个完整的一个请求了,然后这这个 r 就是 请求之后返回的这个结果,它是响应对象, 首先它是一个对象啊,响应这个单词,那对应的是有请求才有响应嘛?请求 request, 响应 response, 这个是响应,就是我们拿到服务器给我们返回的这个信息了,这个数据了,它本身是一个对象啊。 好,那对象呢?它有一个属性,我们可以打印一下,叫状态码啊,我在这写的是 r 点 status 下划线 code, 这个叫响应状态码,通常情况下就是二百,二百就意味着我请求成功了。哎,我们就这样去理解它啊。 好,呃,那我们先不去看,然后接着往下走,我们说 r 是 一个对象,然后呢? r 啊,它有还有一个属性是 txt, 这个 txt 是 我们真正的想要查询的,想要获取的那个数据。哎,在这个里边,它是一个 jason 字母串,哎,它是 jason 格式,它是字母串,那么我们等号右边调用 r 点 jason, 这个方法是把这个 jason 字母串 转化成字典的形式啊,我们转化成字典的形式等号。左边 response 就是 响应的意思啊,下划线 ticked 啊,表明它是一个字典啊。 好,那我们再继续,我们把真正想要的那个信息拿到了,它是一个字典了啊,好,那在这儿呢。哎,我们先打印一下这个字典,那我们打印看它的结构上来说都有哪些 key。 哎,所以在这儿呢,呃,通过这个 response 下划线 ticked, 点 keys 啊,来获取它。这个键,我们打印一下。好,那在这呢,我们执行这个文件。前边呢,我们打印了一个响应状态码,我说了,一般情况下就是二百啊,二百就表示成功。那如果是四零四 啊,就说明你那个 url 地址写错了,就没找到啊。四零四是没找到的意思,多数情况下是因为你那个 a p i 地址写错了啊。好,那接着我们刚才打这个,说这个字典里边所有的 key, 第一层只有三个,第一个是 total count 啊, total 总数, count 的是计数。哎,总之呢,就是总数的意思啊。好,后边这个单词,呃,其实我们不知道也没有关系啊。这几个单词不知道没有关系,因为不同的接口肯定返回不同的数据啊,这个没必要去记死,只是说这个接口。哦,有这么一个 key, 那 当然,这个 key 呢?呃,前边 i n 是 取反的意思啊,就是反过来不怎么着,然后 complete 是 完成,那么 in complete 是 没有完成 啊,后边这个 results 是 结果的意思,那意思就是说我这个这次请求这个结果,呃,完没完是不是全部的这个结果啊?因为比如说你请求的多,他可能是分次给你的。 好,好,然后第三个 items。 好, 一般来说我们写接口的时候, item 就是 某一项啊,项目,那它加个 s 肯定就意思是说它里边还有一大坨数据,它本身还是一个列表啊,这个是我们真正要获取数据的,所有的核心的都在这个 items 在 这儿了。 啊,那这三项呢?哎,我们可以打印一下啊,比如说,那我再接着在这我直接打印了一个总的仓库数,那我用这个字典访问字典的那个 key 是 方括号里边,呃,用它这个字母串什么 total 下划线 count, 哎,我们就可以得到一个总的仓库数,然后呢,是否是全部啊?那 它如果是处的话,应该是不是全部啊?那不是全部在这呢?给它 not 一下,取个反啊,这个呢? 哎,怎,怎怎么解释呢?举个反就是意思。这个,呃,本来是,是不是不全呀?这么个意思,然后加个 not 呢?就是不是 全的呀?哈哈,有点绕啊,但是这个没关系,也不是太重要。好,总之呢,他反映一下,就说,那你这次查询结果是不是完整的,是不是全部的 这么这么一个真的不重要啊。好,然后再接下来。因为我刚才说了,呃,我们这个响应字典里边,它核心的数据在 items 这,如果我直接打印它的话,数据特别多,所以在这我们只是简单的看一下它到底有多少个,哎,所以呢,我用 l、 e、 n 这个函数把它包裹起来,就求一下它的长度啊。 好,那再继续我们看一下,那在这呢,我们打印出来,哎,根据这个字典的这个键,这个 key 我 们得到啊,总仓库数九百一十三个, 符合条件的啊,那这回是返回了全部的这个内容吗?啊?处啊,全部啊啊,但是呢我们 atms 这,呃有有多少个啊?实际上呢是这个三十个。好在这这个说实话我解释不好这个啊,按理说它处的话应该是九百一十三啊,它这个数据逻辑怎么去理解它? 呃,我没太搞懂,但是呢这个不重要,就是我们就主要知道说啊,接口是一个 url 地址,然后呢我们可以拿到它返回的这个数据啊,因为我写的接口怎么规定这个数据,别人写的接口怎么规定的数据?这个我们没有必要说每一个都去去 死到这个东西啊,我们知道感性上说接口是这么个意思,他给我返回数据,我通过这个 key 拿到相应的数据啊,就可以了。 好,然后呢我们再继续再继续呢,我们看看每一项啊,你刚才不是说有三十项吗?我把每一项拿出来看一下怎么去拿的。哎,你注意啊,我在这还是用这个响应字典 response 下划线摹制,然后呢返回号 items, 因为它有一个 key, 本身 items 就是 一个列表,它里边存了好多个仓库的信息,所以因为它是一个列表,那我在这加一个返回号零,就是拿第一个元素 啊,第一个仓库的信息,然后呢就给我们这个 response r e p u s 下回键 add 啊啊,一个简写形式,那我看一下每一个仓库它有有多少个 key 啊,有多少项啊,所以我在这呢, 呃,用 l e n 再看一下啊,那在这呢,我们可以看到哦,每个仓库有八十二个 key 啊,记记信息项啊信息项,那比如说这个仓库的名称,这个仓库的描述,仓库的所有者,创建时间,修改时间等等等等啊,有八十二个 key 啊,是,是这个样子啊,当然我们肯定,呃,不是说全要它,那我们对哪些感兴趣我们就要哪些呗。啊,那在这我们简单说一下,比如说它这个里边有仓库的名称,用的是啊 r e p u s 这个单个库的啊字典啊,然后方括号内幕,那就拿到了这个名称, 然后呢,我们还可以通过这个 owner, 那 这个 owner 呢?是所有者的意思,但是这个所有者肯定还是一个,呃,一个字典的一个姓氏啊,一个这个 owner, 比如说他的头像啊,他的登录名称啊,啊,他的邮箱啊等等等等,所以在这儿呢, owner 下边再加一个方括号, owner 本身就是一个字典,然后它的 log in 啊,这儿呢是它登录的那个账号名称哎,是是这么个意思啊,好,然后这个仓库有多少人给了小星星啊,是这个 key 啊,这个这个键, 这个呢,我是完全从书上摘抄下来的啊。呃,那这个这个单词我不会念,前面是 s t a r 星星的意思哈,后边 com 的是统计,但是加了一个 g a z e r s 我 就不知道了哈,总之它表示的是啊,这个仓库有多少人给了小星星, 然后接下来我要想看这个仓库,你得给我一个 url 地址啊,一个网址啊,好,那就在这个单个库字典里边啊,它那个 key 是 html 下划线 url 啊,这样呢,就拿到这个仓库的地址 啊,然后呢,这个仓库什么时候创建的,也是在这个字典里边啊?我们现在所有看到这都是一个单个库的信息,就是一个字典啊,好, 然后它这个字典里边的 key created, 下划线 at 啊,那就是创建时间啊,这个呢,其实我们看多了,这些单词应该是能够记记下来啊,然后这个呢? update 啊,下划线 at, 呃,这个是更新时间,你说我不知道啊,我没记下来,那是因为你才学多长时间啊, 对吧?你后边儿写项目的时候就这些单词就太常见了啊。呃,一些描述信息叫 description 啊, 好,也是这个字典里边了,那我们呢,可以打印看一下。哎,我们看啊,那从这到这啊,它的名称叫 public a b s 所有者啊,那它这个账号也叫 public a b s 啊,然后它的星星数, 呃,四十三万星星数,也就是说有四十三万,个人觉得它这个项目不错哈,给他点了星星啊,相当于给他点了赞,然后仓库地址,你看仓库地址就是一个。 呃,网址嘛,对吧?好,然后创建时间,更新时间,描述信息,哎,这一堆内容啊,好,那回来,实际上呢?呃,这是一个库的信息,那么如果说我们想把这个接口的数据,刚才不是查看它有三十个库呢吗?符合条件呢?哎,那我们可以 foring 去便利一下啊, 那 foring 的 时候我们是用这个 response 下回键 tick, 这是响应的信息字典,然后所有的信息在 items 里边儿啊,那每一个 就是一个这个单个?这个库代码库的字典叫 r e p u s 啊,简写啊,实际就是 repository 啊, 下划线 dick 啊,就是这个,然后下边我再逐个的去打印这个库的信息就可以了。好的,这个打印的结果我就没有给大家去准备啊,这个和无非是把刚才那第一个仓库的信息,然后其他的信息,这不就是一个模板的形式吗?就都显示一下,所以这个就没有必要去看了。 来,这个是我们通过 github api 接口,然后看了一下它返回的数据是什么样子的啊,可以拿到这些信息, 然后我们来第二个文件,我们第二个文件,呃,就是在原文呃,复制一下,然后呢改一下名字,后边加了一个 with you v i s u a l 啊,这这么一个文件啊,这个文件里边我们要拿到数据再给它画个图来,那前边呢?这两行首先导入 requests 模块,然后我们还导入了 plu 点儿 express 这么一个子模块儿啊,把它重命名为起个别名儿 p x, 我 们准备要画画儿哈。好,那接下来还是刚才那个 a b i 地址, a b i 请求地址啊,啊, 然后呢?这个还是一样的附加信息,头部信息啊, headers 啊,头部信息,然后呢,我们一样的是 requests 点 get, 我 要去获取数据哦,然后传的参数 url, 我 向哪儿去请求数据以及查询条件是什么,然后 headers 里边儿是一些附加信息, 在这儿我们只是有了这个附加信息,只是说要求你给我返回什么格式的,实际上,呃,还有一些时候,我们这个 header 里边会加一个叫做呃 令牌的东西啊,就是你有这个令牌你才能够请求数据,我才给你数据,你没有令牌,对不起,我不给你数据啊,还会,那也是常常见的信息啊。好,那紧接着呢,我们得到了这个 r r 响应对象,响应对象,把响应对象调用一下 json, 把真正的数据转化为我们 python 当中的字典形式 啊,然后再继续,这个时候呢,我们拿到了整体的数据,我们应该整理数据才画画啊,所以整理数据我们在这准备了啊,三个空格列表,第一个啊, r e p u s, 也就是 代码仓库的,这后边写的是 links 啊,实际是要保存这个仓库的名称,只不过我希望这个名称呢,能够一点击这个名称进行一个跳转,所以同时它又是一个超链接的形式啊,所以我们在这是给它起的名字叫 links 啊,这是第一个啊,主,其实里边保存的主要保存的是仓库的名称。 然后第二个,我们要收集的信息是这个仓库的星星数啊,都有多少人点赞了?第三个,呃,我们要收集一个信息,就是当我们画这个图,鼠标移上去的时候,一些提示信息,哎,我们就要这三类信息啊,所以是三个列表,然后我们就逐个地去便利响应字典里边的这个 items 啊。然后呢,那就是在这儿 e p o s 下行键,这个是每个仓库啊, 然后我们每个仓库是一个字典,把每个仓库里边的 name 拿出来,把每个仓库里边的呃 url 地址、网址拿出来。好,这两个拿出来干嘛?第三行代码用上边这两个数据啊, 你看在这啊,我用了它的名称,用了它的 url 地址,把它拼接成了一个特殊的这么一个字母串,以 小于号 a 开始啊,后边以 a 大 于号结束。这个实际上叫 html 代码啊,就是网页代码呃,它在网页上显示出来就是一个超链接形式,我们看到的那个名字是 r 下划线 name, 当我们点击这个名字的时候,会跳转到 r 下划线 u r l 这个地址去啊,这是它大体的意思啊。当然,这样拼接成一个字母串之后,我们由 r 下划线 link 来保存啊,就保存了这么一个特殊的字母串啊,然后接下来把这个仓库当中的星星数啊拿到, 再接下来把仓库当中的这个所有者的名称拿到,接下来这两个信息,我也给它拼接成一个特殊的字母串, 一个字母串 r 下划线 o owner 就是 这个仓库的所有者。然后后边这个监控号 b r 斜线大于号,这个实际上是网页里边的回车换行啊,出现这个标记啊,那它前后的内容会出现在两行,所以前边 owner 是 在一行, 然后后边那个 r e s r 下划线呃, description d e s c 在 列第二行啊,是这么个意思啊啊,总之呢,它呢就是拼接成这 r 下划线 harv 啊, 实际上上边儿这七行代码儿,我们主要的是要这三行啊,其他那两行是为了拼接成它的啊,更准确地说,我们就要拼接出这三个变量来,第一个是 link, r 下角线 link 里边儿包含着它的名称以及它的地址。第二个它的 stars, 它的星星数。第三个 r 下角线 hover, 那 就是鼠标放到这个图形上边的时候,它显示了这个信息,然后我们把这三个变量保存到或者说 append 追加到这三个列表里边去,那我们其实后边我们画图肯定是也以这三个列表为基础啊。好, 那画图呢?我们在这呢,首先,哎,先,呃,想这么一个标题啊, github 上边 star 数最多的 python 项目啊,因为我们查询条件里边 api 那 个地址里边有查询条件,我查的就是, 呃, python 项目,而且让它按这个 star 数排序了啊。接下来那横坐标,纵坐标 x 轴,外轴那个标签显示的文字分别是什么啊? x 轴是 repository, 那 就是准备显示一个一个的仓库名称 y 轴 stars, 那 就是说每一个仓库到底有多少个 star 啊? 那在这呢,我们用的是 p x 点 bar, 它的意思是说,呃,画那个条形图啊,或者说叫柱状图, 然后 x 轴 x 轴,我们在这儿给的是啊, r e p u s repose, 下回见 links, 我 说了 links, 本身它是一个超链接,它里边主要显示的内容是仓库的名称,也就是说在 x 轴会显示仓库的名称,但是呢,这个名称我可以用鼠标点击啊, 然后外轴,那它就是这个仓库的这个 star 数啊,到底有多少人点了赞啊,那这个外轴如果其实呢,就是它这个条形图的那个高度啊,你的这个点赞数高,你这条形条形图,这个条就高,是这么个意思。接下来是标题标签,然后这个 啊, hover 下角键 name 啊,等于 hover 下角键 text, 那 就是,呃,每一个条形我鼠标移上去的时候相应的提示信息,这个这个比较简单啊,好,再往下,再往下呢,这个我们整体来说一下啊,呃,这个呢,你知道能设置就可以了,也不需要记住, 我们现在很多代码不需要记住啊,你只需要知道有它,你想起来啊,这可以设置这个,可以设置那个,然后具体怎么代码问 ai 就 可以了啊,在这呢,那就是设置标题的字号, 设置 x 轴那个标签, y 轴那个标签的字号啊,这个代码就这个啊,然后下边呢,这个是设置,我们这个不是条形图吗?啊?或者说要柱状图,这个柱它的颜色是什么啊?第一个参数设设置颜色,第二个是设置这个柱的,呃,透明度 啊,我们之前可以用阿尔法,实际上它在这还有一个单词叫 o b a c i t y 啊,也是表示这个透明度的意思啊,零点六, 也就是说它也有点半透明的意思。最后一行那就是显示出来就可以了啊,那在这呢,我们执行一下,执行一下呢,就会打开浏览器看到这样的这个图了啊,我们可以看到 x 轴是每一个仓库的名称,然后呢,每一个仓库的星星数多,这个条就多啊, 以及我把树标放上去的时候会有相应的这个提示信息啊,那主要是这个作,呃,作者,然后这个描述信息,仓库数以及 star 数啊这些信息啊。好, 那接下来我们就小结一下,小结一下呢,那这节视频呢,我主要是说,首先明确 api 的 用处是什么?用处就是让我们的程序可以获取数据,处理数据。那紧接着呢,我们在这又说了术语两个,一个是请求,一个是响应,以及它们相应的这个单词 request report 啊, 然后再接着那这个 api 它的形式其实呢,就是一个网址的形式啊,我没有具体地去说,因为具体这个 api 的 形式,呃,我们后边有可能会去 学习框架什么的,自己去写这个 api 接口程序,那个时候再说啊。好,然后呢,紧接着我们又手动地去尝试一下,把这个 api 地址复制下来,扔到浏览器地址当中去,然后呢,浏览器也给我们显示出来它响应的这个数据。 不是所有的接口都可以啊,呃,因为,呃,有的接口是允许你 get, 有 的接口是允许你 post 的, 这个不一样,只能是说 get 的 时候可以。 然后,呃,我们又写了两个代码文件,第一个代码文件叫 python, 下行线 repost, 点 p y 在 这个文件当中,呃,我们是获取数据,然后打印了一下,看看这个数据里边到底有什么信息,主要就是了解这个它的接口返回数据的这个结构啊,它是这样一个嵌套结构啊, 当然我们核心的代码肯定是用 requests 这个模块点儿 get 啊,去请求得到的啊。然后呢,我们第二个代码文件叫 python request, 嗯,下划线 with you, 点儿 p y 这个文件里边儿呢,我们是获取数据,也是通过 requests 点儿 get 去获取的,然后整理出来我们想要的数据,把它画了一个图儿啊,这是我们干的事儿啊。好,除了以上的内容,然后在这儿呢,我还有一个补充啊。第七 就是我们的接口还存在一个请求权限和请求频率的问题啊,当然我们这个 github api 接口啊,我们这个练习没有,但大多数实际工作场景的 api 接口都存在这两个内容啊,请求权限和请求频率。 那请求权限,通常情况下是我们首先先登录啊,不管你以什么方式登录啊,你登录之后呢,会得到一个令牌,然后当你得到这个令牌之后,你需要向这个服务器的 api 接口请求的时候,你要带着这个令牌 啊,那服务器那个 api 接口一看,哎,你有这个令牌,令牌也是真的。好,那就把数据给你,是这么个意思啊,好,而且呢,呃,在这这个令牌通常也是 token 啊,这么一个单词,它和我们大模型里边说稍 token 那 个单词是一模一样的,就可以理解为这个 token 是 一个单词,两个意思啊。好,这个是请求权限上边,而我们实际会牵扯到一个令牌的问题啊,然后请求频率,那请求频率呢?通常情况下是说,嗯, 你不能说在一秒之内你,你请求了很多次,这样的服务器也忙,忙不过来啊,所以可能会要求你每个小时或每天最多请求多少次。会有这样的一个限制。你比如说我们现在呃,一些,呃, ai 大 模型的这个请求,尤其是免费的这 请求,他那也叫 api key 吗?那可能就会对你限制一下,比如说一个小时只能请求六十次啊,一天只能请求多少多少次啊, 当然还会有其他的这个限制啊。好,那主要来说请求的频率,请求的权限。好,以上就是我这节视频所分享的全部内容,因为透彻,所以简单,我是讲师井水。呃,这节视频完了呢,我们就已经把这本书的三百三十七页已经完成了。 如果说这个视频你有什么疑问啊,欢迎在评论区给我留言啊,当然我其中有一些表达,如果不准确,你也欢迎啊,可以在评论区留言,咱们讨论啊。那让我们下个视频再见。

起因是主播发现大部分人根本不会使用 a b i key, 比如如何把 deepsea 接入 cloud code, 接入 kodaks, 接入 koser, 或者接入国产的车 e、 通用林麻等等。又或者拿到了中转站的 a b i key, 怎么接入到你想要的任意平台, 如初一 q order、 open code 等等。也就是说绝大部分人都不会使用 api。 因此主播这次准备教你底层原理,可以自己配齐 api 接入任意平台。 如果主播有错误,欢迎大家评论区指正。本视频分为原理篇、势利篇和实战篇。我们先从原理篇开始,我会教你配齐 api 的 三要素, 以及市面上主流的两套接口协议。再来一个 deep seek 接入 tv 的 例子。接下来就是实战篇,包含了中转战、接入车衣、接入 cloud、 最新的 long cat、 接入车衣 codex 等等。 ok, 欢迎进入原理篇。我们先来讲讲接入 api 的 三要素,一下非常重要, 接入 api 无非就是确定 base u r l、 api key、 妈刀 id。 我 们先来解析一下这些名词都是什么意思。 base u r l 就是 api 的 服务地址, 这个最重要,必须填写正确的 base u r l 才可以正确获取模型。调用 api api key, 这个非常简单,我会教你如何申请 api key。 模型 id 这个顾名思义就是模型的名称, 如 deep c 杠 v、 四杠 pro, 一个字母都不能错,否则配置失败。我们先来一个简单的例子, 如车 e 的 自定义接入模型的界面可以看到,我们必须把三要素填写正确,才可以接入我们的模型。这里面的自定义请求地址就是我们要填写的 u r 六 模型 id 就是 我们要填写的模型名称 apikey 就 不多介绍了。这个时候有人会问主播怎么解放图片, 我连这个页面怎么打开都不知道。不要急,目前正在讲解原理,还不涉及操作,因此图文比视频更清晰。接下来到习战片,主播会用视频演戏,回到原理上来,因此配齐自定义模型的核心三要素系 vs 地景 模型名称和 api 密钥。而当你拿到 api 密钥,这里已经有两个已经确定,即模型名称和 api 密钥。也就是说,我们只用寄到 u r l 地址就可以正确配置模型了。 但是这里就是最难的地方,因为官方接口文档给你的 url 地址一般都是不正确的。例如我们来看 deepseek 的 官方 api 文档,可以看出官方已经给出了 apikey 和模型 id 及 deepseek 杠 v 四杠 pro, 但是 url 地址却给出了两个, 我们如何选择?还有一个很严重的问题,例如我们看第一个地址其实是不能直接用的,我们必须在地址末尾手动加项 v 一, 这就是配置 u r l 地址的难点,我们一个一个讲解。首先我们先来讲解为什么 deepsea 官网上会出现两个 u r l 地址, 我们到底要接入哪一个?我们先来介绍 open ai 兼容协议,这个用的多,简单来说就是 open ai 率先定义了一个行业规范, 他们写了一套最标准的代码,你们要想用我的模型,就必须按照我的代码配置我需要的参数。由于 open ai 太火了,后面的很多厂商发展 ai, 为了快速扩大市场,觉得沿用 open ai 的 行业规范, 这样一个 open ai 用多的人再转到如通意、临马、字节跳动等等,会非常的方便。因此由 open ai 定义的行业规范就叫 open ai 兼容协议。市面上几乎所有的大模型厂家都提供了 open ai 格式的 url 地址, 形成了一个完整的形态,只有一个抢向例外,它就是最公平、最不会争流、最尊重中国用户、最不会瞎分、最不会制造焦虑、最不会圈钱、最赚不回成本价的 ant hr opic 公司。它们没有兼容 open ai, 而是自己创建了一套独立的协议, 因此也叫 ant hr opic 兼容协议。目前绝大多数厂家都对这两种协议进行了兼容。 这就是为什么我们看到 deepseek 提供了两个 url 地址,就是为了同时兼容 openai 协议和 antriopik 协议。由于协议不同,因此 url 地址自然不同。我们先来了解如何填写 openai 协议的 url 地址。我们提供的 url 地址必须写完整的 url 地址, 也就是图片的最下面的那串长地址。但是例如叉 e, 大 部分情况下我们只用填写如图所示的短地址, 这是因为,例如 q e q order c c s switch。 当你填写完短地址之后,它会在你的地址后面自动拼接一部分地址,从而达到最终填写的是完整的 u r l 地址。例如图片系列中下面就有提示要填写兼容 open ai 的 服务端点地址, chat completion 会自动填充到你所填写地址后面,因此我们只用以 ve 结尾即可。这里面有两个关键点,第一个就是 ve 到底要不要写。 川 e 是 给出了拼接的规则,如在地址后面拼接 chat completion, 但是某些其他的厂家可能并不是这个规则,同时也没有给出这个规则,这个时候我们可以选择自己手动填写完整的 ur 地址,最为保险。 还有细心的官就已经注意到了这个 v 一 到底是什么。我们通过查看 deepseek 的 官方文档发现官方并没有给出 v 一 作为结尾的 u r l 地址, 也就是说我们不能直接复制官方的地址,意系在官方的地址后面手动加向 v 一, 或者自己填写完整的 u r l 地址才可以接入模型。我们再来解决两个关键概念, 一个是 v 一, 一个是完整的 u r l 地址。我们先来说简单的,什么是 open ai 的 完整 u r l 地址,就是拿到官方的地址后面加上 v e chat completion, 这个是固定的,如 deep six six 的 open ai 格式的完整 u r l 地址,如图, 就是在官方提供的 base u r l 地址后面填写 v e chat completion, 即完整的 u r l 地址。我们再来说说第二个问题, 既然大部分情况下我们都要填写这个 v 一, 为什么官方提供的 u r l 地址不直接把以 v e 结尾的地址给我们呢?这部分是作为拓甲内容,感兴趣可以了解,也可以直接跳过 直接结论, open ai 格式必须在官方给的 u r l 地址后面加上 v e。 首先这个 v e 代表的是版本号, 未来可能会出现 v 二,到时候就要在后面填写 v 二,而不是 v 一。 第二,把 v 一 加到基础 ur 料其实是不合理的,但是 open ai 采用了这种不合理的设计,属于是历史遗留问题。 第三,我们之前说过,国内的大部分厂家会提供 open ai 和 a n 三 arpik 对 应的地址, 因此把 v e 加入 base u r l 是 无法区分到底是 open ai 还是 a n star epic。 还有最重要的问题就是,例如 try e 是 在你填写的的纠后面给你加 try compile it i s, 因此你需要自己写 v e, 但是有些厂家会在后面拼写 v e, 这个时候你要是再把 v e 写下,相当于写了两遍 v e, 地址自然就错了。所以大部分厂家选择提供的 u r l 地址不带 v e, 是 要用户自己去判断 要不要把末尾的 ve 写下,可能 codex 不 用写,可能 open code 的 要写,这就需要自己判断了。不过最好的做法还是直接写下完整的 u r l 地址。最后我们对原理篇做一个总结,完整 u r l 地址就是在官方的 u r l 地址后面加向固定的路径, 三要素分别是, u r 幺地址、模型名称、 api key ok, 原理篇到此结束,接下来我们进入系列篇和实践篇,我会通过多个不同的例子教你如何查看官方的 api 文档,从而确定怎么接入 api。 这样以后出现任何一个新模型,你都可以不用在网上搜教程,因为方法是通用的,授人以鱼不如授人以鱼,你不再仅仅是会把 deepsea 接入 codex, 而不会接入 cloud code。 明天出了一个新的 i t o 的, 又要往下搜教程。本视频帮你从底层原理出发,让你明白所有的接发都是大同小异。如果原理片看不明白,可以继续看犀利片,我们通过操作来辅助理解。

最近 codex 越来越火了,但是好多新手用户发现呢,他用起来还挺贵的,转头去用中转站的 api 的话呢,又不太靠谱。所以今天这个视频呢,我教大家用 acnes 这个可以国内直联的 api 接入 codex, 他们的模型呢,已经被调用三万多亿个头啃了,而且是不限时免费用的,所有人都可以体验一下让 ai 全自动帮你干活是什么感觉。 首先呢,我们要在 gittub 上找到 codex 加加这个开源软件,它可以自由切换 codex 的模型。打开 codex 加加管理工具之后呢,在左边的供应商配置里点添加供应商,这里名称呢,写 agnes 接入模式,选纯 api 配置模型呢,要填 agnes 二点零 flash base url 呢,写这个 key。 这里呢,我们要去 agnes 在 api 平台创建一个密要之后才能填 这个 apm 要呢是不限时免费用的,不用你充钱,也不用绑定任何的银行卡。戳贴好了之后直接粘贴到这里,上游协议选 chat completions, 再点上面这个保存就可以了。保存好之后呢,我们回到 上列表这里,选中刚刚填好的 ikenes 模型,再点盖栏启动 codex 加加,就可以自由使用免费的 codex。 接下来呢,我试试它的 ajt 能力,也就是让 ai 来调用各种工具来干活。比如这个博主,他做了个很好用的生成文章配图的 skill, 现在在 gap 上已经有五千多收藏了。 这个 skill 可以让 codex 去调用 agnes 模型,来根据文章内容画出像这样手绘风格的黑色小人插图。这样呢,就比单纯看大段大段的文字要更加轻松易懂,但新手呢,可能都不知道怎么用 btop, 也不知道调用 skill 这种情况呢,我们其实只要把 skill 的链接和文章都扔给 codex, ai 呢,就可以帮你自动读取 skill 的工作流来创作这种 手绘插图了。整个创作的过程中呢,艾格尼斯的 agent 模型会帮我们去分析文章内容,再去调用自己的生图能力,思考的过程中呢,也没有出现什么卡顿,而我们只要把 codex 挂在后台让他干活,然后等几分钟,插图就做好了。说明 agent 模型和声图模 配合的很好,这种多轮任务的工具调用也没有出问题,出来的图呢,也符合我们想要的风格。对于不熟悉 get up 的朋友来讲呢,这么用起来确实要简单方便,很多初学者呢,也可以用它来慢慢上手,体验最新的 ai 智能体是怎么干活了。除了这种插图之外,我们测试了一下让他做常用的乐高风格图片,蜘蛛侠、蝙蝠侠都上手呢,还可以。 像这种电商类的产品图,他的出图效果也没什么毛病,最高有四 k 分辨率,拿来做个演示其实挺够用了。另外, agnis 呢,也有视频模型,我们把这几张乐高图喂给 codex, 让图片动起来。 agnis 的模型呢,可以支持最高一零八零 p 的分辨率,拿来做科普视频,或者在我们拍摄短视频的时候提供一些分镜的参考还是挺合适。 是的,最重要的是,这些声图声视频的模型也同样是完全免费不限量的。想用的话,大家把这个整合了 agnes 官方声图声视频 api 的 dt up 项目链接告诉 cosex 就可以自由使用了,体验下来呢?我们觉得 agnes 确实给很多在意烧 token 问题 或者网络访问不太方便的用户提供了一个可靠的尝鲜方式,这其实就消除了很多人想要体验 ai agent 的心理障碍。大家以后有什么新的 ai 工具又担心跑起来太贵的话,可以上手试试。

这是全网全的免费 a p i 仓库,在 github 上获得四十几万个 star, 每天一个强大的网站第九十五期,今天要讲的是,这里收入了几千款免费 a p i, 总共五十四个大类,点击对应类目就可跳转,比如图片生成、 身份验证与授权、云存储、文档处理等。比如你想开发个网站查询金融数据,就可以直接使用 a p i 调用。无论你在学 ai 编程,还是养 openclo 小 龙虾,不用再花钱买 a p i 接口,或者自己开发,省时又省力,反正就是很好用。

上交大一出手瞬间引爆 github, 是 什么项目让 ai 圈大佬集体围观?事情的起因是上海交通大学张卓胜教授跟他的团队在 github 上开源了一套动手学大模型教程。可以说 这是 ai 圈迄今为止超有诚意的开源项目,从模型微调到 api 接口,从文本水印到多模态应用的搭建开发,每一处的细节都做了详细的操作指南,还有权威教程参考。 关键是整套教程全部开放,无论你是零基础的小白,或者是卡在瓶颈期想要突破创新的老手,都能跟着步骤实操,一步一步去攻克,把大模型真正玩明白。全套教程以及大模型学习路线都整理好了,留下学习双手奉上,希望对你有所帮助,真正实现动手就能学会。

前九期我们已经有了一个能演示的知识库 agent, 它能整理资料,生成结构,做成页面,也已经开始沉淀到 github。 但下一步如果要接真实大模型,千万不要只想着把 fico 换成 api 就 完了。 我们现在的结构其实很清楚, source 进来, tools 处理资料, state 保存中间,结果 fake, lm 生成回答 answer, 先变成 viewmodel, 最后展示到页面。 fake 我 们的价值是稳定,它不需要密钥,不花钱,不限流, 返回格式也固定,所以它适合用来先讲清楚 agent 的 流程。但真实 api 会多出很多变量,比如密钥放在哪里,每一次调用成本怎么控制?网络超时或者被限流怎么办?返回格式不稳定怎么办?所以接真实 api 不是 单点替换,而是一次小升级。 第一层是模型适配器,不要让业务代码到处直接调用某一个模型。先包一层 l l m adapter 函数,现在它里面可以 return f 孔,以后再把里面换成 a p i l m 这样工具层 state, 页面展示都不需要跟着大改。 第二层是配置和密钥,真实 api 的 key 不要写死在代码里,至少要从环境变量读取,比如 openline, ipkey, 同时烟味零食、日制导出视频,这些东西不要上传到 github。 第三层是返回格式校验模拟 l l m 可以 永远返回我们想要的结构,但真实模型可能多说一句话,也可能少一个字段,所以 agent 要检查它有没有返回。 summary concepts outline, 缺字段的时候要么重试,要么给一个可用的 fallback。 第四层是错误和成本,真实 api 一定要默认会失败。新手版先记住三件事,调用前限制输入长度控制投肯成本。调用失败时保留原始资料和错误信息,不要在循环里无限重试。 所以从模拟到真实,不是推倒重写,而是逐层替换。 fake lm 变成 lm, adapter 再变成 ip lm local text 以后可以升级成 file reader 或 web search。 固定结果升级成校验后的结果演示页面升级成真正可用的知识页面。 结构稳定了,模型才值得变复杂。这一期先把升级地图画出来,下一期我们再开始写第一版真实 api 适配器,把 prompt 发给大模型,再把返回结果整理回 summary, concepts outline 这三个字段。接 api 之前先保护好 agent 的 结构。

hello, 大家好,很久没有给大家更新视频了,今天的话给大家讲一下,在 github 上面做了两个小的一个插件, 呃,第一个插件的话是做的对接,就是 h a 去对接啊, ark 设备通过本地去进行集成的一个方案, 然后这个的话需要一托未来的一个 stodo 的 一个系统,因为 stodo 的 话它是支持本地对接的。然后这边的话在 k 大 up 上面已经发布过几次版本了,目前我自己测试来看的话,基本上没有太大的问题 啊,整体发版的话是发过很多的版本来修复一些测试当中的一些问题啊,当然如果想用的话,可以直接通过啊,给大家铺上面,然后来找到我的这个插件,然后再 哎这个通过 h s s, 然后去进行安装,然后安装完了以后通过里边的这种嗯,每一步的填写就可以直接 呃把 h a 把阿卡尔的设备集成到啊 home 四 s 腾腾里边去了。然后整体的控制效果个人觉得还比较满意吧, 然后控制的这种速度也非常的高,然后整个集成的话也是通过本地的这种接口去进行对接的。就是如果你的 h a 在 本地,然后你的 呃 studio 也部署在本地,那么整个的这种对接控制它都是通过本地进行对接的, 然后设备的品类也非常的多,支持的设备品类这边的话整体像灯啊,开关插座,然后推窗器,空调等等啊,温湿度传感器,这些传感器都是可以支持的,如果有什么的问题的话我也会, 嗯,根据大家的反馈,然后进行版本的修复,然后,然后我也是刚做完这些代码的一个链接和发板,然后 在不停的修复当中已经修复了,自己在使用过程中也发现了一些的问题,目前的话是缺少图标的,可以给大家看一下 我这边的集成过后是什么样子的。嗯,设备与服务找到我的这个插件,然后整体的话设备是有, 嗯,是有八十多个设备,然后这里边所有设备都已经被挤进进来了,然后我们随便的可以点击一个设备对它进行控制,嗯,也可以点击这个去控制它的一个色温,包括它的一个亮度,都是可以进行控制的。 这个是控制亮度啊,实际的话是完全就是零延迟的,响应速度非常快。嗯, 好,关闭掉,这就是对接的,目前比较尴尬的几个点就是, 嗯,对接进来的这里的图标还没有做,然后包括集成里边的这个图标也还没有去设计,但是整体设备的图标包括里边控制的是都已经做好了的, 然后它支持添加多国中书,然后可以在这里边去填写哎,中书的 ip 地址和托肯,只要拿到这两个东西就可以实现本地的一个对接。 嗯,这个是我做的第一个项目,在课堂上大家可以去查看整个对接的过程以及对接的方式,这叫 你的 h s s 啊,里边去安装我这个集成,制定我这个储存库就可以了,好吧。嗯,其他的话如果大家在使用过程当中有什么问题,可以到我这里来进行反馈,然后,嗯, 如果有使用不太好的地方,可以这边也会尽快的去进行修复啊,主要就是做一个这样子的一个分享,相当于是通过了另外一种途径对接到 h a 里面去。

别再到处瞎找免费接口了,这里已经集合了全网的免费 a p i 每天曝光一个宝藏网站第六十三期,今天要讲的是 在 get up 上已经有四百四十八 k 的 star 天气新闻图片、金融、动漫应有尽有,大部分接口拿来就能直接用做小工具写自动化脚本,找副业变现,有它一个全帮你打通,让你的 ai 能力更强!关注老易,下期更精彩!

接下来一分钟,我会教大家 codex 延伸沙盒如何接入国产模型,甚至是任意大模型。开始之前,大家自己要准备好东西, api, 密钥,模型 id 还有接口地址的 url。 首先按 win 加二,打开运行小窗,输入这串符号,点确认找到这个文件,以笔记本的形式打开。这边建议改之前先备一份,避免改不回来。这边以火山引擎为例,火山方舟支持 responses 接口。 我们拿到密钥 url 还有模型 id 后,回到我们刚才打开的笔记本,按照这个表格将它们都填到最上面去。当桌面端的额度消失了之后,那就说明模型更改成功了。第一种是 chat 接口, chat 无法与 codex 的 response 接口对接,所以需要走代理,电脑需要提前安装好 python chat 接口,以 deepsafe 为举例,我们需要给 chat 接口转下代理表, responses 能够读取即可。首先 win 加 x, 然后选择终端,终端连续输入这三串代码,创建 env 文件,将这串代码粘贴到你的 env 里,注意后缀是 n 不是 t x t。 继续输入这串代码, 当出现代理地址,说明代理开启成功。再次打开这个笔记本,将这串代码再次填入顶部,保存后重启下 codex 大 模型,即换成功。

这期呢,我们来搞懂 api 和 api, 会讲到三件事, api 是 什么? api 怎么用?怎么借助 ai 来把 api 接进你的项目里?先说一下 api 是 什么?它的全称呢?是 application programming interface, 翻译过来呢,叫应用程序接口。我们先用一个生动的例子来理解它是什么。 想象一家餐厅,他不想把菜谱和后厨的做法公开,因为那是他的核心配方,但他又希望客人可以点菜,拿到做好的菜。所以呢,他就会开一个传菜口,你只需要把自己想吃什么告诉传菜口,厨房内部呢,就会自己完成这部分流程,然后再把做好的菜从窗口递出来。那软件也是一样,公司不想公开内部的代码,但又希望别人能调用自己的服务,就会开放一个标准接口,也就是 api, 你告诉 api 你 想实现什么样的功能,软件内部就会自动执行完再把结果返回给你。也就是说呢, api 就是 别人把内部能力封装好之后,对外开放出来的标准接口,你不用知道背后发生了什么,按规矩把需求递进去,再从 api 接口里拿到结果就可以了。那为什么需要 apikey 呢? 如果厨房的小票没有账号标识,餐厅就不知道这一单究竟要算在谁那儿点了多少菜。那 apikey 呢?就像这个小票上面的账号标识,它会告诉 api 这一次是谁在调用,有没有调用的权限,用了多少额度。 最后呢,这笔账就会算在这个 a p i t 上。那 a p i t。 的 作用呢?就是把这次调用和你的账户绑定,别人一旦拿到你的 t, 就 可以用你的额度花你的钱。那在代码层面调用 a p i 又是一个怎样的流程呢?利用一次 a p i 呢,其实就是客户端向服务端发送一次请求,服务端呢,再返回一个响应数据。 次请求里面最基础的会包含三部分内容,第一个呢,就是接口 url, 可以 理解为你要访问的地址。第二部分呢,就是你的账号标识,也就是 api, 那 它会标识是由谁发起的这次请求。第三部分呢,就是你要如何调用这次 api? 比如说呢,如果我们想要调用一个 deepsea 的 api, 那 我们可能 url 里面就会写到 deepsea 的 特定端口, 然后在账号标识部分,我们就会写入自己 deepsea 的 api。 那 在 message 里面呢,也会返回一个响应的 json 文件,通常来说也是以 json 格式返回, 里面的字段可能会有很多,比如说呢,可能会包含你的 a p i 调用的结果,以及你使用多少 talk。 如果你调用的是一个大模型的 a p i 的 话,那你可能会产生一个疑问, 我们平常看到的聊天窗,其实并没有看到这些信息啊。那其实呢,我们平常看到的聊天界面,做的就是把响应字段里面的 answer 或者是 content 提取出来,让大家能够更通俗地通过图形界面来看到最后的回答。听完这些科普,你了解了 a p i 是 什么?你会不会觉得 a p i 其实离你很远? 并不是的,其实我们生活中处处都在使用 a p i。 比如说呢,如果你在用 colloqu 或者 codex 这类的 coding agent, 你 可能就需要自己去更换它的 a p i 配置信息。那包括呢,如果我们想要做一个旅游攻略的 agent, 那 我们大概率也需要一个地图相关的 a p i。 那 我们就来想想怎么去写好这个 a p i 的 配置文件,尤其是怎么妥当的保管 a p i t。 常见的代码习惯呢,是会把 a p i t。 写进你的环境变量里, 那通常呢,就会写在一个点 e n v 文件,你可以把这句 prompt 发送给 ai, 让它帮你创建一个点 e n v 点 example 文件。 为什么我们要用一个 example 文件呢?因为我们其实也不希望我们的 apikey 直接让大语言模型知道,所以我们呢,希望它给我们一个模板,我们自己来把 apikey 填写到文档里面。输入完这段话之后呢,它可能就会帮我们生成一个这样的文件,文件里面可能大概会有一个类似这样的字段,那我们呢,只需要把我获取到的 apikey 填写到这个位置。 如果呢,你有用 get 来管理项目,我建议你在后面再加上确认点 env, 再点 get ignored。 那 这个步骤呢,我们就要让 ai 来写调用代码,那 key 已经放在了点 env 文件里面, 让 ai 直接调用我们写好的 a p i 配置,但不要去读,也不要去输出真实内容,让它自己配置好 a p i。 通过这两段 prompt, 你 的 a p i 就 配置好了,你就已经可以把别人现成的软件能力开发出来,直接使用别人的功能。

哈喽,大家好,今天要给大家分享的这个开源项目的话,是一个开源的 api 的 一个调用的工具,你可以理解为是一个 postman 的 一个平替的一个工具,然后这个工具的话,其实它最主要的, 呃,我觉得不错的是,嗯,它是本地化的,可以自己在本地化独立部署。然后呢,不需要你把你的 api 相关的一些地址啊信息啊传到 postman 上去,那他也支持空间云空间的,那目前的话他有网页版本的,也有啊,这种网那个客户端的, 对吧?然后呢,你看它其实支持的功能都非常多的,比如说它说轻量级的,那这个确实比较轻量,然后呢响应也非常呃及时,然后同时它支持的这种请求的一些呃方式 get 啊, post, 然后呢 put 的 那些,其实基本上市面上大部分的都已经支持了,所以说的话,呃,它 毫不夸张的说是平替 post, 那 是有它的一些优势的,对吧?刚说了,其实免费的,然后它 m q t t 也是支持的。 然后这里的话我们可以看一下他真实的一个情况怎么样?真实一个其实就是一个这样子的一个平台。第一个其实像我之前也测试过,就是你可以用他现在在线上部署了这一个环境,然后呢,你可以用他在线的,然后也没有广告 啊,也非常的方便,清爽干净,这是第一个。第二个的话就是你可以把他部署到你本地,比如说你的一个团队,对吧?你在团队开发当中,你可以把这个部署到本地的团队当中,团队成员的话,你可以直接在自己的私有化部署的啊,里面直接访问这样子的话他的数据也比较安全,然后你的东西也不用公布到公共的网络上面去,对吧?然后他支持的这种 啊,功能啊,能力啊,其实都是跟 pos 的 吗?是非常相似的,对吧?所以说有这样子需求的同学的话,可以去看一下这个项目啊,觉得是非常不错的,所以说推荐给大家,希望对大家有些帮助吧!大家可以关注下我,然后后续有什么问题的话,随时可以沟通交流,谢谢大家。

上交大一出手瞬间引爆 gitlab, 是 什么项目让 ai 圈大佬集体围观?事情的起因是上海交通大学张国盛教授跟他的团队在 gitlab 上开源了一套动手学大模型教程。可以说这是 ai 圈迄今为止最具诚意的开源项目。 从模型微调到 api 接口,从文本水印到多模态应用的搭建开发,把每一处的细节都做了详细的操作指南,还有权威资料参考。关键是整套教程完全免费开放,不管你是零基础的小白,或者是卡在瓶颈期想要突破创新的老手,都能跟着步骤实操,一步一步去 攻克,把大模型真正玩明白。教程全套资料以及大模型学习路线都整理好了,留下学习直接暴走,希望对你有所帮助,真正实现动手就能学会!

现在你可以直接远程控制 dp 一 百了,并独立进行使用。能够直观地观察电流功率变化,并实时调整参数。你还可以设置定时任务,在设定的时间自动开启或者关闭输出项目。采用 esp 三二 s 三方案,用于作为 usb 与 web 的 桥接。 你可以连接 esp 三二提供的网页来可直观地查看 dp 一 百的状态和电流功率图表。图表会以一百赫兹的频率进行更新,能够捕捉细微的电流变化。这里可以调整采样窗口的时间,时间窗越小,图标滚动越快。 在暂停采样后,可以拖动鼠标查看之前的记录,或者使用滚轮来放大缩小, 同时支持导出 csv 文件进行更细致的分析。电压电流值的下方会显示统计数据,你也可以根据需要在设置中控制是否显示。 得益于设备通过 esp 三二进行联网,你可以设置定时任务,定时控制输出开关。这里使用 chrome tab 语法,减小学习成本。更棒的一点是,当没有 webshop 连接时,你仍然可以进行手动控制。 d p 一 零零不会进入锁死状态。 为了方便 ai 操作,项目的接口能够让 ai 直接调用。例如可以直接让 ai 连接到 web socket, 观察电流以及功率,这样在低功耗开发或者 pmic 调试时能够节省大量时间。 api 文档也集成到了网页中, ai 阅读后就能完全控制 dp 一 百。这里获取到了当前的设置值。 这里重新调整了输出设置并开启输出。由于 dp 一 百在 usb device 模式下 无法通过 usb a 口进行对外供电项目,需要将 pcb 版的五伏电压口与功率电子开关的输出口进行短接,让开发板能够从 usb a 口中取得电源。 由于本次的硬件系统比较常规,只需要 esp 三二 s 三最小系统板,因此选用了市面上已有的开发板组建,可以选择这款简单小巧,还带有外壳或者性价比更高的。这款 super mini 开发板搭配 u s b a 公转 type c 工,可以使整体更为小巧紧凑。 软件界面基于 d p 一 百 v b a p 进行修改并添加额外功能。 m c u 需要同时保持 usb 与 web socket 的 高速连接,因此选择 s 三型号。借助 s 三的双核优势,将 usb 与 wifi 任务分别安排在两个核心上,能够保持稳定运行。 只需按住板子上的 put 键再插入到电脑即可开始进行烧录。软件代码开源在 get up 与 get 上,欢迎大家来进行使用体验或者提供反馈。

你让 close code 帮你查数据库,提 get 哈普因素,调外部 api 他 都做不到,不是他笨,是你没有给他开门。今天我就用飞瞒学习法讲集成城的核心 mcp s r p 可自己管它叫 ai 时代的 usb 杠, c 插上就能用,拔了就断开标准化接口,即插即用。前面讲的四大主键都是可洛克的,在自己家里干活, m c p 给他开了一扇门,让他出去连外部世界。 m c p 其实就一个外部上下文协议,然后呢,它就是让 api 就是 和相关的一些 给它不要形成对接,然后进行传输数据。所以我们今天要探讨的问题就是 ai 与数据之间就是如何通过实现安全和标准化的一个连接协议进行传输对应的数据。举个例子 就是传统的就是说如果 coco 的 要从数据库或者 api 进行对接的话,我们需要给它搭建相对应的一个桥梁,等于说就是得写一个适配器,但是我们给 连接数据库的时候写一个适配器,但是连接对应的 api, 然后再连接对应的一些 github 仓库的时候,我们都要单独的去写一个适配器,就适配不同的一个协议。 但这样就会面临一个问题,当他要连一百个的时候,他要写一百个适配器,所以他的那个复杂度就变成了 m 乘,那么我们如果是五个再乘以呃,一百个的话, 那我们要定义就是五百个的适配器,那么其实整个过程就非常的复杂。所以呢,这个时候我们就想到了 mcp, mcp 协议呢,就是统一一个标准化的上下文协议窗口,就是类似说我们之前就是用的 usb 接口, usb 接口就所以说 你不管是 type c 的 一个接口, type c 的 接口的话,只要这个手机都是支持 type c 接口的,那即插即用就行了啊,不用传统的就是啊,你一个这个接口,你要写一个设备器,那很复杂,所以呢,引入 mcp 协议,就从 m 乘 n 的 一个复查度变成了 m 加 n, 所以 它其实优化成的就是可能只要写一百零五个对应的一些协议,就可能可以实现相对应的一个对接,所以其实 m c p 协议,呃,按生活的例子其实就可以理解为它是一个 usb 接口,就是 都遵循相对应的一些协议,然后进行数据传输,这个时候就是不用单独的为每个写对应的一些适配器。 我们来看一个例子,首先传统的如果对于 glow 的 就是要跟 c p g charts, gpt 的 话,然后它要都要跟 get 它补,就是进行对接的话,那这个时候我们需要写一个识别器,然后我们要 接入的话,我们要另外写一个识别器,然后数据库的话,我们还是要写一个识识别器,那么的话每一个去跟它对应的交流的话,当 text g p t 要对接的时候,又得写对应的,那么整个下来的复杂度就非常的混乱。 那么引入 m c p 之后呢,我们就可以给它简化了。首先我们定义一个相对应的 m c p 的 一个模型上下文协议,那么它们都有统一的一些规范,就输入或者输出相对应的一些规范都可以就是统一下来都遵循相对应一个协议标准。那么对于 不管是 closed 确认 gpt 或者科室要去跟 get 哈伯或者是数据库相对应的一些交接的话,我们统一只要调用这个 m c p 协议,然后它们就可以进行 互相的去连接,那那么他们现在的话,其实只要遵守一套标准的协议,就可以实现即插即用互相连接的一个功能作用,对,这样的话其实整体就优化了很多。 那么对于 mcp 服务器的话,其实像客户端就暴露了一些核心的能力,首先就是调试相对应的一些工具的话,通过 mcp, 然后 可以不管是要去提交代码呀,还是要进行调用任何的审查的工具的时候,就是通过 qs, 然后它其实也是整个最核心最常用的一个 内容。然后第二个呢,核心能力就是一个 resource, 就是 你需要获取相对一些文件资源呀,这个时候就是,呃属于获取资源型的,它属于文件型的, 就是你不用去改这个,其实会产生对应的一些副作用问题就是你可能读的话会照会要改一些内容的话,它可能会产生副作用,但是 resource 呢?它只是访问资源,那它可能也只有只读的一些权限,那么其实就 不会具备一些其他的一些副作用影响。还有就是 prom 的 提示词模板,就是说统一对应这个 m c p 协议的话,它们要进行审查代码的话,那么它们只要遵从 对应的一个提示是模板,那么其实都可以共用一个套审查的一个模板,对,所以它们总体还是遵循的一个标准协议窗口。 然后那么呢,其实整体我们了解了 m c p 的 话,那我们其实后面要知道是如何去通过配置化, 其实还有个配置的,其实可以通过 client 窗口配置话也可以进行配置。然后我们这里重点讲的就是内存的一个配置文件里的配置形式,就是通过 配置点 mcp, 点 jason 的 一个文件去配置 mcp 服务,首先 它是最外层,就是说 ok 配一个 m c p 的 一个服务,然后呢它里面要遵循的一些命令啊,还有一些参数问题,还有一些环境,就像我们这里的命令要使用 n p s, 然后它的参数呢,就是首先对接这,然后 n p m 杠 y 啊,然后再 接一个对应的一些指定问题,然后呢你这里要写相对应的一些环境问题,就是说我们现在要连接数据库,那么数据库我们要知道它数据库的一个地址呀,然后还有端口用 户名密码这些东西,这个时候我们通过环境变量进行配,就可以呃拣写一个连接数据库的一个呃 m c p, 所以总结下来 m c p 就 只有一件事,就是在 m c p 点 jason 的 配置文件里面配一个 m c p 服务器,然后呢 cloud code 就 能够连接数据库,然后调用对应的 api 呀,或者是操作 get 哈伯呀,这样的话就你不用去携带码,改一个配置文件就行。 所以你们在项目过程中有使用 m c p 吗?用过的扣一,没有用过的扣二,觉得有用的点个关注,我们下期见。

来了,兄弟们,别再瞎找免费接口了,直接打开 get up, 搜 public kpi, 这个四百二十五点八四大的神级仓库, 藏着全网最全的免费 api 合集,天气、新闻图片、金融动漫应有尽有,大部分接口都不用折腾,拿过来直接用就行,不管是做小工具,写自动化脚本和副业变现,有它一个直接封神!

今天在群里看到了一个测试工具,是群里大佬发的一个 java 上的一个工具,就是这个是 java 的 地址, 它主要是测试一个就是数据处理能力,比如说一些日常的一些报表了,一些 excel 表格了,一些数据的提取,数据处理,然后之后对比的模型是用的是本地的 d g x bug 部署的 deepsafe v 四 flash 和铅汞三点六、三十五 b a 三 b 和铅汞三点六、二十七 b 三个本地模型。还有就是 deepsea 微四的云端 api, 一个是 flash, 一个 pro, 两两个模型,然后进行对比的,然后这是对比工具, 然后就它里边这些题目,大家可以看有简单的问题,比如说提取数字,颜色,渠道,然后还有一些中等的,然后毛利率了关系了之类的,困难的可能就是多层环比,同比占比之类的一些数据提取, 然后这些其实是智能体中就是大模型,在智能体中使用的时候,如果说一些文档或者数据处理容易出错的地方,正常的语言类的,比如说这里边就不测相关于聊天,写文案,翻译、编程这些都不涉及的涉及只涉及到这个数据处理能力, 然后这也是经常出错的问题啊,然后测试结果挺意外的,简单说一下测试环境啊,然后就是云端 api, 就是 deepsea vs flash 和 vs pro, 本地是千万三点六二十七 b 和三十五 b 两个模型都是用的是 mac 上面的那个 m l x 格式,然后推理引擎是用的是 o l mx, 然后量化都是巴比特的量化都用了 d flash 加速,然后 deepsea 本地是用的是 d g x park 这个设备,然后模型用的是官方的 f p 加 f p 四和 f p 八混合量化的一个模型,也用的是 d spark 的 一个加速, 然后这是模型的一些基本情况,大家可以简单看一下,然后测试结果是非常一个意外的,就是结果最好,表现最稳定呢?反倒是千万三点六的两个模型, 等一下我们看测试数据啊,它们的稳定性是最好的,速度来说也是千万三点六三十五 b a 三 b 这个最快。然而 deepsea 三个模型的话,本地本地模型这个 deflash 的 速度基本和云端的四 pro 这 v 四 pro 基本是持平的,然后云端的 v 四 flash 的 速度会快比较多,但是这个云端的 v 四 flash 可能降至了,就对比本地的这个 v 四 flash 来说差很多很多。等一下我们可以看具体数据,这也是比较一个意外的发现, 本来是以为想对比一下,看本地这个 v 四 flash 是 否对比云端会差一些,但实际来说结果是云端差很多,这是二十五道问题, 然后问题里边的话,这是难易程度,然后具体测试能力的维度,然后这是测试的结果, 然后千万三点六的两个模型,就是三十五币二十七币出现的问题,刚好是两类,各自都是两类问题,而且这两类是百分零通过率,然后其余全是百分百,这两类还不重叠,就就比较有意思。感觉千万三点六、二十七币和三十五币可以互补, 但是如果两个能整合在一起是最好的。然后之后 deepsea 和 v 四 flash 就 比较扯了, api 端的话大量都出现问题,然后呃,本地法稍微好一点,甚至接近于云端 api, 就 这个 v 四 pro, v 四 pro, 然后这是测试软件的截图,大家也看一下,这三个是 deepsea 的 对比,呃,上面两个,一个是那个本地部署的 flash, 这个是云端的 flash, 这是云端的 pro, 我 们可以看下结果,结果就是云端的这个是云端的,云端的那个 v 四 flash 真的 是各种错误,各种问题,反到本地的 v 四 flash 问题不是很多,本地 v 四 flash 甚至感觉可以和云端的四 pro 稍微有来有回一点, 然后千问这两个模型就比较有意思了,这也是那个 deepsea v 四 flash, 本地的千问的两个 r 七 b 和三十五 b f p 八。这个两个模型在本地跑的话就是很稳定,就是不会的问题,就是不会,然后会的问题基本都过了,而且两个不会的问题还不重叠, 这是一个比较有意思的一个情况。然后云端那个 deepsea 跟本地的一个对比情况,这是一个通过率,就是本地的是八十七的通过率,然后云端的 flash 只有百分之五十六,然后 pro 的 话是有百分之八十八, 就是这个云端的这个 flash, 我 怀疑是可能是降至了,感觉不应该会比本地这个差这么多。 然后遇到这个具体题目的问题,就是简单问题,基本都过了,都没有问题,大家都没问题。然后遇到一些难一点的, 比如说这个量表的这个本地反而比云端好一些。然后占比分析,这边本地也是稍微好一些,然后 flash 这边就是各种出问题,像这些都没法看, 像什么这种本地的这个什么多部分析,同部分析,同比分析这些, 哎,就已经是比较惨烈了。这个 flash 这些测数据回头我都会放在那个网盘上,到时候大家自己可以去看一看,也可以去其他 app 上自己拉一个这个工具,把这个工具给部署了,有中文的部署,部署完成以后找着自己可以跑一跑本地模型的这个情况 再说呀。这个测试是不涉及到中文理解能力,也不是要编程,也不涉及到翻译之类的功能,它只是测试了一个就是数据分析能力,就日常做汇报,做报表一类的话,可能会用到的一些数据分析能力,这个是主要测试的这个能力。 这是结论,就是云端的 flash api 的 核心问题,正确率非常低,这个应该就降至导致的,就已经低得离谱了,甚至不如本地的。然后云端的 pro r 还是要比本地的那个 d g x 上部署的要强一些的,但差距也不是很大。 嗯,目前来看,如果说按照这个情况来说的话,本地的 d g x spark 部署的 tesla v 四 flash 其实是完全可以替代云端的那个 v 四 flash 的。 云端的 v 四 flash 基本是不可用的状态, 虽然它便宜,但是确实性能非常非常弱,有可能降值,也有可能别的原因导致的,但是真的是问题比较大。 但云端的 v 四 pro 还是比较好的,比本地这个 deepsea v 四 flash 要强很多。虽然这个地方就是数据分析这块差异不大,但是其他的能力差距还是很大的。 就是结论嘛,如果有本地部署的,就可以放弃到云端的 flash api 了,就 flash 版本的 api 弱的可怕,简直。 然后这是本地三个模型的分,就是 deepsea vs flash, 本地的用 d g, x 还有铅汞三点六的两个模型用 mac, 然后进行了一个简单对比,通过率来说,铅汞三点六整体来说好像都比 deepsea vs flash 好 一些, 就单说这个就是数据处理能力,就 circle 生成能力, 而且千万三点六和千呃三万三点六的二十七币和三十五币两个模型的错误问题是完全不重叠的,就是比如说这个 cte 子查询, 然后三十五币就完全过不了,二十七币就正常全过就是双 cte 折扣率,然后二十七币又全部过不了,三十五币又全能过,这都测了五人的数据,等一下大家可以看下这个图片,在 这是这个测图片,这是五轮的数据,因为二十七 b 这个速度实在太慢了,只跑了三轮。目前来看,这些如果日常使用涉及到的话,大家需要就需要注意一下了。占比分析的话, 可能 deepsea v 四 flash 会有些问题,然后同步对比分析的话, deepsea v 四 flash 基本就积极了,然后环比同比 deepsea v 四也不太行, 占比 deepsea v 四也不太行,反倒是千问三点六、二七 b 和三十五 b 都能有不错的表现。 目前来看,如果说涉及到数据分析,报表分析的话,尽量不要用 deepsea v 四 flash 这个模型,不管是本地的还是云端的,如果说用的话,最好也是拿千问二十七 b 和三十五 b 混合使用,稍微好一点 就是做完以后了之,用另外一个文件一次查找可能会能保证基本全覆盖的,就 就是二十七币和三十五币是互补的,这是四类问题,刚好是互补,一个全部通过,一个全部不通过,然后速度方面的话,二十七币实在太慢了,所以说二十七币其实我是基本不用了,这是平台对比 这块大家可以看一看,之前其实前几期视频都提到了这速度这块大家可以简单看下,就是二,这这二十五道问题,跑五轮的速度,单轮的速度的话是千万二七,比单轮大概要跑十三分钟,用麦克 m 五 max 跑,然后之后千万三十五 b, 这个只需要三分钟, 而 deepsea v 四 flash 要五点八分钟,将近六分钟。然后智能题使用上来说的话,其实, 呃,之前我的想法是通过使用 deepsea vs flash, 它的一照的长上下文来作为主智能体使用,但是如果做主智能体的话,就需要把涉及到数据分析的工作拆分成三十五 b, 二十七 b 进行处理了。 deepsea vs flash 不 太靠谱, 但是速度来说三十五 b 又比较快,其实现在考虑要不要把三十五 b 作为一个主主智能体使用, 现在情况就是如果没有长上下文任务就正常的一个智能体任务的话,其实主模型可以用三十五 b 来做,然后数据分析部分分配给二十七 b 做,就是这两项, 然后超长上下文的任务可以交给 d g x, 就是 deepsea vs flash 去做。然后就是三个方案嘛,其实大家自己灵活使用吧,智能体自己调用,看怎么调怎么分配,毕竟都有病发,完全可以做选择一个作为主智能体,另外三个都作为辅助智能体,做病发也可以同时使用。 还有一个情况给大家说一下,就是测试的话,它那个测试页面里有一个输出文本的线长度,默认是两 k 的 输出长度, 然后输出长度会导致一个问题,就是 deepsea 这边倒是没什么区别,两 k 跟二十 k 的 输出长度不影响结果,基本吃冰。但是千万这个三点六这个模型,当输出文本限制到两 k 的 时候,它有些结果是输出不完整,导致中断,会出现一些 就是测试不通过的情况,当输出文本长度开放到二十 k, 就是 能输出更多的内容的情况下,他就能有不错的提升。所以说我觉得千万三角洲这个模型很大一个问题,就是有点话痨,就是,呃,废话有点多,会占用输出的上下文长度。 所以说大家如果用这两个模型,最好把那个上下文的不是,就是把那个对话,那个模型输出那个文本的长度给开大一点, 不要开的太小,否则可能影响模型的输出,这是简单的一些使用场景的推荐。千万三点六三十五 b a 三 b 这个这个其实就我麦克现在主要用的一个模型,速度又快, 上下文支持二六二 k 也基本够用,支持多模态。就是在这个测试场景 circle 这个测试场景来说,只作为数据报表统计来说,它并不是很弱,而它弱的两项刚好二十七 b 能弥补。 不过有一个情况给大家说,就是麦克上二十七 b 和三十五 b 可以 同时加载,但不能同时跑,因为 gpu 算力是没法分配的,麦克不支持,就是你可以两个都加载。加载完以后跑三十五 b 时候,二十七 b 就 不能跑,然后就三十五 b 跑结束以后就是 不再需要 gpu 运算的时候,可以跑二十七 b, 然后之后二十七 b 这个速度就很慢了,但是它能弥补三十五 b 以上的一些问题,就是这两项份额计算和 cte 类型查询辅助生成。 而 deepsea v 四 flash 目前呢优势就是高并发症,它用的是 d g x 这个设备,并发症会好一些,然后速度是介于三十五 b a 三 b 和二十七 b 之间, 然后上下文长度能到一兆,但它不知多么态。 deepsea v 四 flash 这个模型其实结果不是很稳定,不像二十七 b 和三十五 b 这两模型,不管测多少轮,基本都是固定的问题,过不了 deepsea v 四 flash 这个情况,就是有些能通过的问题,在第二轮、第三轮测试时候也会出现不通过的情况,比如说我们可以看一下之前的这个测试结果, 这是 deep 四 v 四 flash 本地的,就是你像这个 q 二这个问题,它还是有四轮能过了,有一轮,不过还有这个 q 十跟 q 二一这两个问题,但铅汞三点六、二十七 p 跟三十五 p 就是 要么全过,要么全不过,就是表现要比它稳定很多, 包括云端的,云端的 api 这边也是这个,比如说云端 api 的 v 四 pro, 它也有出现过,就是有的通过的,有的时候一个问题通过第二轮肯定不过了, 就是非常不稳定,这个模型的表现在这一块,然后云端的 flash 基本大家就不要考虑用了, 就单这块能力来说,数据处理能力来说简直就是一个垃圾,而且这两模一线涨价了。呃, v 四 pro 现在来说确实要本地强,比本地这这三个都强, 但是吧,本地的其实 flash 也能替代它一些工作一些能力。然后云端的这个 v 四 flash 就是 大家完全不要考虑用了,它虽然很快很便宜,但是真的不建议大家使用。然后本次分享的内容就这些,后续的话 我再看有没有别的就是测试工具,再对比一下这几个模型吧。目前来看的话,本地模型我个人推荐还是 使用千万吧,千万三点六这个模型,确实这个模型还是比较好的,尤其这个三十五 b a 三 b 基本满足日常这种题使用了。 然后 deepsea v 四 flash 这个我后续再看看有什么解决办法没有,目前来看只能说等后续。呃, deepsea 出 v 四的正式版,看有没有什么质变之类的。目前来看不太稳定,不如这两个小模型输出这块稳定。就两个小模型,能就是能, 不能就是不能。而 deep sec 这个模型有点随机,有的时候它行,有时候它又不行。 嗯,再补充一下这个测试结果的图片,大家看一看,因为刚才那个页面里边图片比较小,大家可能看不清楚,然后这个是 跑的是 api, 用的是 deepsea api 接口,然后跑的是 flash。 v 四 flash, 然后跑了五轮,然后之后生成长度,就是模型输出长度设置的二十 k, 然后结果大家可以看就是比较惨烈, 就是很多问题基本都是不通过的错误的,然后这个是也是 api, 然后用的是 v 四 pro, 也是五轮上那个输入长度也是二十 k, 然后这个的话 v 四 pro 这个就比较好, 虽然也不太稳定吧。可能 deepsea 这个模型的问题就是有时候他能过,有时候他过不了,但是大部分问题第一轮处理不了,第二轮你可能跟他说一说,他就能处理了,可能纠错也能纠错。 然后这是本地的,本地 d g x 让我部署的 deepsea vs flash, 然后之后 q 九这个问题基本处理不了。 q 二二这个基本也处理不了,然后其他基本还好, 算是比较接近云端的,这个你看比较接顿,接近于那个 api 上面的 deepsea vs pro 完胜 api 上面的这个 vs flash, 然后这个是 mac 上面的千万三点六,二十七 b 巴比特量化的,然后因为模型慢,只跑了三轮,但是基本也可以看出来就是 问题二十一和问题二十三,不过其余都过,非常稳定。三十五 b 这个模型也是,然后是问题二和问题九,不过其余都过,就是二十七 b 和三十五 b 这两模型刚好是互补的,就比较有意思。 然后这是补充的内容,后续我把所有的这些测试结果都会放在那个跨客网盘上,到时候大家需要的话可以自己取一下拉取这个工具进行尝试测试, 测一测本地的这个情况,它这个只是测了,就是数据处理能力,就 circle 处理能力,可以帮你进行一些数据分析,报表汇总之类的这个能力的一个分析。