清华API怎么弄

如果你还在苦恼 deepstack 的 改变，从现在开始用 api 吧啊，上期视频我虽然提到了，但是很多人说太复杂了，更多人说不知道怎么用，那这期视频我们就来一期手把手的教程啊，不会很复杂，而且相信我，这有可能是你实现 ai 认知跃级的一大步。 你现在用的 deepsafe， 不 管是网页版还是手机 app， 它的背后其实是一堆服务器在跑。给大家看一看我们的老师在服务器里最原始的样子，一个黑底的界面，先加载各种乱七八糟的东西，加载完之后就会出现一个箭头，你打字进去，他会一行一行的给你回应， 看起来就很原始哈，能用吗？是能，但是只有技术人员能用，这时候他就在想，我怎么能把这个服务器共享给别人呢？毕竟这设备钱跟电费都烧着，如果我能共享出去，还能够按量付费去收点钱回血，对吧？那么就会有第一个问题，怎么能让别人知道你这台服务器在哪呢？ 答案也很简单，给大家一个统一的调用网址，然后大喊所有人连接这里，保持 wifi 稳定。 第二个问题，我怎么知道谁来用了，用了多少呢？也很简单，给大家一堆密钥，按照密钥来统计个数就行，其实这块就挺像账号密码的，它就是两行参数。然后会有第三个问题，因为 deepsea 它也不止一个模型，那你到底要调用哪一个？需要你指定它的模型名称， 只要你手上具备了这三个东西，你就可以在任何地方去调用。迪老师， 比如你来到了一个酒馆，跟 d 老师扮演的几位男士女士非人类聊聊天。又比如你打开了一本全是日语的材料，辛勤的 d 老师一句一句的把它们翻译成了中文，然后你脑子突然冒出了一个想法，想搞一个创业的网页 代码，当然都是由 d 老师亲自来写，当然你也可以什么都不想，就在一个简单的聊天框里面，跟老 d 老师好好的聊聊天， 你之前应该也遇到过的老师说到一半，然后紧急撤回，又或者是服务器繁忙，请稍后再试，那在这里就都不复存在了，而且尺度无限大啊。如果你听兴奋了，那我们就快速去过一遍，流程就很很简单， 然后我再去跟大家分享一些更多我对于 ai 的 一些想法操作，一共就两步，那我们先来解决后端，也就是拿到我们开头讲的那三个东西， 用电脑或者手机都行。打开 deepsea 的 官网，左边这个网页版就是我们熟悉的老路，我们这次走右边 注册一个账号，然后就开始充值，最低一元起充，具体充多少呢？我就给大家一个参考。我上个月总共花了两块三，最多的一天花了四毛，而这一天我大概跟 ai 聊了十二万字，说白了， d 老师真的很便宜，就是充十块钱，应该能够聊到你历劫了。 充完值，找到左边的 api case 点创建这个名字，你随便起，这串密钥要保存好，因为它只会出现这一次，相当于我们也拿到了我们的一个身份码。所以后台呢，其实就是充值跟创建密钥这两步。我们再去看一眼它写的接口文档， 对老师的请求地址就是这个 api 点 deepsafe 点 com api k 就是 你刚刚创建的那个。然后模型名称你有两个选择，分别对应着 v 三点二版本的非思考模式和思考模式。如果你好奇的话，可以看一眼左边的价格标准，输入两块，输出三块，每一百万， 这个比起国外的大模型真的是白菜价了。好了，至此，我们后端的这三个东西就齐了，接下来呢，我们来选前端。前端的软件是非常多的 啊，我现在给大家报个菜名，网页版有 open web ui， next， chat labor， chat， 桌面端有 chat studio， deepchat， chatwise， 手机端有 chatbox， replay， hub， cleveland 多的是。但是你要记住，就这些软件，它们所有的软件除了功能上有些细致的差别以外，其实都一致，它们就是一个壳，来为你提供一个对话的聊天界面。我们这一次呢，以 chatbox 为例啊，因为它的 ios 跟安卓都是免费的， 虽然界面会有点简陋，但其实还挺好用的，当你第一次打开它的时候，里面是空的，但如果你配置好了，它是可以什么模型都有的。 首先我们一进来全部插掉，在这个菜单里面找到设置模型，选择提供方，找到 deepsea 这里，因为 deepsea 实在太有名了，所以大家都用那个地址还有模型的名称，所以它呢，简化了，都给你填好了， 这里你就只需要填入你的密钥就可以用了，填完呢也可以检查一下，一般是没有什么问题。现在呢，再一路返回，你就可以在下面选择 d 老师了。前后段的教程就到这里结束啊，应该讲的还挺细的，如果你还有什么疑问，都可以发在评论区，我是会看的。 这里你细想一下，其实 deepsafe 的 官方 app， 它不也是这么一个壳吗？只不过官方帮你把这些地址、密钥、模型全都接好了，再给你免除了 api 的 费用，大家就这么习以为常着用着了，对吧？ 到这你可能会想啊，就为它这个模型升级，然后我为了找回老模型，就费了这么大劲，值吗？说实话，如果你只是把这个 api 接入到一个聊天软件里，那体验上确实跟之前聊天没什么区别，而且你现在还开始花钱了。 但是呢， api 这个东西，一旦你学会了领悟了它的用法，那它打开的就绝不是一个聊天窗口这么简单了。 其实我看到了一个比较主流的 ai 的 理论，它会把使用 ai 的 人分为了四层，第一层跟 ai 聊天，用网页端或者手机版的 app 去帮你查查资料，写个周报，你个新年贺词，或者帮你处理一些感情问题啊，也不是说有错，只是说这样其实没有发挥到 ai 所有的能力。 第二层，其实就是我们这次讲的用 api 的 方式把 ai 拉出来，放到各种不同的软件里面，那区别在哪呢？比如说，我这里有五个需要翻译的文件，用网页的方式一次复制不完，我就得把它们分段去粘贴， 不仅麻烦，而且这个流程是很不规范的。但凡 ai 出现一次幻觉，那字幕的格式就会错，非常容易出现各种各样的问题。 但有了 a p i 之后，我们就可以利用现成的翻译工具，只让我们的老师去做这个翻译的部分，而且整个过程都是批量的，处理完之后自动合并成一整个文件，准确而且优雅。如果你用好了 a p i， 其实你工作的效率会有很大的提升。 第三层其实就是现在爆火的 ai 编程，刚才我们翻译是有现成的工具的，但有些小众需求，比如说我想要自动抓取一些 ai 热点，然后主动推送给我， 市面上没有这样的程序，那就自己造。有一种很特别的程序，专门为 ai 编程而优化，同样它需要 api 的 方式接进去，然后你跟它自然语言描述你想要的东西，它就能帮你一点点做出来，而在这一层，无论你的需求有多小众，它都可以解决。 最近呢，我是用 ai 来搭建了整个写作的工作流，虽然文章还是我自己写，但是有一些选题的想法，或者是发布之后的数据总结，我就都交给 ai 去做了。昨天晚上我去跟 ai 复盘总结，也说了很多的想法，然后我觉得有点累了，就跟他说，不然今天就到这里， 然后他就说好了，今天就先到这大概讲了什么东西？合上电脑，我突然有点恍惚，就过去的一个小时，我是完全没有看手机，没有呃，刷短视频，完全就是种心灵模式，而这个心灵模式竟然是我在跟一个 机器在协同工作，这种感觉真的还挺奇妙的。至于第四层，其实很多人都还在观望，应该也是一个今年的趋势啊。一个 ai 是 已经可以帮你很好的完成任务了，但是更加复杂的，更大的任务可能他还是做不了的。那么一群 ai 如何去协同合作？ 这个事情还是比较难的，就目前还是一片混乱。就是你让一个总领导的一个人去安排几个不同的小 ai 去做事情， 他就会着急的说那 ai 还没做完呢，他就自己上手去做了。总之现在的视觉效果是远大于实际的效果的啊，还不是很好用，跟大家发散的会演多了，只是想让大家去了解一下现在的 ai 进行到什么程度了。 呃，这一次的小事故，如果能够让你有机会去接触到 api 的 用法，我觉得是一个非常好的机会。好了，这期视频呢，我们就讲到这里啊，应该都听懂了吧，如果，嗯，哎，反正后续我也会做各种各样的，一步一步的，这种 ai 的 内容也可以先关注一下我。 嗯，就讲到这吧，然后我是大黑，以纯人工的方式去帮你去去分享智能。好，我们就下次再见。拜拜。

熬了三个通宵，我的 ai 员工终于上线了，你看，我可以直接用飞书发消息，让他干活，帮我把桌面整理一下。 哇塞，瞬间收纳好了，但这对他来说只是小菜一碟啊，他还能帮你处理邮件、浏览网页、帮你查资料。重点是，他所有的技能和记忆都存在你这台电脑上，不用签保密协议了呀。接下来教你们怎么装点赞收藏慢慢看。 首先，你得搞一台可以上网的苹果电脑，接着去注册申请个大模型的 apikey， 我 用的是 kimi code， 你 也可以去尝试其他的。然后就按 command 加空格输入车密码，按回车输入这些命令行。然后呢，跟着指引在上面贴上你刚申请到的 apikey， 完成之后就可以直接在这里跟 ai 对 话了。但想要接飞书的话，还得多做一步，就是在飞书开放平台上创建一个机器人应用，然后将这个机器人的 id 密钥告诉他， 这就大功告成了。你可以给他取个名字，告诉他你是他的老板，就把他当做一个员工来看，他也会告诉你他能帮你做什么。总之呢，非常有意思。我把我的实际操作步骤整理成了一份文档，有兴趣的举个手直接发你。

网页给手机刷 root 教程，它来了，很多小伙伴说用网页给手机刷 root 刷分区，怎么可能，甚至还有的小伙伴狂言说信的人这辈子有了那么好，三丰今天就带你开开眼界。在此之前，我们依旧是需要准备数据线，可以是 type c 对 type c， 也可以是 o t 区转接头。其次我们需要准备 e d g e 浏览器，这个是 a p i 支持的原因路径在张三丰资源网页刷 root 分 区等。那么现在我们开始教程。首先我们需要把手机进 入到这一个 fastboot 模式，我这里的话为了方便就直接用面具进入了。 ok， 成功进入 fastboot 模式，我们先进浏览器访问到对应的网址，我们会看到这样的页面，此时我们就可以连接数据线来怼进去。好，下面我们点击连接 fastboot 设备，点击我们会发现上面会提示希望连接什么，我们希望连接 android， 你 要点击连接允许 edg 访问 android 吗？确定这样就连接成功了？下面我们就可以进行分区 镜像的刷写，选择刷写镜像，我们选择文件，我这里选择 d t b o 分 区，我就随便刷一个 d t b o。 大家你们可以刷 boot， 如果是刷 boot 就 输入 boot 分 区， in boot 就 输入 in boot 分 区。好，这里很显然我刷的是 d t b o。 好， d t b o 输入 d t b o， 我 们点击刷写分区，此时它就会 进行刷写，如果这一个文件消失不见了，就是刷写分区，此时它就会进行刷写，如果这一个文件输入这一个 v boot， 重启 i e b o t 执行命令执行好，此时手机就进行重启了，看到没有，这个是有效果的是吧？如果没有效果它是不可能重启的，说明它是可以给它进行刷写的，也是可以正确执行 fastboot 命令。再给大家提一 嘴，这一个 fastboot 命令前面不需要添加 fastboot， 比如说你想执行一个刷写命令，但是在这里的话，我们可以省略掉这个 fastboot， 只保留 facebook 后面的命令，这个是刷写工具的使用方法。所以这一次是不是让你大开眼界了，并且是真实可用的，所以那些说信的人，这辈子有的你们可以这样出来说话了。那么好了，本期视频就给大家分享到这里，关注我，了解更多玩机资讯，我们下期再见！

兄弟们，今天做一期关于这个鸿蒙六开发者 beta 版本的这个视频，但是涉及到保密部分的我们就不聊，也不方便展示，只是说一下一些公开的能够说的东西。首先第一个这个版本怎么去报名？在应用商店里面搜索这个开发者联盟， 然后在这里面完成认证以后，首页点进去就可以报名了。如果答题答了几次的不行的，你就换个手机号再注册就可以了。 这个题其实都很简单，有一些可能你答不了，你如果身边有其他的设备，是可以去提供一些帮助的。然后说这个需不需要刷全量包，因为它 ota 更新其实是整包更新的， 所以刷不刷全量包这个对于整体影响不是特别大，只是个人习惯，所以这个不影响。在刷之前需不需要备份数据， 这个官方肯定是建议备份的，这个整体还是比较稳定的，但是建议还是把数据备份好，重要的比如说你的微信啊，相册这些备份好，以防刷机过程中，比如说出现一些死机情况很低，但是还是做好自己的数据保护是最好的。然后还有 兄弟在问，就是说刷了这个内测版以后还能不能收到，比如说像幺三零或者幺三二幺三五的正式版的更新，肯定是你收不到了，因为内测版的版本号是高于正式版的，所以只有等内测版后面切换到公测以后是可以切换过去的，后面只要不点尝鲜就没有问题。 整体这个版本还是比较建议升级的，升级的兄弟们也自己享受就行了，不要去公开的去泄露怎么样？尤其是功能界面，毕竟还是内测，好吧？

tiktok 官方开始鼓励通过 api 发布短视频了，所有做 tk 电商的注意了，特别是美区玩家要注意，就在现在， tk 官方鼓励各个商家把自然流挂车的短视频通过官方的 api 接口进行发布，率先从美区开始。 什么是官方的 api？ 从官方 api 发布短视频到底有哪些好处呢？以及怎么从官方 api 发布短视频呢？一分钟给你讲明白。一、什么是官方 api？ 就是 tk 官方为了完善生态，希望有技术实力的伙伴一起玩，研发符合官方生态发展的产品， 一边既能满足官方的商业上的增长需求，另外一边又有利于提高用户的粘性和活跃度，给到的各种接口和能力。 简单来讲啊，就是官方不做，将又需要的产品交给生态伙伴来做，那就需要给这些伙伴柴米油盐呀。那么第二，从官方 a p i 发布挂车短视频有哪些好处呢？好处有三个，一是安全，无论你在哪，你的账号发布的挂车视频都是通过官方分配的 ip 去发布出去的，不限流也不封号。 二是预审额度的提升，从之前每个账号每天预审两条提升到十条，这意味着什么不用我多说了吧。三是更容易得到官方的流量直接扶持，牛逼不牛逼？那么怎么从官方 a p i 发布视频呢？这就跟我前面说的什么是 a p i 有 关系， 要想通过官方的 api 发布挂车视频，是要找有这样的能力的，并且经过官方承认的第三方应用一定不是那些群控云控啊，这些作弊器官方想清掉还来不及，永远不可能会放给他们 api 的， 别被蒙了啊。究竟哪个工具能既安全合规又能自然流挂车？通过 api 发布作品？评论区打 api 三个字母。

嘿，各位搞逆向工程的朋友们，有没有遇到过这么个怪事，就是程序明明调用了一个函数，可你翻遍了它的导入表，就是找不着。 今天啊，咱们就来当一回侦探，把这个案子给破了。没错，就是这么个情况，你想想啊，你信心满满的打开一个程序，想把它看个底朝天，查查它都调用了哪些 api， 结果呢？一上调试器， 嘿，它居然调用了一些压根就没在列表里的函数，这到底是怎么回事啊？难道说这个导入表它还会骗人不？重 行，咱们这就来看看这个案发场，你看这个对比就很能说明问题了。左边静态分析的时候，你翻遍了 pe 文件的导入表，就是找不到某个 api 的 影子，对吧？它根本就不存在。 但是，一旦你把程序跑起来，切到右边的动态视角，用调试器一看，哇，这个 api 调用不仅成功执行了，而且程序还跑得好好的，这感觉就好像这个函数是变魔术一样，凭空冒出来的。 当然了，这背后可不是什么魔法。其实呢，这是一个 windows 系统里头非常聪明，非常巧妙的一个机制，它的名字就叫 d l l 延迟加载。来咱们这就把它扒开，看看它到底是怎么玩的。 那到底什么是 d l l 延迟加载呢？说白了，它就是一种懒汉式的加载方法，或者叫拖延症加载法。哈哈，你看啊，一般的程序启动会一下子把所有需要用到的工具，也就是 d l l 和函数全都搬进内存， 但延迟加载不怎么干，他特别懒，他会说，哎，先别急，等会再说。只有等到某个函数，你第一次真正要用它的时候，它才慢悠悠的去把对应的 d l l 加载进来，再去找到这个函数的具体地址，是不是很形象？ 那这么偷懒有什么好处呢？好处可太大了，最直接的一点就是能让你的程序嗖的一下就启动起来。咱们来看这个例子，特别好理解。 就拿一个功能超多的照片编辑器来说吧，它可能有好几十种滤镜，什么复古风、赛博、朋克风，每一种滤镜的功能代码都放在一个单独的 d l l 文件里。你想啊，要是你一打开这个软件，它就把这几十个 d l l 全都架在一边，那你估计得等上半天。 但用了联时加载就不一样了，只有当你真正去点那个复古风滤镜的时候，程序再会说，哦，该干活了，然后才去加载那个特定的 d l l， 这样一来，启动速度不就快多了吗？ 好，我们现在知道了，为什么要这么干。那接下来最关键的问题来了，它是怎么做到的呢？ 这个看起来像变魔术一样的小把戏，他背后的流程其实是相当精密的，咱们一起来看看他的内部构造。 要演好这出戏啊，得有三个关键角色登场。首先是延迟导入表，你可以把它想象成一个代办事情清单，上面清清楚楚的写着，喂，这些 d r r 和函数，先别急着加载啊，等通知。 然后呢，是编一起纯汁儿，这玩意儿就像个接线员儿，或者说是个哨兵，他守在那儿，专门拦截对这些懒加载函数的第一次呼叫。最后就是我们的主角儿，叫 delay load、 helper two 函数儿，他才是那个真正干活儿的， 接到通知之后，就由他负责去把 d l l 找来，把函数地址问到。那么，当你的代码第一次调用那个懒加载函数的时候，到底发生了什么呢？咱们一步一步来看。 第一步，你的调用请求，他并不会直接找到真正的函数，而是先撞到了那个变异器存根那个哨兵。第二步，这个存根哨兵自己不干活，他马上转身去呼叫那个爱孩子 delay load helper 二的助手函数说，哎，来活了，快来帮忙。 第三步，这个助手函数一登场就立马开始干活，他先是调用 load library， 把需要的那个 dlc 文件给加载到内存里。 第四步， d l l 加载进来了，他又马不停蹄地调用 get pro address， 从 d l l 里问出那个函数的真实地址。第五步，也是最关键的一步， 他会把这个刚到手的真实地址写回到一个叫导入地址表，也就是 i a t 的 地方。这一步特别重要，就好像是更新了通讯录，原来通讯录里记的是那个哨兵的地址，现在直接更新成了函数的直达专线，你看，这个信息就被修整了。 最后一步，万事俱备，程序就直接调转到那个真实的函数地址去执行代码了。你看，整个流程下来天衣无缝，而且因为 i a t 已经被更新了，所以下一次你再调用同一个函数，就直接走直达专线了，再也不用这么麻烦了。 ok， 原理咱们搞明白了，那现在轮到我们这些侦探出马了。面对这种藏起来的 api 调用，我们到底该用什么工具，从哪下手才能把它揪出来呢？ 一般来说，咱们有两条路可以走，也就是两种主要的分析手段，静态分析和动态分析。 静态分析呢，就是不动手，不运行程序，咱们就对着文件本身进行分析，我们可以直接去 pe 文件里头找到那个我们之前提到的廉耻导入表，把它解析出来。 而动态分析呢，就更直接了，咱们把程序跑起来，用调湿器盯着它的一举一动，我们可以跟着代码一步一步走，或者更聪明一点儿，直接在那些关键的加载函数，比如 load library 和 get proc address 上面设个断点，等到它自投罗网。 这里要给大家一个特别好用的静态分析小技巧。你看，在代码里找东西，最怕的就是没线索， 但是对于延迟加载来说，有一个几乎可以说是铁证的线索，那就是如果你在返回编代码里看到了一个靠指令，它调用的正是我们前面说的那个主角， js underscore delay load helper two， 那 基本就可以百分之百确定了，这就是一个延迟加载的触发点，这个信号简直不要太明显。 但是啊，咱们得记住，任何技术它都是一把双刃剑，这个本来是为了提升程序性能的好东西，现在也成了恶意软件作者眼里的香饽饽， 他们会利用这个机制来跟我们玩捉迷藏，把它当成一种隐藏自己的障眼法。没错，你想想，恶意软件最怕什么？就是怕被发现，所以它们会想尽一切办法隐藏自己的行为， 比如他们要调用一些很敏感，一听就很可疑的 a p i。 那 怎么办呢？直接写在导入表里不就等于自报家门了吗？所以他们就很机智地用上了延迟加载 他们的如意算盘就是，哎，反中，很多自动化的安全工具，就只会傻傻地扫描那个标准的导入表，只要我把调用藏在延迟加载里，不就能躲过去了吗？ 不过呢，正所谓谋高一尺道高一丈，只要咱们搞懂了它背后的原理，识破这种小技巧简直是小菜一碟。首先啊，现在很多专业的静态分析工具，比如大家都很熟悉的 ide pro， 它已经非常智能了，大部分情况下都能自动帮你识别出这些延时加载的函数。就算静态分析搞不定，咱们还有动态分析这个大杀器。就像我们前面说的，你只要在 load library 和 get proc address 这两个函数上设好断点，然后就泡杯茶等着。 一旦恶意软件想偷偷摸摸地去解析它藏起来的函数，啪的一下就会在你的调试器里停下来，被你抓个正着。 好了，那关于这个会说谎的导入表的案子，今天咱们就分析到这里。现在呢，我也特别想听听你的故事， 你在自己的逆向分析生涯里，有没有碰到过类似的情况，或者你有没有什么独门秘籍，可以更快的发现这些被藏起来的调用？都非常欢迎你在评论区里留言，分享你的经验和看法。好，我们下期再见！

每天淹没在海量信息里，其实真正值得读的内容，可能连百分之十都不到。 与其把时间浪费在手动筛选标题党和垃圾广告上，不如直接搭建一套自动化的情报系统。利用 n 八 n 这类工作流工具，我们可以把原本每天需要两个小时的信息获取过程，直接压缩到几十分钟，甚至完全不需要人工干预。 这不仅仅是省时间，而是把获取信息这件事，从低效的手动劳动，升级成了一条现代化的流水线。 这套自动化逻辑的核心，其实就是一条现代化的信息加工流水线。不管你是用什么工具、标准架构跑不出这四个环节，抓取、清洗、 ai 加工以及最后的微党推送。先把原材料从全网各个角落抓回来， 然后做清洗，把格式乱七八糟的数据统一标准化。接着进入核心环节，让 ai 大 脑进行翻译和提炼，最后把处理好的成品直接送到你手里。逻辑非常清晰， 我们一步步拆解来看。先说第一步，怎么把信息抓回来。这里主要靠两把刷子， rss 订阅和 api 调用。对于那些传统的博客、新闻网站， rss 绝对是效率之王。这机制就像以前订报纸一样， 你不需要每天跑去报摊看有没有新报纸，只要拿到对方的 rss 链接，不管是纽约时报这种大媒体，还是小众的个人播客，那边一更新内容就自动推到你脸上。 很多网站虽然没把 rss 图标挂在明面上，但你在网址后面试着加个 feed 或者 rss 的 后缀，或者去 feedspot 这类聚合平台搜一下，通常都能把它的源挖出来。 但问题来了，如果是推特、有馆这类封闭的社交媒体，光靠 rss 拿到的信息往往不够全，甚至根本拿不到。这时候就得用 api。 api 说白了就是平台官方开的一个后门。 他最猛的地方不仅是能抓到内容，还能顺手把点赞数、浏览量这些原数据也全部扒下来。这对于监控热点趋势简直太重要了。毕竟，只有拿到这些数据，你才能算出哪条内容正在疯传， 哪条是没人看的垃圾。只有 a p i 才能告诉你什么是真正的全网热点。抓回来的数据，通常都是没法直接用的，格式五花八门，就像刚从地里拔出来的萝卜，带着一堆泥巴和烂叶子。 如果你直接把这些原始数据扔给 ai， 不 仅处理效果差，还会白白浪费大量的 token 的 费用。所以，第二步必须做清洗。我们需要在 n 八 n 里用一个 set 节点，把格式强行统一起来。逻辑很简单，不管源头有多少个乱七八糟的字段， 我们只提取四个核心要素，标题、链接、正文字和发布时间，其他的广告代码、样式、标签统统扔掉，只保留最干的干活。 除了格式要干净，时间也得新鲜。我们做的是情报系统，不是历史博物馆。昨天的旧文对我来说可能就没价值了。 为了保证时效性，一定要加个过滤器，设定一个简单粗暴的规则，只放行最近二十四小时内产生的内容。凡是超过这个时间窗口的旧消息，不管标题多耸人听闻，直接拦截丢掉。 这样既能保证你看到的一定是热乎的，又能进一步帮 ai 节省处理资源，别让它在陈芝麻烂谷子上浪费算力。数据洗干净之后，就到了最有含金量的环节， ai 智能加工。如果只是把原文搬过来，那效率提升其实非常有限。 我们要做的第一件事是跨语言翻译。很多人不看外文资讯，不是因为内容不好，而是阅读压力太大。现在我们直接接入大模型，让 ai 充当你的同声传译。它不是死板的查单词，而是把全球范围内的资讯直接转成你的母语。 这一步的核心目的就是降噪，扫清一切阅读障碍，让你获取情报的速度跟看国内新闻一样快。翻译完之后， ai 还得帮你做第二件事，自动摘要。我们要的是认知压缩。 你想想，每天面对几十篇长文章，每一篇都通读，根本不现实。我们要让 ai 先读一遍，然后替他那个懂行的助理，直接把万字长文提炼成三句核心观点。 这几句话不仅能帮你省下大量的阅读时间，最重要的是它能帮你快速过滤看完摘要，有价值的再去读原文，没价值的直接划走。这一步能让你摄取信息的效率提升十倍不止。 第三步，也是最关键的一步，智能达标。这可不是简单的关键词搜索，而是让 ai 理解内容之后，按照你的标准去分类。 你可以在提示词里告诉 ai， 如果内容里有代码或者具体方法论，就打上硬核干货。如果是大厂动态，就叫行业新闻。如果是没营养的口水账，直接标上纯吐槽。 有了这些标签，你后续整理资料会极其方便。更牛的是，你可以设定机器人只给你推送硬核干货，那些垃圾信息连出现在你手机上的机会都没有。 情报加工得再好，如果只是在后台飘过去，那这套系统就白做了。我们需要一个落脚点，建议你直接把这些处理好的高质量信息存进回书、多维表格或者类似的数据库里。 这一步的本质是把信息流变成知识资产。有了这个库，你以后想查某个行业深度报告或者技术干货，不需要去翻聊天记录，直接按标签或者关键词搜索就行，这是你个人的私有，搜索引擎存的越多，他的威力就越大。 既然是自动化，你就别指望每天还去主动刷数据库。最爽的体验一定是喂到嘴边， 利用机器人接口，把每天整理好的情报按重要程度排好版，直接推送到你的手机上。想象一下，每天早上醒来，你不需要去翻那个乱七八糟的订阅列表， 机器人已经把全网你关心的最新动态全部翻译好，总结好发到了你的聊天软件里。 你只需要利用洗漱或者通勤的几分钟扫一眼，这一天最核心的情报你就全掌握了， 这才是真正的科技改变生活。最后说一下这套系统怎么跑，新手完全没必要一上来就买服务器，直接在自己电脑上装个 n 八 n， 或者用 npm， 跑起来免费又直观。先把流程跑通是关键， 但是本地部署有个硬伤，你关机睡觉或者断网了，它也就停工了。如果你想让这套系统真正变成你的全天候情报中心，二十四小时盯着全网动态，那把它部署到语音服务器上是必须的， 其实成本很低，租个最便宜的 vps， 几十块钱一个月把 dck 跑起来，这样即便你关机睡觉，你的数字情报员依然在后台默默运转，决不错过任何一个关键信号。

想拥有一个自己的大模型，但不知道怎么下手？别慌，这个视频教你从电脑开机开始，带你一行行手敲代码，全程实操微调出一个专属于你的大模型，新手小白也能轻松拿下。都二零二六年了，如果你的简历上还只写着会调用 api， 那 面试官可能看都不看就划过去了。 现在的企业真正缺的是什么？是能把开源大模型拿回来，在本地练成懂公司业务的自有专家的人。 为什么要学微调呢？试想一下，你把你公司十年的客服对话记录喂给模型，它就能从一个机械回复的机器人，变成一个懂退换货政策，甚至懂销售话术的金牌销冠。 或者把厚厚的法律条纹和医疗指南喂进去，他瞬间就能够变成垂直行业助手。最关键的是，这一切都在本地发生，数据不出门，隐私更安全。今天我就带你们用 deepseek r 一 一点五 b 这个性价比之王，零成本跑通这套价值百万的流程。 本期视频我们不整虚的，直接实战。第一部分，我会快速拆解微调的底层逻辑，搞懂 lora， 让你在面试的时候有资本和面试官谈笑风生。第二部分是环境准备。 我知道很多人入门 ai， 最大的门槛不是代码，而是配环境，报错报到怀疑人生。所以这次我直接帮大家选好了一个免费的云端环境，不用担心没有显卡，只要你能上网，哪怕是轻薄本也能跟着我一起跑。 第三部分，我会手把手一行一行代码，带着大家跑业务流程，亲手把模型给练出来。最后，我们来聊一聊目前 ai 行业里面微调这个技能的价值，以及未来我们还能用这套方法玩出什么花样， 毕竟工具是死的，思路是活的吗？我希望大家通过这个视频不仅学会操作，更能打开思路。我们马上开始第一部分，先来搞懂什么是微调，什么是 logo， 只有搞懂了这两个概念，你后面跑代码的时候才知道为什么我们要调整那些参数，遇到报错才知道怎么修。 首先，什么是微调发音？ tony， 我 们可以把现在的 deepsea 二一想象成一个刚毕业的全能本科生，他读了很多书，历史、物理、编程什么都懂一点。但是如果他不经过培训就直接去你公司上班，不管是做医疗客服还是写法律文书，肯定是蒙的， 因为他不懂你们公司的具体业务，也不懂那个行业的黑化。那我们要做的事就是送他去读个在职研究生，我们把他关进小黑屋里面，给他塞一堆你们行业的专业教材，也就是你的数据集，让他从一个什么都懂一点的通才变成一个懂业务的专才， 这一点在现在的职场里面非常重要。现在外面面试 ai 岗位谁都会掉， api 那 个没有什么壁垒。但是如果你能说我能把通用的 r e 模型微调成一个懂我们公司十年累积下来的私有数据的专家模型，这在老板眼里的价值是完全不一样的。 但是如果要把这个本科生彻底的回炉重造，也就是全量微调，成本太高了，你得把他的参数全部都重新洗一遍，这在以前没几个几十万的显卡集群根本跑不动，这也是以前很多个人开发者被劝退的原因。 但是我们今天要用的是 lol 的 逻辑，特别鸡贼哦，是特别聪明，他不碰模型原来的大脑，也就是冻结原模型， 而是给模型贴上便利贴。这就好比教科书太厚了，我们印不起新了，那就在每页旁边贴一张便利贴，就是 adapter 设备记参数，把新的知识写在便利贴上。考试的时候呢，模型既看原来的书，也看一下旁边的便利贴，效果是不一样的。 我们为什么要讲这个呢？因为 lora， 这是我们今天能零成本做这件事的核心秘密。 lora 有 以下三大优势，一、存显存。因为只练便利贴，显存占用只有原来的三分之一，甚至更少。这就是为什么待会我们用免费的云端显卡也能够跑得起来。 要点是他速度快，别人练模型要一周，你可能呢？喝杯咖啡的功夫，几十分钟就练好了，而且他效果还好。二零二六年的今天， low 耳的效果已在很多的垂直领域，已经完全不输给全量微调了。 所以我们今天的方法论就是不动大手术，只做微整形，用最小的代价换来专属的效果。 好了，那么原理大家心里都有个底了。接下来我们要搞定零成本的环境，我们不花几千块去做服务器，也不用把你那个打游戏的笔记本风扇转得跟个直升机起飞一样。我们直接用 modscop 提供的免费云端算力。首先去 modscop 官网登录，找到我的 notebook， 这里我们要选择 gpu 环境，按这个配置，二十四 g 显存，这个配置呢，跑我们 deepseek 二一的 lower v 条完全是绰绰有余了。镜像这里我们就不用纠结，选官方默认的 petortech 镜像就可以了，它里面该有的驱动都给你装好了，主打一个开箱即用。 启动之后呢，我们先把它启动一下，好等待一下。 ok， 我 们的环境已启动好了，然后点击查看 notebook， 我们就进入了一个类似于网页代码编辑器的界面了，大家要注意啊，包括一小时没有操作，会自动关闭，所以大家跑训练的时候，偶尔要在网页上去点一点，或者是写一个自动刷新的脚本，千万不要什么你辛苦跑了一下午，回头一看，连接断了，模型权重全没了，那时候你真的会想，嗯，砸你的键盘的。 当然了，如果你是用的本地服务器，或者是你习惯用 club， alt dl 这样的其他的平台，不想用摩搭也没有关系。那下面这个依赖安装就是专门为你们准备的， 因为离开了这个摩搭的。嗯，官方镜像，你的环境大概率是少了一些东西的。想跑通整个代码呢，你必须把这几个核心库给安装好。 首先有 transmos， 这是大模型的基础设施，然后 pft 这是关，这是专门管 luo 适配器参数的库。最后一个是，嗯，能帮你做量化，帮你省显存。 大家在自己的机器上去安装这些依赖的时候，就用我给你的这一个命令，我特地还加了国内的气象员，三选一就可以了，因为你在本地环境安装这些大包，如果不换原的话，那个下载速度啊，能够让你怀疑人生， 加了这个呢，基本上就是秒下。好了，那到这里，我们的环境准备好了，接下来最硬核的一部分来了，开始我们的代码实战。不过呢，先别急着写代码，先养成一个好习惯，要整理一下我们的工作区， 在左边的文件浏览器右键新建一个文件夹，名字就叫 s f t zip。 二一， 待会我们训练出来的模型文件，还有日制数据集，我们都一股脑的往里面丢，如果不整理的话，那跑完这一堆文件是乱糟糟的，你想去复盘都找不到东西。 然后我们进入到这个文件夹里面，新建一个文件，这里你有两个选择，你可以写点 py 的 脚本文件，也可以用 jupiter notebook， 那 我们演示的话呢，就用嗯， jupiter， 因为点 py 文件一跑就是从头跑到尾，中间哪里出错了，你得全部重来。而 jupiter 可以 一块一块的运行 加载模型，这一块没有问题了，那我们就再跑下一块，重复率极高，非常适合我们边学边练。 为了不浪费大家时间，代码我都已经提前写好并且测试过了。接下来我会用我们程序员最喜欢的 cv 大 法，一段一段的考过来，但是每一段的关键代码我都会告诉大家他是干什么的，保证你能够听懂。 大家可以来跟着我的节奏，我们把这个像搭积木一样的训练流程给搭起来。对了，视频里面用到所有脚本代码，清洗好的数据集，还有刚才我提到的环境配置文件，为了防备大家手敲出错，我都已经给大家准备好了，打包好了， 大家可以直接打开就能够看到完整的工程文件，这样课后你在自己电脑上或者是在云端动手操作的时候，直接上传上去，就能够跑起来如打一个，省心啊，主要是希望能够帮助大家在学习大模型微调的路上少走一些弯路。 好了，那么资料在手心里，不慌了。接下来我们回到摩达社区，进入这个模型库，我们可以找到 deepsea 二一，你会看到很多个版本，但是为了演示流畅呢，我们就选择这个，嗯， deepsea 二一， distill 千万一点五 b， 这个模型虽然很小，但是麻雀虽小，五脏俱全， r e 该有的推理能力它都有。点进去之后呢，这里有一个下载模型，我们找到 s d k 下载，这里有一段 python 代码，我们把它给复制下来， 回到 notebook 直接粘贴一下，然后运行，因为我之前跑过系统有缓存，所以，嗯，它瞬间就加载好了，那如果你是第一次运行，进度条可能会走一会，需要耐心等待一下，那么现在我们一切准备就绪了，所以我们来到我们代码的第一步，加载模型并测试。 大家可以看这段代码，这里定义的 model name， 这个路径就是我们在摩达平台上 zip 二一存放的位置。那么这模型到底存在哪里了呢？ 我们看一下这个文件夹里面没有，对吧？那怎么办呢？到底在哪里？好，这就涉及到 linux 系统的一个小知识了，我们可以打开一个终端来找一下，在根目录下直接输入 ls 是 看不到我们刚才下载的模型的，只有这两个文件夹，一个是我之前创建好的，一个是我刚刚跟大家一起创建好的。 因为摩达社区默认把模型存在缓存里面了，所以我们需要输入 ls 杠 a。 有 没有看到这个带点的 catch 文件夹 在 nex 里面，再点的都是隐藏目录，模型就藏在这个里面了。接下来我们就来玩一个剥洋葱的游戏，一层一层点进去，我们输入 cd， 点 catch， 就 进入到这个缓存了，然后我们再查看好进入 model scope， 继续 好再下一层 models 看到没有？有 deep seek ai， ok， 那 我们再进入这个文件夹，好看到这个 deep seek r e distale， 千问一点五了吗？这个文件夹就是我们刚才下载下来的，这时候我们只需要在这里输入一个 p w d 命令，把这一长串的绝对路径复制下来。 然后我们回到我们的 python 代码里面，把这个 model name 的 变量替换成我们复制的那一个路径就可以了，我把它给粘贴一下，大家注意看，这一行代码末尾有一个 qq 的， 这是什么意思呢？它的意思非常直白，就是把模型从内存搬运到显存里面去。 如果你是跟着我刚才的步骤，用的是摩搭的免费 gpu 环境，或者你自己有 n 卡，那这句话千万不要动，必须留着，因为只有进了 gpu， 我 们后面的微调才能够跑起来。但是如果你在本地用的是没有读写的轻薄本或者是 mac 电脑，你就把这个 toku 的 给删掉就行了，让它在你的 cpu 上慢慢跑。 不过呢，说实话啊，我们今天做的是微调训练，纯靠 cpu 跑的话，那个速度可能会非常慢，所以强烈建议大家还是要去蹭一下免费的云端的 gpu 啊。那我们就简单的来运行一下， ok， 模型加载成功， 接下来我们得给他准备教材，所以我们的第二步是制作数据集，我这里准备了五十条关于唱歌技巧的问答，数据其实都是大模型生成的，那可以看一下这个格式，一个问题 chrome， 一个回答 completion。 然后我们需要把这些原始数据转换成 json 的 格式，因为这是目前微调最通用的标准格式，也就是一行一个 json 对 象，干净利落。 我先把代码给复制过去，然后呢，把这个括号里面内容替换成我们的数据集就可以了，先把它给弄过来再说吧，因为这根代码很简单，我就不给大家解释了啊。 虽然在实际的大项目里面，我们通常会读取外部的文件，但是因为我们今天只有五十条演示，数据量非常少，所以呢，直接写在代码里面反而更直观。我们就不搞那些复杂的文件读取了， 你把它运行一下，很快就完成了。接下来我们第三步，我们需要拆分数据集， 要把它分成训练级和测试级。这就好比我们上学的时候，一般考试啊，老师会把百分之九十的题目拿来做平时的练习，也就是训练级，剩下百分之十呢，作为期末考试，老师要藏起来，这是测试级， 如果模型把考试题都背过了，那他就不是真懂，是死记硬背了。所以这一步虽然简单，但是必须要分，我们同样也把它跑一跑。 ok， 数据集总数量是五十条数据，然后呢，训练级是四十五条，测试级是五条，所以我们训练数据的准备工作是完成了， 数据分好了，但是模型他看不懂英文，看不懂中文，他只认识数字，所以我们需要一个翻译官，也就是 token。 这里呢，我们定义了个函数，主要是做两件事情，第一件是拼接，要把问题和答案拼成一句话好。第二件事是进行截断，也就是 tognine 的 性分词。 大家可以看到这个 max nurse 等于五百一十二，这就像是给数据定了一个统一的身高，太长的要切掉，太短的我们要把它给补齐。 padding， padding 就是 补齐嘛， 这样数据才能够整整齐齐的喂给 gpu 吃，同样的运行一下。好啦，看到分词完成，说明我们的训练级和验证级都已经经过透光粒子处理了。 接下来重点来了，为什么我们能够用免费的显卡跑动这个大模型呢？就全靠接下来这两步了。首先是量化，这一段代码就是直接把模型的体积压缩了一半以上，它采用了八倍的量化， 虽然精度会牺牲一点点，但是显存占用直接打骨折好了，量化也搞定了。接下来就是我们今天零成本实战的灵魂 logo 设置， 这一步呢，其实就是在定义我们刚才说的那个便利贴到底要多大，要贴在哪里，大家可以看这一段代码其实也比较简单，这里有几个关键的参数，我给大家讲一下。首先这个 r 等于八，这个 r 叫做质，简单来说，它决定了你的便利贴能写多少字， 数值越大，模型能学到的新东西就越复杂，但显存占用也就越高，数值越小呢，训练就越快。所以我们今天这种轻量级的微调设置为八或者是十六，性价比是最高的，完全够用了。 r laro 阿尔法，这是一个缩放因子啊，我们通常把它设置为 r 的 两倍，它就像是一个音量旋钮来控制微调，对圆模型的影响有多大？最后一个参数呢，就是告诉程序，我们是在训练一个语言，模型是用来做对话生成的，不是搞画图的。 热好了以后呢，我们来运行一下，大家可以看一下他输出的这一行字，这个百分比他只有百分之零点零六一三，对吧？也就是说，只有大约万分之六的参数被训练了，其他的其余的百分之九十九点九四的参数是冻结的。 这就是 law 的 魅力，我们不需要训练几十亿个参数，只需要训练这极小的一部分。这就好比你装修房子，不需要把整栋楼拆了重盖，只需要把壁纸换一下就行了。 好， laurel 的 参数设置完成了，我们最后一步，终于要开始训练了。这里我们定义了个 training arguments， 这是我们的训练控制台。参数虽然很多，但是只有几个是你必须要懂的，否则容易翻车。 首先是这个 output d， 我 们待会儿训练完的成果啊，会保存在这个文件夹里面，可以自定一下。 然后这个 import 等于十，这是训练轮次。因为我们数据少，只有五十条，所以我们要用模型多读几遍，读个十遍差不多了。如果是几万条数据呢？通常跑一到三轮就够了。 接下来这个参数 batch size 等于四，这个叫做显存杀手，意思是每次塞进四条数据给显卡，如果你待会运行的时候报错，提示显存一出了，就可以把这个数字设置为二或者是一， 然后这个，嗯，这个 f p 十六等于处，意思就是开启半精度训练，这开关一定要开哦，因为你开了之后显存占用直接砍半，训练速度翻倍，不影响效果。 好了，我们一切设置完毕，把它给粘贴过去，运行一下， ok， 开始训练了，这个不用管啊，这个不影响我们的训练，他进度条开始动起来了，我们会发现这个损失值确实降低了，他已经学会了我们给他那些唱歌技巧。 好了，那么训练显示训练完成了，那训练出来这些东西呢？来跟我看一下左边的文件区， 你记得我们刚才那个 output door 吗？就是输出的文件夹，找到这个叫做 fine turned models 这个文件夹，点进去，你会看到这个 checkpoint 文件夹，然后里面有几个关键文件。首先是 adapter model， 点 save tens， 这就是我们训练出来的便利贴。 然后这个 adapter config and json， 这是它的说明书。以后我们要使用微调后的这个模型的话，只需要把这两个小文件加载到原来的 deepseek r e 上，它就瞬间变成你的专属专家了。好，这就是我们今天的战利品，大家一定要确保能在这里面找到它。 所以恭喜大家，如果你跟着我一步一步跑到这里，那你现在手头上已经有了一个嗯，懂业务、懂私有知识的 deepseek r e 模型雏形了。 简单回顾一下刚才这二十分钟，其实我们就干了一件事情，就是白嫖。首先是环境白嫖，我们用的是摩达社区的免费算力。 接着是技术白嫖，我们用了 loo 技术，只训练了百分之零点零六几的参数，就撬动了整个大模型，然后结果也到手了。你现在已经跑通了从数据清洗到模型微调的全流程，这一套流程就是现在 ai 工程师的基本功。 最后呢，我想多啰嗦几句，今天我们演示的是教模型唱歌技巧，这只是一个小 demo， 这个技能真正的价值在于举一反三。你把数据换成你们公司的产品手册，那他就是金牌客服。你把数据换成法律条纹，那他就变成法律顾问。 然后你把数据换成 python 代码库，他就成了你的编程助手。在二零二六年，会掉 api 的 人会很多很多，但是能根据业务需求亲手把模型微调好的人，才是行业里真正稀缺的。我希望这期视频不仅是让你学会了几行代码，更是帮你打开了这扇门。

大家好，欢迎回到我的频道，今天咱们来聊一个你每天都在用，但可能完全没感觉到的技术，可以说是你手机里那些信息流能够无限往下刷的幕后大工程。 你刷手机的时候，那些社交媒体上的新内容是怎么做到源源不断那么顺滑的冒出来的？这背后可不是什么魔法，而是一种特别聪明的技术，咱们马上就来揭开它的神秘面纱。 一、什么是 api 分 页？好的谜底揭晓这个技术呢，有个听起来挺专业的，名叫 api 分 页 penguin nation， 说白了，他的想法特别简单，你想啊，服务器要是一口气把成千上万条帖子都扔给你，那你的手机还不卡死？ 所以啊，他就很聪明地把这些数据切成一小块一小块的，比如一次给你十条或者一百条。这样一来，服务器压力小了，你的流量也省了，最关键的是， app 用起来那叫一个顺滑。 那么问题来了，工程师们到底是怎么把这个分页给做出来的呢？咱们先来看看一个最容易想到的办法。二、传统方案，基于偏移量的分页 offset based 这是一个虽然简单，但坑也挺多的方案。 这个方法呢，叫基于偏移量的分页，听名字有点绕，其实就是用两个参数 offset 就是 偏移量，意思是跳过多少条 limit， 就是 要获取多少条。他跟数据库沟通的方式就特别直接，就像你跟他说，哎，老兄，前面那五十条我不要了， 你跳过去，然后从第五十一条开始，给我来十条。你一听就明白，这法子最大的好处就是简单粗暴，逻辑特别清楚，写代码也快。 所以呀，好多程序员刚开始都爱用这个，但是凡事就怕这个。但是一旦你的数据量变得特别大，而且还变得特别快，你想想社交媒体上的帖子，那更新速度， 这个简单的方法就顶不住了。它有两个非常要命的缺点。第一个问题，性能 performance。 你想想，你要看第一百页的内容，就得跟数据库说，跳过前面九百九十条。可数据库 他不聪明啊，他得老老实实的从第一条开始数，一直数到第九百九十条，然后再给你后面的。这要是让你跳过一百万条呢？那数据库可就累趴了，你的 app 也就卡住了。第二个问题，更头疼， 数据不一致， data inconsistency。 在 你刷手机的这一秒钟，可能你朋友又发了好几条新动态，你刚看完第一页，准备到第二页，结果新的内容插进来了，整个队伍 都往后挪了。这么一来，你可能就会漏掉几条帖子，或者更烦的是刷到刚刚看过的内容重复数据，这就很影响体验了，对吧？三、进阶方案，基于油标的分页 cursor space 所以 啊，为了解决这些麻烦，工程师们就想出了一个更高级也更优雅的办法，咱们可以给它起个外号，叫它是书签法。 这个方法的学名呢，叫做基于邮标的分页 cursor based penation。 这里的邮标，你就可以把它想象成一个真正的书签。他不再跟数据库说你给我挑过多少条，而是直接告诉他， 你看，我上次读到这个书签这儿了，现在你从这个书签的下一页开始给我看就行， 这个书签是独一无二的，绝对不会搞错位置，整个过程就变得特别丝滑了。你的手机客户端每次跟服务器要新内容的时候，都会带上自己手里的那个书签。服务器一看到这个书签 哦，他就立马知道该从哪开始找了，完全不用从头数数。找到新内容之后呢，他会把这些内容连同一个新书签，也就是这一批内容里最后一个帖子的位置，一起发回给你， 你下次要内容的时候再用这个新的书签就行了。这么一来一回，数据就保证了不多也不少，非常准确。 那这个书签到底是个啥呢？其实很简单，它通常就是每条帖子的一个独一无二的编号，也就是 id， 或者呢，也可以是帖子的发布时间，也就是时间戳 times， 不 管用哪个目的都是一样的，确保这个书签是稳定而且唯一的，这样服务器才不会找错地方。四、巅峰对决，谁是王者？ 好了，现在咱们两种方法都看过了，一个是简单粗暴的跳术法 cursor， 那 么是时候 让它俩正面 pk 一下了，看看谁才是真正的王者。这个结果可以说是毫无悬念了。性能上，书签法不管数据有多少，速度都嗖嗖的，一直很快。 而那个跳述法呢，数据一多，页数一深，就慢的像蜗牛。一致性上，书签法非常靠谱，保证你看到的数据不多也不少， 跳书法呢，就可能会丢三落四，或者给你看重复的。当然了，天底下没有完美的事，书签法写起来确实要比跳书法麻烦一点，但是为了我们能刷的爽，这点复杂性绝对是值得的 总结。所以咱们今天这个小课堂的核心结论是什么呢？一句话总结，只要你处理的是那种又大又变飞快的数据集， 比如社交媒体信息流，那就别犹豫，直接用书签法，也就是基于邮标的方法，它带来的那种稳定和快速的体验，绝对能让你忘了那一点点代码上的复杂。 其实啊，像 api、 分 页这样的技术，在咱们的数字生活里还有很多，他们就像是幕后的英雄，默默的工作，保证了我们每天的体验。那么你有没有想过，在你每次滑动屏幕点赞的时候， 背后还有哪些我们看不见但又特别巧妙的设计在起作用呢？这个问题我觉得特别值得我们保持好奇心去探索。 好了，今天就聊到这里，如果你觉得这个视频还有点意思，欢迎在评论区发表你的看法，如果你从这个视频学到了新东西，请点赞、关注、收藏并转发给需要的人，谢谢！

在网页上怎么来粘贴一张图片？我好像又长胖了，来吧，比方说截张图，哎，然后呢，粘贴你看就粘贴过来了，甚至呢，他是可以在操作系统级别上去复制一张图片，然后呢直接给他翻过来。要实现这样的效果的话，你需要用到一套 api 啊，叫做 cleveland api， 这套 api 呢，不仅能够实现这样的效果，像很多的常见效果呢都能实现。比方说像这个，呃，有些文字可以把它想象成一篇文章吧，然后呢，当你要去复制这篇文章的时候呢，你会发现一个神奇的现象，你复制出来了是这么一个玩意儿。 然后呢，比方另一个效果这里呢，有些文字，哎，我点击了复制过后呢，然后去粘贴，粘贴过来了，他后边加了一段文本，比如说同学们经常去复制一些代码，是吧？应该深有体会。他后边加上一些版权信息。 还有一种情况呢，就是你在进入某些页面的时候呢，他会直接把你目前复制的内容呢给你读取出来，哎，这种情况是什么情况呢？就比方说你在某音或者是某宝里边去分享一些东西，分享到某信过后呢，就变成一段文本了。然后当你去复制了这段文本过后，再一次进入某音或某宝的时候，他就能知道你复制的是啥， 然后进入到相应的商品页面。那这一块呢，就涉及到读取复制的内容，这些东西啊，全部都可以通过这套 a p i 来完成。而这套 a p i 呢，非常简单，它就提供了一个对象，两个事件，这个对象呢，它的位置在 navigator， 就 浏览器这个对象里边，它有个属性，叫做 clickboard 剪切版，它就是个对象。哎，这个剪切版啥意思呢？ 剪切版啥意思呢？你可以把它看作是一个操作系统级别的内存空间。它是操作系统级别的啊，它是跨越所有应用的，任何应用或者是用户的操作，都有可能往这个剪切版里边写东西，写一个文件，写一段文本， 然后在某些时候呢，一些其他的应用或者是一些操作，可以把这个东西呢读出来，就那么简单。所以说这个 keyboard 的 对象啊，它提供了两个方法，一个呢，就是往这里边写，一个呢，就是往这里边读，对吧？它两个方法对应的东西呢，是 read 读或者是 read text， 读一个存文本， write 写或者是写一段存文本。因此呢，你看这个效果就非常简单了，对吧？这个效果在干嘛？无非就是读呗， 让你看一下它代码，非常简单，就是读一段文本。这个返回的是一个 promise 啊，因此呢，你要等它完成。为什么是返回 promise 呢？因为这个读啊，它是涉及到用户隐私的。你读的是用户的剪切版啊，你 鬼知道它里面保存了啥？它涉及到了用户隐私，因此呢，在用户第一次访问你的站点的时候呢，他会问你啊，是否允许这个站点读取你的剪切版？你看这里呢，我是已经允许过的，允许了之后呢，这个 promise 呢，才会完成。然后呢，你会拿到它剪切版里边的纯文本，拿到纯文本之后，你爱玩什么玩什么，你干什么都无所谓了。 我这里呢，只是做了一个简单的例子啊，把它显示到页面上，好，这是一个对象，除了对象之外啊，这个 api 呢，他还给我们提供了事件，一个事件呢是 copy， 一个事件呢是 pass。 copy， 顾名思义就是用户在进行复制的时候，他会触发这个事件。 pass 呢，是用户在进行粘贴的时候，他会触发这个事件。咱们来看一下其他的例子，比方第一个例子，当用户要复制这段文本的时候呢，他就会触发事件，你看我是怎么来处理的啊？非常简单，当他复制的时候呢，我不准他复制的默认行为，那么用户的复制操作失效，不管他是怎么复制的， 右键也好，还是 ctrl 加 c 也好，都失效了。然后呢，我手动的往剪切板里边写出一段文本，要写出这段文本，因此呢，看到的现象就是用户明明复制的是这些东西，一复制，但是粘贴出来呢，是另外的东西，因为他的复制呢，已经被阻止了。我往剪切板里边写出的是别的内容。然后再看第二个例子呢，第二个例子里边有一个按钮，你看 有个按钮，我这里复制过后，是不是加入了另外一段内容，是吧？也很简单，就是我去监听这个元素的，点击事件就复制按钮的。点击事件，点击过后呢？我做啥呢？我手动的往剪切版里边写入的是文本框的文本，然后呢，再加一段内容就完事了，这个 a p p 是 非常简单的啊。 然后呢，最后一个例子呢，就是粘贴图片了，其实也不复杂啊，咱们看一下代码。首先呢，页面上呢，要准备好一个附文本框，也就是一个普通的 d i v， 它的内容呢，是可编辑的，因为这一块呢，你要是准备的是 input 元素啊，或者是 textarea 啊，它里边也不能放置图片啊，你图片只能放到一个容器里边，所以说我准备的是一个附文本框啊， 然后呢，就监听这个文本框的粘贴时间，就是要往这个文本框里边粘东西的时候呢，它会触发这个时间，而我要处理的是普通的文本，我处理它干啥呀？不处理了，我只处理它粘贴文件的情况。 那我怎么样知道你是在粘贴文件呢？其实靠的是这个属性啊，事件参数一里边呢，有一个 clickboard data， 表示你的剪切版数据，这个数据里边一个属性叫 files， 表示你复制的文件，它是个数据库，因为你可以复制多个文件嘛，当这个数据库的长度大于零的时候，那么就表示说你复制的是包含文件的， 那么我就要进入进一步的处理。首先呢，我阻止了默认行为，就不允许你直接粘贴文件，而要干嘛呢？还要进行手动处理，你看怎么来手动处理的啊？把这个玩意打印一下，一点 color data files 打印看一下就知道了啊，保存现在呢，比方说我截个图，打开控制台啊，好，现在粘贴 得到的是一个尾数组是吧？他第一个呢，是一个否？我对象表示你粘贴的是一个文件啊，因为我这个图片本身是一个文件吧，对吧，不管是截图的还是在本地复制的图片，都是一个文件。那么这种情况下呢，我阻止你粘贴，那接下来怎么处理呢？接下来处理的方式太简单了，跟那个 clickboard 都无关了，就是一个纯粹的否我对象，你如何把它显示到页面上的问题了？ 达到这个 friend 对 象后续的还用说吗？经常来听我短视频的同学，这个代码应该是都快看吐了。得到一个文件提取器，然后去读就完事了。读完了过后得到的是一个 data u i o。 然后呢，创建一个图片元素给它加到这个 diav 里边去就完事了。所以说最终的效果呈现出来呢，就可以粘贴图片了。好介绍一下这个颗粒 board api 啊。

有很多小伙伴获取了这个工具之后，不知道怎么使用啊，然后我现在做一个简短的小教程，就是你如果你第一次打开这个软件的话，点开右上角的设置，然后在设置这里面输入 api， 如果没有 api 的 话，点击这个获取 api， 然后具体的怎么获取，我会做一个图文的讲解，到时候发给大家。然后获取到 api 之后，你就把 api 粘贴到这个软件里面， 然后下面的话默认就选模型一不用管就可以。然后你再设置一个自动保存图片的一个路径，然后这个路径的话就是生成图片之后，然后会自动保存到这个文件夹，然后你都设置好了之后点保存， 然后这里有很多可以选的模块，就自由编辑啊，随机海报啊这些，包括产品海报，产品详情这些， 然后他们所有功能的逻辑都是一样的，然后我们就拿这个产品详情举例，然后产品图片这里你就至少要上传一张啊，然后设置的是最多三张，然后最少一张。 你上传图片之后，这里主标题一定要写的就是你这是一个什么东西，或者你是一个什么品牌，写在这里， 然后副标题的话可以写一些卖点啊，作用啊，产品的功能这些，然后你不写的话也可以生成， 然后产品名这些也是可选的，你可以写建议你写啊，就是你如果把这些都写了，写的越详细，他最后效果就越好，那我现在就写一个，他的效果可能就没那么好啊。 然后你都写了之后，就选一个图片的比例，然后就可以点击立即生成，然后他就会给你整套的详情页，包括这边有一个拼好的长图，然后你这边就是可以下载保存到你的本地电脑， 然后当然他你设置自动保存的话，他自动会保存到那个文件夹的。然后后面这个软件的正式版出了之后，我会出一个更正式版的教程，感兴趣的记得点一下关注哦。

最近，一个名为 outretrack 的项目就系统构建了一个超高质量的对话数据集。项目作者尝试用两个独立的 jpt turbo api 进行对话，从而生成多轮对话数据。具体而言，该项目只在构建一个开源、 大规模、多轮的、基于 turbo a p i s 的对话数据，方便研究者开发具有通用对话能力的强大语言模型。 此外，考虑到隐私保护等因素，该项目不会直接使用互联网上的数据作为提示。为了确保生成数据质量，研究者在生成过程中采用了两个独立的 gpt turbo api， 其中一个模型扮演用户角色来生成问题或指令另一个模型生成反馈。

今天给各位老板出一期在新版清检客服中， api 令牌如何绑定？先给大家解释一下什么是 api 令牌？ api 与令牌要分开？介绍什么是 api， 不 同软件之间的翻译官。举个例子，你在美团点外卖时，美团 app 需要获取餐厅的菜单、库存、配送费等信息， 但美团和餐厅的系统是分开的，怎么让他们对话？ api 就是 他们的翻译官。什么是 api 令牌？还是以餐厅为例子？令牌是使用 api 通道的身份凭证，就像餐厅只给美团、饿了么等合作平台发门禁卡，只有持令牌者才能通过 api 获取信息。 一句话总结， api 等于软件之间的对话通道，让功能互通。 api 令牌等于这个通道的钥匙，保证只有授权者能用。现在我们再来看看清检客服的 api 令牌该如何绑定。 我们来到首页，打开机器人管理界面，找到 ai 配置，就能看到 api 基础地址，下面是 api 令牌，点击获取令牌会跳转到算力符网页，点击左边栏的令牌，找到添加令牌， 设置好相关参数，一个专属你的 a p i 令牌就设置好了。回到 ai 配置页面，将令牌复制即可，点击测试，看是否连接成功。