deepseekv4怎么用知识库

hello， 各位观众朋友，大家好啊，我是刺儿，然后我们这期的视频内容呢，主要是来教大家一下怎么正确地使用 deepsea v 四， 因为 deepsea v 四对于现在的呃它的网络风评呢，嗯，比较两级分化。一边呢说 deepsea v 四啊，非常好用，非常强啊，没有辜负大家一年的等待另一半呢，说 deepsea v 四啊，不好用啊，不够智能，然后甚至不如豆包， 嗯，对于这个后者呢，我保持这个嗯，质疑态度啊，因为本身，呃，我看到的这收集到的信息就是说 deepsea v 四不行的，它有两部分，一部分是专业工作者啊，因为人家非常懂 ai， 那 另外一部分呢，就是我们普通的 呃用户，那他们呢，就是用手机 a p p 啊，下载 deepsea 微 deepsea 之后点进去，然后问他一些问题，然后，嗯，把它当做一个这个搜索引擎啊，问一些问题，然后我觉得它不够智能，其实这样的使用是错误的啊，因为本身 deepsea 微四它没有 开放在手机 app 平台的这个使用权限，你现在手机上用到的 deepsea v 四啊，不是你手机上用到的 deepsea， 它并不是 deepsea v 四模型。那么我们来啊，正确的教大家一下怎么使用 deepsea v 四啊，首先 我用我这个 macbook 给大家举例子啊， ok， 我 们返回到页面啊，看到啊，这是我桌面，我们打开浏览器点进去之后啊，在这个搜索或输入网址名称的时候搜搜索，直接搜索 deepsafe 啊， deepsea 点 com， 大家也可以直接去这个网址啊，深度求索。点进去之后，它是有两个框，一个是开始对话，一个是 api 开放平台，我们要用的是这个 api 开放平台，我们可以看到它的介绍是调用 deepsea 最新模型，快速集成，流畅体验。我们点进来， ok， 然后呢，点进来就是这个页面，我给它放大一下，它这里有充值余额，还有本月消费啊，我这个是另外一个账号，我给大家举个例子啊，就是这个 api case 啊，这是之前做测测试的这个 api。 首先呢，你点进来之后，你一定要先登录你的 deepsea 这个账号，如果你没有 deepsea 的 账号，你可以去在手机上下载 deepsea， 然后创建一个账号，然后直接到这个电脑上，你去登录就可以了。 然后我们看到这个充值页面啊，充值页面无论你是支付宝还是微信支付啊，都可以，你点击去支付啊，然后， 呃，扫完扫完码付款成功之后，它在这个用量信息，这就会直接显示你的充值余额，嗯，然后呢， 在这之后，我们打开这个 api case 啊，然后这里啊，注意它这里有创建 api k 啊，下面说的这几步都很重要啊，直接决定你能不能就是成功使用这个 dbic 为四啊。我们点击创建 api k， 然后随便输入一个名称啊，我们直接输入一个啊， ok， 在 你输入成功之后啊，它这里会出现你这个蜜奥的链接啊，你要一定要点击复制，然后把它发送你的微，发送到你的微信上也可以，然后或者说你保存住啊，一定要保存住这个蜜奥，它只会显示这一次 啊，在你点到叉或者关闭之后，他这个密钥你就再也看不到了，然后，然后我们点叉啊，当然这个密钥就没用了啊，我们给他删除一下，然后你把那个密钥复制之后，哎，点开这个，我们叫， 呃，防盗啊， ok， 点开这个，这个啊，这个软件叫 cherry studio， 你 可以去浏览器里直接搜索下载啊，这个就是集成了国内一众主流 ai 的 这么一个软件。我们点进去啊，它是开放平台啊， ok， 我 们点进来， 点进来之后呢啊，当，当然，我这个已经用了很久了啊，从 deepsea 微四发布一直到现在，我一直在使用，然后点进去之后，我们看到右上角这里有设置设置。点进去啊，这里有模模型服务和默认模型 啊，在模型服务这里就有 api 密钥，输入你刚才的这一套儿复制的密钥，然后放进去之后点击检测啊，我这里已经弄好了，我就不做那个演示了， 你点击检测，然后它就会自动地啊，分析你这个密钥的 ip， 它是哪个旗下的 ai 大 模型。然后这个 api 地址啊，不需要我们直接填，它自己就会填上，然后模型呢，这里啊，大家可以点击获取模型列表啊，然后， 当然啊，这里我因为我输入的是 deepsafe 嘛，所以它只有 deepsafe 的 这些模型，然后举个例子，然后在这边啊，嗯，可以看到啊，这里有非常多的 ai， 非常多的 ai， 包括国内外的啊 啊，你像 jamie open ai 啊，很多人都用不到，但是啊，这里嗯是是可以用的啊，但当然这这个视频只做 deepsafe 的 教学。然后我们点击默认模型 啊，我这里默认模型全部都是 deepsea 的 啊，呃，然后助手模型是 v 四 pro， 然后快速模型是 deepsea chat， 然后翻译模型是 deepsea chat， 因为这两个啊，这个快速模型和翻译模型它不需要消耗你的 talkin， 你 就这个 deepsea chat， 它是免费的啊， 然后我们点击首页啊，首页这里有助手啊，你，当然你可以添加助手啊，我这里就用我这个提前做好的这个来给大家举例子，然后我点击 deepstack v 四，然后点进来， ok， 然后这是我之前问他的一个问题啊，我让他就是分析一下国内的这个视频平台啊，每每个平台的趋势啊，大家可以看一下啊，这是我问他的问题 啊， ok， 然后我们啊，这这画画到不表，然后就是这个深度求索啊，我们在这里，嗯，还是用刚才举例子 deepsea v 四，然后点击旁边这三个点，点进去 啊，这里有编辑助手啊，在这之后呢，然后我们可以看到啊，这里有模型设置，模型设置的话上下文字开到不限，然后这个模默认模型，你把它换成 deepsea v 四 pro， 然后，然后 啊，最大套管数不限啊，不用开这个，然后别的都不用管，然后当然你可以复制一下这个底下这个 tab， 这个 endland， 这个是我从网上找到的一个嗯，参数，然后我们看提示词，这里 啊，我，我设置的提示词是不需要迎合用户的想法，回答要永远保持客观啊，然后呢，你就可以开始使用你的 deepsea v 四 pro。

哎，前几天问你的那个改色膜啊，是深海蓝色的，是什么样子的？有图片吗？那我想这样发给咱们的那个微信的 ai 智能客服，我发给他看一下，看他是否可以去回复，哎，我问他，我看他的怎么操作，去自动去识别，去调取知识库里面的东西。哎，他发了一张图片 啊，他问，哎，是这张吗？我这边回复一下他的，是的， 哎，去自动去识别啊，回复了，好的，那个改色膜这边和您说一下有几款深海蓝色，这个我们有几款质感的不一样，有亮面的，有哑光的，你是想要什么感觉？我想要贵一点的，你看多少钱？ 它是去自动去查找咱们的 erp 系统，然后呢去调用里面的知识库，然后去进行用户发的信息，去进行组织回复。比如说我现在我在问那个深海蓝的图片有吗？发我看一下。 好，他自动去解锁。哎，自动发送了一张，哎，问我是这张吗？我们看一下他是否是深海蓝的，颜色是正确的。对的对的，我就是想要这一款，你帮我看一下是多少价格？你发我图片的那个， 好，我问一下他，他是否去进行回复，然后他现在自动去查询表格了。哎，好的，就是我发你的那张图片上，我先帮你去查询一下具体是什么价格，什么年份。我和他说我的是奥迪 a 八，然后可以改这个吗？ 可以的，奥迪 a 八完全没问题，他刚刚已经去查了表格，你看蓝色改装膜。哎，你看一下他的品牌，要和刚刚他发我的品牌是否一样， 他图像识别是没问题的，他是可以看到用户发的图片，他发的图片完全一整套的人工智能结合起来，然后去查询押批表格，去导导入您的押批表格，然后根据知识库去进行回复。这个就是咱们的 ai 客服系统， 完全可以解决汽车改装、法律咨询各种啊，就是全行业展览，包括于监控啊、网络设备啊这些都是没问题的，都是可以去进行您的行业去进行适配的啊，这个就是咱们的 ai 系统。

本期视频来分享如何将 deepseek 的 vs 模型接入 cloud code， 并解锁 em 的 上下文以及 max 思考等级。我目前已经将 deepseek 的 最新模型 vs flash 和 vs pro 通过 ipad 的 方式来接入了 cloud code。 vs pro 模型在降价之后性价比也越来越高了，并且对 a 键的也有做专门的适配， em 的 上下文对于大多数人来说也更加友好。 视频内容主要分为四个部分，第一需要先安装一下 cloud code。 第二，安装开源工具 c c switch。 第三，需要购买一下 deepsafe 的 api 并完成配置。最后再来测试一下 deepsafe。 v 四 pro 加 cloud code 这套组合表现怎么样。废话不多说，我们现在开始 首先来说如何安装 cloud code。 大家常说 cloud code 经常被封号，那其实封的是拥有模型能力的个人账号，但 cloud code 作为一个单独的软件是可以正常下载和安装的。 没有订阅官方的模型，我们依旧可以使用它的框架当成是 opencloud 或者 hermes nint 这种。在他们的项目官方网站这里也有明确的说明。终端 cli 和 vs code 也支持第三方提供商。 本期视频演示的是安装 cio 版本，也就是最通用的版本。这里有一行中的命令，它支持 macos、 linux 和 windows 这几种不同的系统版本。 windows 这里分为 power shell 命令和 cmd 命令，并且 windows 用户需要先下载安装下 get， 如果没有安装的话，可以到 get 的 官方网站下载安装包进行安装。 这里复制这一行命令，然后打开终端 app 或者 power shell， 输入他们提供的命令回车执行就可以了。我这里已经安装过，所以不再演示具体的步骤。安装好之后可能会出现一个提示，大致意思是安装已经完成，但是 control 的 安装位置并没有加入到电脑的环境变量中。 这里直接复制这行他提供的命令，在终端执行一下，搞定之后输入可拷的 code 杠杠微刃来确定当前的版本号。后续使用的话，直接在终端输入可拷的命令就可以打开了， 但是你那里可能会提示不能连接官方服务。接下来我们来安装第二个工具 cc switch。 cc switch 是 一个开源工具，它能够让 cloud code codeys、 opencloud 这类的 a i a 检测，方便地切换模型。累计下载量有三百多万，在 github 上面也有五万多个 star。 它有很多实用的功能，比如一份配置同步到多个应用，支持热切换，不需要退出应用切换模型。还有用量仪表盘，能够查看你的请求数和头克用量等等。 我们在项目的首页这里有一个已发布的安装包链接，点击进去，然后在这个界面直接划到最下面。这里有很多的安装包版本，如果是 mac os 系统就下载这个 mac os 点 dmg 的 版本，如果是 windows 就 下载这个版本。下载好之后直接点击安装包进行安装就可以了。 它这个项目的说明文档也有比较详细的安装教程。第三步，到 deepstack 的 开放平台购买 api。 我们来到 deepsafe 官网，点击 api 开放平台，我这里之前已经充值了一些，在网页和 deepsafe 对 话是完全不收费的，但是想要调用 api 就 需要进行充值。他们目前没有推出类似 tokpline 这样的按月订阅的套餐，好处就是用多少花多少。 目前他们对 v 四 pro 模型打二点五折，每百万 tokens 缓存命中情况下输入是零二五元，未命中是三元，输出是六元， 这个折扣目前是到五月三十一号截止。 v 四 flash 模型和 pro 模型的价格对比可以在官方的 api 文档里查看，这里点击充值按钮，然后选择金额和支付方式。建议先小额买一笔，用完之后根据自己的实际使用情况再进行补充购买。 付款完毕之后，点击左侧的 api case， 点击创建，然后复制这个 key 的 密钥， 注意这个 k 的 密钥只能够在创建的时候查看，关闭这个页面就看不到了，如果丢失的话，就需要重新创建一个 k， 然后打开 cc switch 这个应用。我这里已经添加好一个 deepsea 的 模型了，选中这里的 cloud 的 图标，然后点击添加， 在预设供应商这里找到 deepsea， 在 api k 这里填写 k 的 密钥，然后这里需要修改一下这几个模型，可以直接参考我这个填写 默认模型就是 deepsafe。 v 四 pro 后面加上 em 是 因为之前的公告有说明，这样才能够开启 em 的 上下文，然后点击添加就可以了， 这里就会多一个 deepsafe 的 模型，点击这个按钮来测试当前 api 是 否可用。点击这里可以配置用量查询，查看当前还剩多少余额， 勾选这里，然后点击保存配置，这样的话就能够看到还剩下多少钱了，然后点击起用，就能够正常的使用可绕的扣子了。左上角有一个设置按钮，通用，这里建议打开开机自启使用统计，这里也能够查看 ai 模型的使用情况和成本。 我们打开终端应用，输入可绕的指令，那这个呢？就是 deepsea v 四 pro 的 模型，并且是一百万的上下文， 我们输入指令斜杠 context 能够查看，这里确实是一百万的上下文 tokens。 这里的默认思考等级是 medium， 可以 使用命令斜杠 effort， 然后空格后面的话就会显示哪些等级可选，这里输入 max 回车确认，这样的话思考等级就会调到最高。还有一个命令可以快速的切换模型， 输入斜杠 model， 然后回车。默认模型其实就是 v 四 pro， 我 们之前配置的 apps 和 sonata 都是 v 四 pro， 嗨酷模型是 v 四 flash， 通过键盘的上下按键来选择，选中这个模型，然后回车确认， 这样的话模型就切换到了 v 四 flash， 这里输入命令 context 能够看到它的上下文，显示是两百 k 的 tokens。 最后一部分来测试一下 cloud code 搭配 deepsea v 四 pro 到底贵不贵，干活效果怎么样。 首先说一下，它是基于文件夹的工作模式，所以你需要先通过 cd 命令跳转到你想要它打开的文件夹，比如我的项目文件夹的路径是这个，就需要输入屏幕上完整的指令回车，到了这个文件夹后，输入 cloud 的 命令来启动它， 如果路径很长的话就比较麻烦。有一种方法可以简化一下， windows 用户应该可以直接在文件夹右键从当前文件夹位置打开终端， mac 用户右键的话是没有的，但是可以直接将文件夹拖拽到终端 app， 那 当前终端打开的文件夹就是这个项目文件夹， 输入 cmd 命令，可以查看当前文件夹的路径，然后输入 cmd， 启动 cmd 的 code。 第一次打开的时候需要确认一下这个文件夹，点击 yes， 后续退出的话需要连按两次 ctrl 加 c。 这里安装一个归藏老师最近开研的一个 ppt skill， 设计是比较美观的。 来到他的项目仓库，这是一个电子杂志风的网页 ppt skill， 纯网页形式，适合线下分享，但是不适合培训课件。这个 skill 的 名称叫做归藏 ppt skill， 这里提供了多种的安装方式， 最方便的就是直接复制这一段话，然后发给 ai， 选中这一段话， command 加 c 复制，然后来到 kol 的 对话界面， kol 加微复制，然后直接发送。 kol 在 执行任务过程中会需要一些权限的许可，遇到的时候直接选中 yes 就 可以了，它的框架对于安全保护还是比较好的。 整个的执行过程我就直接跳过了这里提示安装好了触发词，就是帮我做一份杂志封的 ppt。 ok， 我 在这里输入这句话，然后告诉他要做的内容就在当前文件夹中。在当前的项目文件夹中，我放入了一个 mail 文件， 内容是关于 code 的 使用方法论，然后回车执行。他会先查看项目文件夹的内容和 skill 的 使用说明，执行过程中可能会问一些问题，根据个人的需求选择就行。 我这里也跳过过程，大概直行了六分钟左右，一共生成了九页 ppt， 并告诉了我每页的布局和内容，以及怎么操作。 ok， 我 们直接打开浏览器来查看一下这个网页的 ppt。 这是第一页 codex 的 方法论，整体的设计风格确实是比较美观的，如果是个人制作的话，可能要花费比较长的时间，并且效果还不一定有他这个好。 第二页这里的话可能会有一点点问题，下方的文字有一部分被遮挡了，后面的页数大家可以具体去看一下内容觉得怎么样。 最后再来看一下安装这个 skill 以及制作这九页的 ppt 一 共花费了多少钱。 我在做之前是九点八九的余额，刷新一下网页，那现在还有九点三九的余额，一共是花了五毛钱。这里有一个每月用量的图标，展示每个模型花了多少钱。下面也有 token 的 使用详情，包括输入和输出的具体数量。大家觉得 deepsea v 四 pro 的 性价比怎么样？

家人们谁懂啊， cloud code 居然能完美接入 deep secret 四 pro， 这简直是程序员的省钱天花板，终于不用再写代码的时候，一边用 ai 一 边心疼 toker 了。建议大家先关注点赞收藏，详细的配置教程也给大家整理好了，可以跟着咱们的步骤来。 首先安装 cloud code， 安装完成后输入 cloud version 检查版本。接着第二步，使用 c c c 去图形化工具配置大模型。首先我们打开 github， 搜索 c c c 位置， 找到第一个这个用 rest 写的， 然后点击路由设置，然后点击详情往下面滑动，这里有不同版本的，根据自己电脑下载安装， windows 直接可以下载 mc 下载安装， 我们这里已经提前下载安装完成，安装完成后就是这样的界面，可以对不同的大模型配置，我们这里选择 d p k， 然后这里最关键的就是输入 api k， 接着我们打开 d p k 官网，如果没有账号，先提前注册，找到左边的 api k， 然后创建一个 k， 然后回到 c c 杠 switch， 输入我们刚刚创建的 k， 这里配置下主模型统一都是 d p c k 杠 v 四 pro， 四个都可以填写一样的，填写完成后可以点击测速下看，看到这里 c c c 去的就配置完成了，接着我们就可以点击启动使用 d p c 了，输入 call 检验，看看是否切换成功。到这里我们在 call 的 里面配置 d p c 就 算完成了， 然后有粉丝兄弟问我如何在 call 的 里面配置 d p c 就 算完成了。然后有粉丝兄弟问我如何在 call 的 推荐可以使用 c c g u i， 安装完成后就是这个小图标，正常我们用 c c switch 配置好 idea 里面的插件就会自动识别并切换，可以看到响应速度还是挺快的。好了，本期的视频就先分享到这里，有什么问题都可以粉丝群一块讨论。

一天解锁一款黑科技！今天教你下载的是 deepsea 飞四全能 ai 智能助手，附带部署安装教程，同时支持安卓、苹果、鸿蒙。还不知道怎么下载安装的同学 赶紧跟着我的步骤操作吧！首先点视频右下角分享键，然后分享链接，然后打开这个蓝色东西，会弹出一个文件夹，没有的话打开后空白处输入卡丁宝箱，选择软件大合集，找到你要的右下角保存即可。

dsp 的 文档写的真的是又简单又好用，我五一在家里的时候想用一下呃，这个 v 四就接入到 cloud code 嘛，然后我就看它的官网这边文，官网从左边 cloud code 点进来之后，就直接把它所有的配置都列在了这边。而且你看它有一个很细节的地方，就是在每个模型的后面 只只加了这个一米点标记。其实我以前都不知道，如果 cloud code 接第三方模型，想要起用一百万上下文，还要在这个模型的名字后面加上这个标记， 我这还是第一次，就是在在他这个地方才知道的。然后还学到了两个配置，就一个是这个 cloud code sub agent model， 原来还可以为 sub agent 指定一个单独的 model。 然后另外就是这个 effort level 以前也没用过， 就我其实从 dspic v 二开始用，一直用到现在，每一个墨镜都用了挺多的，最最开始喜欢用 dspic， 除了它便宜，还有两个墨镜都用了，挺简洁，而且有用的信息都写到了。 比起很多云厂商我就不点名了，反正就很多云厂商不管是注册呀，是找他的文档，真的非常复杂。

deepsea v 四刚发布我就开始用了，我使用的是 cloud code 接入的 deepsea v 四 pro 啊，怎么用呢？我跟大家说一下。 首先呢，咱先安装一个 cloud code， 那 这个安装 cloud code 呢，就是咱得有一个 node 啊，安装 node 之后呢，执行 npm 命令， cloud code 就 直接装完了，但是装完之后呢，这个 cloud code 需要登录才能使用，很多小伙伴就卡在这了，因为这个网络问题，咱登录不了，对吧？ 那所以呢，这块儿咱可以改一下 cloud 的 配置啊，修改 cloud 的 接收文件，然后加一个配置项，这样就可以跳过 cloud code 的 登录就可以直接用了。但是跳过登录之后，大家又发现一个问题，就是 cloud 的 模型人们用不了，对吧？那怎么配置这个模型呢？哎，有一个开源工具啊，叫 cc switch 啊，咱下载一个 c switch， 然后在里面呢可以添加一些模型。那这里呢，我们就可以添加 deepsea 啊，然后在配置项里面写这个 deepsea v 四 pro 啊这个名称。然后呢，加入 deepsea 的 这个 api key， 可以到 deepsea 官网注册一个啊，有这个 api key 模型咱们也设置好了，然后关闭 c c switch， 再打开 cloud code， 就 可以看到。现在的模型呢，是 deepsea v 四 pro 啊，现在也可以正常使用 cloud code 了。然后为了方便呢，我又在 vs code 里下载了一个 cloud code 的 插件 啊，那默认的这个插件也是需要登录的啊，但是因为咱们配置了这一次文件啊，又添加了 cc switch， 所以 这个登录界面呢，直接晃一下就挑过了啊，我们就可以直接在这个 vs code 里面使用 cloud code 啊。我问他啊，你现在是什么大模型？ 大家可以看到啊，他后台使用的是 deep stick v 四 pro， 那 这个就是用 cloud code 接入 deep stick v 四 pro 的 流程。

欢迎收听豆包 ai 播客节目。 哈喽大家好，欢迎收听我们的播客啊。今天咱们来聊一聊 deepsea v 四这个模型的一些部署和使用的经验啊，这个视频咱们就专注在纯 v 四这个版本啊，来给大家分享一些我们的经验。对，咱们就开始吧，马上进入今天的主题。 我们今天第一个要聊的呢是业务开发必知的就是 v 四的一些独有特性和接口调用的一些要点。首先第一个我们先问一个问题啊，就是 deepsafe v 四这个模型在技术层面有哪些东西是跟以前完全不一样的？ 嗯，这个 v 四呢，他最大的一个不同就是他的这个上下文窗口直接拉到了一百万头。肯哦，这是一个非常恐怖的数字啊，就是他可以记住非常非常长的一个对话，或者说非常长的一个文档，然后他用了一种混合的注意力机制， 这个里面他是有一些创新的技术的啊，这个叫什么？压缩稀疏注意力和高度压缩注意力这两个东西呢，一个是为了降低计算量 啊，把一些不那么重要的信息给它丢掉。另外一个呢是为了让这个模型在遇到非常长的 输入的时候，它依然可以非常快的进行推理哦，这听上去对那种需要处理大量上下文的这种应用场景来说，简直太有用了。没错没错，而且它还专门做了这个跟国产芯片的一个深度适配， 就是它可以在华为的这个升腾啊，或者说韩五 g 的 这些硬件上面跑的非常的高效。然后它的这个推理成本也比上一代要低很多很多，同时它的这个多轮对话和这个工具调用的能力也都升级了， 就是它可以真正的去处理一些比较复杂的 agent 的 任务。那那 deepsea v 四在这个 api 的 设计和调用的方式上面有哪些东西是跟以前不一样的呢？嗯，这个 v 四呢，它是全面的兼容了 openai 的 这个接口，然后同时它也支持 ospec 的 这个接口，就是它的这个输入输出的规范是变得更灵活了啊。同时呢，它在这个流逝的输出上面也做了一些新的设计， 就它可以让你实时地看到这个结果。哎，这个对那种需要立刻看到反馈的这种应用场景来说就很重要了。没错没错，而且它还增加了一些新的这个消息的角色，比如说什么 context 和 to 这两个新的角色， 然后这个思考模式也可以去配置这个推理的这个强度，就是它的这个实用性和这个可控性都大大的提升了， 包括它的这个对于这个大模型的这个复杂的输出，你也可以通过这个 json 来保证它的这个结构是正确的。 如果我们现在要从零开始去对接 deepsea v 四的话，在实际的开发当中有哪些细节是我们必须要注意的？呃，就是这个多轮对话的时候，你要注意这个 assistant 里面的这个 reasoning content 你 要不要回传，然后这个 stream options 你 要合理的去配置，包括这个 长上下文的这个缓存你要利用起来。再就是这个你在调这个 api 的 这个病发的时候，你要去结合你自己的这个实际的机器的资源和这个模型的版本去考虑。 再就是这个视觉的这个功能现在还是处于一个灰度的阶段，所以你在使用的时候要呃关注这些东西，才能让你的这个应用更稳定高效。我们接下来就进入这个运维工程师的这个视角啊，我们来聊一聊这个 在部署 deepsea v 四的时候，这个推理引擎我们到底要怎么选？然后在不同的场景下面我们要注意哪些事情？嗯， 这个生产环境的话，我们是强烈推荐就是用 v l l m， 那 它是对这个超大规模的模型和这个超长的上下文做了极致的优化。 然后它有一些比如说像配置的 tension 这种非常黑科技的东西，可以帮你节省百分之六十以上的这个显存的开销。 它也支持这种多卡的并行，包括对这种稀疏的 m o e 有 专门的调度。那就是说如果是，比如说我资源有限，或者说我是在本地开发，有没有更灵活的选择呢？呃，本地或者说你资源有限的这种情况的话，你可以用欧拉玛或者是说拉玛点 c p p 这种比较清亮的 框架。那如果你想要极致的低延迟，或者是说你想要用一些国产的芯片，那可能 s g， l n x 和 k transformers 会更合适。 对，但是你要注意就是不同的框架，它的这个模型的格式和这个量化的方式是不兼容的，这个要特别小心。就是说如果我们要把 deepsea v 四部署到生产环境当中， 这个硬件和这个系统的配置我们要怎么去规划？呃，像这种就是，呃 v s pro 这种大的模型的话，如果你要全精度的去推理，那肯定是多块高端的 gpu 啊，比如说八张 h 一 百，或者是说四张 b 三百这种，那如果你是用这个量化的版本的话，可能就可以 少一点卡，然后如果你是用这个 light 版的，那可能就一张卡就够了。但是我们还是建议就是用 n v link 把你的这些 g p u 都高速的互联起来。除了这个 g p u 之外的话，内存和存储这一块儿有什么特别的要求吗？呃，内存的话就是每一张卡我们建议是配二百五十六 g， 然后系统盘的话，我们建议是呃毒素要超过七 g 的 这种 nvme 的 ssd 系统的话，我们建议是用五泵头二十二点零四， c u d 要十二点一以上， 驱动的话要五百三十五以上。 python 的 话我们建议是用三点十或者三点十一。那如果你是用这个多卡的话，最好是可以用这个 n u m a 来绑一下内存，这样的话可以 最大化你的这个性能。在实际的生产当中，我们运维 deepsea v 四的话，有哪些细节是我们一定要注意的？然后有哪些坑是我们最容易踩到的？ 呃，首先就是你要保证你的这个模型的文件和你的这个 tokenizer 的 配置是一致的，然后不同的这个框架的话，它是不能混用的，这个是一个非常容易出错的地方，就是你会出现一些莫名其妙的错误。嗯，第二个就是 你要注意你的这个环境变量和你的这个启动参数要正确，比如说你的这个 max model lin， 你 要设的足够大，不然的话你的这个长上下文就会被无声的截断。这个也是一个很容易出错的地方，就是你以为你传进去了，但是其实它没有传进去。 像这种大模型的话，资源管理这块有什么要特别小心的吗？呃，一定要开启这个 inggram 的 这个缓存，然后这个 devshm 的 这个权限要给够 这个稀疏的注意力和这个专家的这个并行，你要通过这个环境变量和这个启动参数把它打开，不然的话你的这个 gpu 会爆显存爆得非常厉害。包括你的这个生产环境的话，我们建议是用 ducker 来部署， 用这个官方的镜像加上这个健康检查和这个自动重启，你可以用这个 v l m 的 这个 rotor 来做这个多节点的负荷均衡， 包括你如果是要做这个高并发的话，这个推理强度你也要去合理的配置一下，不然的话很容易出现一些 稳定性的问题。对，今天我们把这个 deepsea v 四的这个核心的特性，以及这个 api 的 调用，包括这个部署和运维的一些关键的细节都给大家梳理了一遍，希望可以帮助大家能够少踩坑， 然后能够顺利地把这个服务搭建起来。好了，那么这就是本期播课的全部内容啦，然后我们下期再见，拜拜！拜拜。

我去看好了，朋友们，就这个刚刚发布的 deepsea 微四，还有很多人不知道怎么去下载安装，包括里面的部署教程，这里通通都有。接着跟我来操作，首先打开我们的抖音，点击视频右下角，然后点这个分享链 接，接着回到桌面，打开蓝色这个小鸟，等待一下，点立即查看，然后点进去 找到我们的这个软件资源，然后选择 deepsea 微四保存安装即可。

deepsea v 四你们用了吗？我中高强度用了三天，我的核心感受就一个字，爽！但同时短板也挺明显的。今天聊一下，我个人感觉到了三个优缺点。先说优点，首先长文本是真的很强，我 十几万字的材料丢进去，权威哪里有标点符号的错误他都能给我标出来，而且真的是很快，基本文件一发送，那边马上就开始输出了。 v 四在省材料搭框架的工作里，效率提升是肉眼可见的。 然后第二是成本真的是很低，百万头肯的超长上下文中 kb 缓存占用只有钱袋的百分之十左右，我三天各种简单复杂的任务跑下来，花费还不到一杯咖啡的钱， 所以这一点目前市面上几乎没有对手，国外那些币源的模型瞬间就不香了。然后它是真正的国产芯片四倍的体系， b 四从一开始就围绕华为的升值做优化，跑通了中国芯加中国模型的闭环， 不是实验室的版本，而是你现在马上就可以用上，可以说是中国 ai 的 一个里程碑了。我只能说一句牛逼。 优点说完了，来说三个硬伤。首先，他的知识库还只到二零二五年的九月，甚至你问他他自己都不知道他自己已经是 v 四版本了，所以你想要获取最新的信息，只能联网搜索一部分，但纯靠模型本身 时效性，它就是一个硬伤。然后第二，它依然不是多模态的，还是一个纯文本型的选手。这个还是比较可惜的，毕竟现在友商已经是各种一键上传 ppt 啊各种文件什么的了，估计 deepstack 也在布局吧。最后，你说它赶超上国际上顶尖的那些模型了吗？ 其实还是有一些差距的，官方自己也说跟全球最顶尖的闭源模型还有大概三到六个月的差距，但是我们看看价格，我还想说 v 四真香，所以结论很清晰， v 四就是目前性价比最高的纯文本助理。 如果你大部分工作室和文字文档或者框架打交道，那 v 四真的能帮你省下大部分的底层时间。剩下的你自己试一试就全明白了。

我真是没想到这么快就有上万粉丝了，谢谢大家的支持。这次我给大家带来一个全新的系列，我会通过 ai 的 前沿文章呢来给大家讲明白所有 ai 的 底层逻辑。首先 这个是个 b 四，大家都听说了吧？啊，确实厉害啊，开源 model number one 正面文章和我们平时用的 gpt 豆包这些工具其实都在同一个技术体系上面，分为四层结构，首先是模型架构，然后是训练上面的优化系统层和 agent deepsea v。 四啊，把现在的主流的技术全部整理上去了，好好听啊兄弟们。假如说我们模型输入了一个包含了一百万 token 的 这个长文本，然后准备生成下一个 token 了， ok， 那 么我们大家大家复习一下 attention 啊。 attention 里面每一个 token 进来都会生成三个向量， q， k、 v， q 就是 查询向量啊， k 是， 所以 v 就是 value， 是 token 能提供的信息，对吧？那当前的 token 和 the q 会和已经存在了的 token 的 k 做一下，点击算一下它们两个的相关联程度有多少，再根据相关性去决定提取多少个 value。 也就是说用 q 找 k 提取 value。 那 一个大模型新生成 token 的 时候，如果说每一次都重新计算前面一百万个 token 的 k 和 v， 是 不是有点浪费算力了？那这三个向量里面， q 是我们临时查一下 token 的 解锁词，用完它就没有用了啊，它就没有用了，只有 k 和 v 是 真的有有用信息。以后的每一个 token 都可能还会把之前的 k v 项链翻出来用一下，所以说我们把每一个 token 的 k v 项链保存下来就好了，而这个就叫 k v cash。 那问题来了，我普通的真肾，每一个头根都要和别的头根相乘，然后就要存大量的 kb 向量，显存就很大，然后我现在还不断的要从显存里面读取这些 kb 啊，仿存也很大。所以说 deepsea v 四啊 啊，它提出在架构上面的第一个创新点就是混合注意力机制，也就是 csa 加上 hca。 什么意思呢？啊？听不懂？没关系啊， c s a 就是 我把这一百万个 token 啊，分成很多个块儿，每一个块儿里面包含了好几个 token， 然后我把每一个块儿里面所有的 token 的 k v 向量全都压缩。假如说这里面一个块儿里有八个 token， 然后按理来说应该有八个 k 和八个 b， 那 我现在用两个 k v 就 能表示这八个 token 了。 ok， 压缩的方式有很多啊，比如说池化或者是可学习压缩啥的，然后，呃，然后我现在当前预测的这个 token q 去和每一个块儿的 k 算相似度，然后再提取 y 六，那那 h c a 就是比 c s a 压缩得更狠一些。分组的时候，我每一个块里面有更多的 token， 然后，呃，还用更少的 k v 表示，那 h c a 就 像是权威招标一样啊， c s a 最起码还有一些细节信息在吧，是吧？ 所以说，呃， deepsea v 四官方说，我同样处理一百万个 token， 然后 v 四版本的生成，下一个 token 所需要的计算量大概是上一代的百分之二十七，然后 k v k 开始只有上一代的百分之十。 ok， 特征提取完了，现在模型已经从超长的上下文里面拿到了有用信息，我是不是应该用 transformer 进行训练了？那普通的 transformer 啊，它用的是残差连接输入 x， 经过 m l p 以后得到 y， 再往下传，需要再加上之前的 x， 然后一直往这么传，传到后面第一层的有效信息容易被稀释掉。这这个有很多解决方案啊，比如说前阵子 kimi 的 注意力参差那，那 deepsea v 四这里面用的就是 m h c m h c 就是 我现在把这个输入 x 啊，假如说这是输入 x， 然后他多复制几份，复制几份一模一样的，然后再乘以一个随着网络训练可以学习可以改变的参数矩阵， 从而不让所有的信息呢都混合到一个 token 里面。这样做。呃，可以，比如说我第一份啊，表示这个 token 的 局部信息，第二份表示他的长期信息，这样子，然后我还要在这个 信息混合以后，乘以一个可学习的矩阵，让模型自己去学习复制或者是读取，拿几份进行往下传递，再往下传递，这块也要乘一个可学习的矩阵。 ok， 那 既然有可学习几阵矩阵了，那就容易出现一个问题，就是梯度爆炸和梯度消失，所以说需要给这个矩阵呢加一定的约束，这个约束 就是让矩阵是非负的，而且行列合变成一啊，那就好了，所以 m h c 啊，可以让多状态混合保持稳定，还能让早期的信息稳定的传下去，大家在工作当中也可以用这个创新点。 ok， d p c v 四还用了 m o e m o e 这个混合专家系统就很常见了， m o e 模块呢，就是有好几个并行的啊小的网络，然后每一个网络都负责一部分的任务，比如说这个就负责数学，这个就负责代码。那我们把这里每一个网络呢都称之为一个专家， 而且每一个 token， 那 每一个 token 进入 m o e 层了以后，会先进入 router， router 这个层的作用呢，就是给每一个专家进行一个打分，然后取分数最高的 k 个专家去处理这个 token。 因为如果说这个 呃 token 是 公科的专业词汇，那么我用心理学的专家分析也没有什么用，对吧？呃，需要节约算力。但每一个专家呢，我们通俗意义上来讲，它都接受过九年义务教育，所以说它会有一些通用的能力。那第 biggest v 四为了让这些专家有更加专精的能力，呃，我们直接把通时呢交给了另一个 网络，这个网络就是通时网络，所以每个 token 经过 attention 和 mhc 状态传递了以后，我们会先经过通时专家网络 再呃，再由 router 这层网络呢去选几个呃专家去处理这个 token， ok， 最后 biggest v 四在训练过程中还引入了一个创新点，叫 m t p。 普通的大模型训练是我看见一个词了以后预测下一个词啊， m t p 也是让大模型看见一个词里以后，把下面所有的词全都预测出来啊。普通大模型预测一个呃词表里面有一万个 token， 然后对应一万个 token 的 概率，然后取概率最高的那个 token 进行输出。比如说你没活干嘛这句话就是 啊，你没活输入了以后，它预测就是干，然后再循环 m t p 呢，是多个预测词表，比如说你没活干的这句话啊，输入你没活， m t p， 就 输出两个词表，一个负责预测第四个字干，一个预测第五个字活。 每一个词表当中还是有很多个 token 啊，和对应的分数。 ok， 我 们总结一下 deepsea v 四的架构啊。首先我们面对一百万这种长稳稳的 token 的 时候， 普通的安全性会让当前的 token q 去匹配大量历史 token k， 但历史实在是太长了，所以 deepsea v 四呢，用 csa 加上 hca 的 方法啊， csa 就是 把 token 分组，然后轻微压缩， k 为向量， hca 就是 重度压缩啊。那这么做既然既有了关键内容，也保留了全局的一个背景，还能减少计算和显存。然后又 m h c 的 这个方法，让提取的信息可以在深层的网络当中更稳定的传输。再后来呢， deepsea m o e 使得每一个 token 的 实际计算量可以可控，最后训练的时候用 m t p， 然后让模型学会多步趋势啊，对常文本和推理有很大的帮助。

今天我来讲讲如何用透 deepsea v 四升级的种种能力来搞定这些职场硬货。你做 ppt 最浪费的时间是什么？ v 四的上下文长度，我们可以植入更丰富的体式词，来减少通过 ai 输出的 ppt 需要再度的大幅的修改的情况，同时也用国内非常多人使用的另外一个 ai 的 专家模式来进行比较。 ppt 确实已经达到了可以直接演示的水平， 他从目录页到图式痛点剖析，以及到各种图表和信息概念的演示，基本上已经达到了我想要的专业水平，并且配色也是我指定的几种颜色。 另一款 ai 呢，也完成了我想要的概念梳理，但是它的所有的图标大小，文字的尺寸其实并没有按照我想要的方式，并且配色过于的简单。 拿到一份乱糟糟的表格，如果直接丢进 ai 生成信息图，可能画出来的图你自己都不想看第二眼。这次我们来执行一个多步骤的任务，他先会去做数据体检，找到反直觉的洞察和拐点，再为每条洞察单独选图表类型，最后排成一份像经济学人的数据故事页， 我们可以看到他的每个步骤都执行的比较仔细，并且对每个数据都做了前后的映射和分析 出来的效果。还可以切换深夜模式，并且清洗后的数据明细可以通过订单或者商品名称去检测。 另外一份 ai 的 执行这么大数据量的分析之后啊，它的效果是拉完了，试了两次都没有产出我想要的效果。 老板甩过来十份像这样很长的文件，说下班前要给结论，你一份份来读肯定是来不及的，这次我们放到国产 ai 工作台里面， v 四的玩法是先批量再消化， 然后做交叉分析，最后输出一份这样丰富的可交互的专业分析报告。这份报告确实很惊艳，他有非常详细的逐份的精读以及呃关键数据的展示，并且对文中的可疑信号和可信度做了自己的分析和判断。 最后还有这三份文件，因为都是相似主题的，做了自己的分析和判断。最后还有这三份文件，因为都是相似主题的，做了一个分析和判断。最后还有这三份文件，因为都是核心差异化的观点， v 四有个严重被低估的能力，角色沉浸，于是我让他帮我去做职场辩论的策划，并且成为一个组织心理专家。首先他在 开始之前帮我进行了角色画像的构建，包括立场需求、恐惧点和权力的筹码等等。然后在每一个开局和辩论中场的策略设计上做了非常详细的话术指南和对方的反应的预测。 这个模式非常适合职场小白在开重要的会议之前进行一轮情景的模拟和准备。这就是我深度使用 deepsea vs 一 周来的一些小成果分享给大家，关注我不迷路！

哈喽，大家好， deepsea v 四 pro 我 深度体验了一周左右啊，今天我们不急于纸面的数据，拿真正的项目来对比，实测一下 deepsea v 四 pro 与 cloud oppo 四点七的全方位代码能力。 那首先先来说一下测试的规则，为了保证测试流程的公平和正确，我们让每一次任务单独去启动了一次 cloud code， 实现绘画的隔离运行模型，只读取对应的提示词和必要的项目文件。那并且我们做了这个防作弊的隔离禁止模型，去读 任何关于评分标准的记事词。模型运行完之后呢，我们指定他输出到一个单独的文件夹里，然后我们再根据评分标准去让 gpt 来进行评分，最终是由 gpt 五点五进行评分。 那这一次的测试内容主要分为三大块，第一大块是前端的生成，第二大块是后端的生成，第三是 bug 的 修复。并且在这三大块上又分了不同的小块，向前端和后端，我们分为了两个级别的，这个项目， 那个修复，我们也分为了小项目、中项目和大型项目三个不同规模的项目。我想这个应该是全方位去测评了所有的模型的能力，不管是他的工具调用也好，他的推理能力也好，他的这个上下文管理也好，基本上可以覆盖到所有的编程的场景啊。 那最终的结果是这样的，我们从这张雷达图其实可以很清楚的看到， deepsea v 四 pro 跟 oppo 的 四点七还是有一定的差距的。呃，我们看柱状图可以看到详细的一个差距评分啊，那接下来我们去逐个分析一下不同任务它的详细的对比， 那首先是前端的能力上，第一个级别的前端 deepsea v 四的评分要低于 oppo 四点七，但在第二个中，他却实现了反超，那在后端项目上，也是第一个 deepsea v 四 pro 更差一点，第二个他反而追上来了， 包括在 bug 修复上，也是 bug 修复上。在小型项目中， oppo 四点七比较强，但是在中型项目中，他就差的有点太多了， 但最终到了大型项目，他反而他们两个持平。其实从这不管是前端后还是后端，还是 bug 的 修复上，可以反映出一个东西，就是 keep safe v 四 pro， 它的上下文管理能力非常的强大。 他们在官方的宣传稿中有说到，他们引入了一个全新的上下文机制，可以看到这次的测试结果也正反映了这一个特点啊。 他们的推理能力，或者说他们的智商可能还不如 oppo 的 四点七，但是在大型项目上， oppo 的 四点七他的上下文管理能力不行，所以在大型的项目上，或者说大型的任务上， tips v 四 pro 反而追上一点分。 像在前端的这个 l 二级别的前端，他甚至实现了反超，包括后端上，他也得益于他的上下文管理，他也实现了一些评分的追赶。 那在 bug 修复上，也更是在小型的 bug 修复上，两个模型的智力可能都可以胜任。这个任务比较简单，但在中型的 bug 修复上，他们的差距就比较明显了。 最终到了大型项目，因为 oppo 四点七上下文的管理能力不行，所以他们两个能力最终又持平了。 那这一次的测试结果还是让我非常的 amazing 啊，因为 deepsea v 四 pro 是 一个开源的模型，而 oppo 四点七是一个商业级的闭源模型。那还有一个特别让我 amazing 的 地方，就是它的价格， 这两个价格的对比都是按照官方 api 的 计费去进行的，那 deepsea v 四 pro 总花费是十六人民币左右，而 oppo 的 四点七花费达到了三十八美金，也就是二百七十四人民币。 deepsea v 四 pro 的 成本仅为 cloud os 的 百分之五点八， 所以整体来说， deepsea v 四 pro 的 这个价格加上它的开源，那对比 oppo 四点七的这个差距，我觉得还是令我比较满意的，特别是在大型的项目中，它有一个比较好的优势啊，但当然它的短板也很明显啊，就是对于复杂任务的这个处理能力还是不够强。 当这个 deepsea v 四 pro 的 发布呢，我想更多的意义不在于它的 a 卷的能力有多强，它的编程能力有多强。呃，我觉得更多的意味着中国的 ai 大 模型提升到了一个全新的高度，不仅是在它的能力啊，更多的是在它的价格方面， 它的价格有如此高的优势，并且它的上下文能力又有如此的强大。整体对于模型选择的建议来说，如果你的预算充足，那毫无疑问肯定是使用 oppo 四点七的，但是 deepsea v 四 pro 真的 是太便宜了。 呃，如果各位有兴趣的话，可以自己去进行实测一下，看看 deepsea v 四 pro 的 能力到底是怎么样的。后续我也会把我的测试流程开源到此结束，感谢各位的观看。

各位好，今天给大家分享怎么 deep seek v 四接入 cloud code。 我 们现在需要把这三个软件还有 api 准备好，准备好后我们先打开 vs code 来安装 cloud code 拓展插件， 我这里已经安装好了的，你们可以按照这个步骤进行安装，要安装官方版本，不要选错，安装完成后，下面会出现 cloud code 的 图标， 选择这个为 entourage 开发者的插件，点进去点击安装就行。我这里已经安装好了， 然后安装 c c switch， 直接谷歌搜索即可，我后续会提供安装包，打开后就是这个样子。 然后我们现在去获取 deepseek key， 我 这里用的是中转站，价格会便宜很多，也可以接入其他的，比如官方的 club 四点七，四点六模型， 这是一个演示的中转站，你们有中转站也可以使用自己的效果是一样的，没有就可以使用这个中转站直接注册账号会送一点测试的，登录后点击令牌获取 q， 然后点模型广场找想接入的模型名称， 然后我们现在打开 cc switch， 选中第一个图标，也就是默认的，然后点加号，选自定义配置 供应商名称，随便填备注，不需要填官方，不需要填 api t， 这里填我们刚才生成的那个令牌请求地址，这里输中转站的 api 地址或者你们自己的 api 地址，然后选择高级选项， 这里的主模型， sonata 默认模型， opus 默认模型都可以填写一样的。然后 haiku 默认模型填写 flash 模型，因为它简单的问题会去问 haiku 模型，让它回答更快即可。最后点保存， 这里选中刚才我们添加那条 a p i， 然后点启用，然后重启 vs code 即可使用 这里点 new session 就 可以创建新对话了。然后我们输入 modder 查看 a p i 模型是否生效， 我们随便输入几个字测试一下是否成功调用。这里已经显示 deep seek 杠 v 四驱动成功调用， 自此我们就已经成功接入 cloud， 后续的大模型调用都为 deep seek 杠 v 四了。如果觉得有用，可以一键三连找我领取两百万 token 哦，感谢大家！

不用花费高价订阅，不用担心封号，让 cloud desktop 接入 deepsea v 四，性能打平 opus， 价格却是白菜价。没看错， antropic 官方已经悄悄开放了第三方模型接口，不需要登录账号，不需要订阅，只需要简单几步配置，就能在 cloud 的 桌面端用上 deepsea v 四的 pro 和 flash 两个模型。废话不多说，直接上教程。 第一步，去 deepsea 开放平台获取 api key， 打开 deepsea 开放平台注册登录，点 api keys 创建一个新的 key， 复制保存好这个 key 只显示一次，然后充个值，最低十块钱就够了，现在还是优惠期，价格正合适。 第二步，去 cloud 官网下载 cloud desktop， 双击安装会看到这个界面，然后点顶部菜单栏的 help， 找到 trouble shooting， 勾选 enable developer mode， 搞定之后重启客户端。重启完你会发现菜单栏多出一个 developer 选项，这说明开发者模式已经成功开启了。 第三步，也是最重要的一步，配置第三方推理接口，点菜单栏的 developer， 然后点 configure third party inference， 进入配置页面， 这里有四个字段需要填，第一个 gateway base url， 填入这个网址。第二个 gateway api key， 填你刚才保存的 deep seek key。 第三个 model name， 也就是模型名称。想要最强性能就填 deep seek v 四 pro， 想要极致性价比就填 deep seek v 四 flash 两个模型都支持百万 token 上下文， 填完之后点 apply locally， 再点 relaunch now， 就 这么简单。重启之后你会看到界面一切正常。左上角有 co worker 和 co 的 两个标签，这是 cloud 桌面端的两种模式， co worker 是 桌面助手， co 的是编程助手，全部功能都能正常使用，赶紧去尝试一下吧。

一天解锁一款黑科技！今天教你下载的是 deepsea 飞四全能 ai 智能助手，附带部署安装教程，同时支持安卓、苹果、鸿蒙。还不知道怎么下载安装的同学 赶紧跟着我的步骤操作吧！首先点视频右下角分享键，然后分享链接，然后打开这个蓝色东西，会弹出一个文件夹，没有的话打开后空白处输入卡丁宝箱，选择软件大合集，找到你要的右下角保存即可。

deepsea 最新版本降 ai 是 真的吗？今天带你们实操一下，我先让豆包帮我生成一段内容，接着咱们打开 deepsea， 把这段粘贴进来，记得这里一定得切到专家模式去，不然还是老模型。 然后把智能搜索给关掉，屏蔽掉网上那些垃圾信息。重点来了，把这段提示词敲进去，百分之六十的学术表达搭配四十的口语表达，然后我们稍等一会就 ok 了。最后把这两段内容都跑一下 ai 检测，你别说， ai 还真就给我压下来了。但你们有没有注意到一个问题， 虽然 ai 率是低了，可写出来的东西实在是太口语化了，这被导师看到估计又要叨叨个没完。 那有没有什么办法能在保住原意的前提下把 ai 率给拉下来呢？我们直接找到专业的学术大模型，把要处理的内容一股脑全塞进去，差不多也就吃顿饭的功夫，就能在不改变原有表达的情况下做到这种效果。

洞比前吃个草，出稿自己长好一个 c 个 v 四更新了，逗老师可以往后稍稍了。专家都来帮助我了，那这出稿不得简简单单？先奔之网高级解锁，给他两个核心主题，年限锁定五年。打开田字格，查看摘药， 快速筛个十几篇文件，导出，查新引文格式，然后来新品鲸鱼这里据说可以媲美国外高级模型，就让小懒来试试，把文件资料给他，让他给咱梳理研究思路和搭建大钢框架， 然后在这填好标题，这些基础信息，把鲸鱼整的研究思路一扔，再把之网整理的参考文献一扔，大刀也丢进去。需要图表数据公式啥的，直接在这勾选。最后一篇逻辑严谨，内容丰富，带图代表的初稿就到手了。不错不错，可以一试。