嗨，大家好。嗯，这段时间就是这两周没怎么去发这个视频啊，主要是因为这两周捣鼓了一下这个最近市面上比较火的这个，呃。就智能编码这一块的一些工具， 那像我们现在用的比较流行的这个可乐的扣的，嗯，还有这个，嗯，扣贷啊等等这一系列的东西，嗯，大大小，我基本上我基本上把把最火的几款吧，都自己真实的试用了一下，包括那个后台的大模型， 呃。从这个 g p t 到再到这个咱们这个国立的这个 deepsea， 呃。 v 四，呃。 v 四的 flash 和 pro 我 都试了一遍。呃，整体我就是汇报一下我的一个体验哈，以及我干的事情。 呃。我干了什么事情呢？我手里面有最近是有这个三个项目，我把这个三个项目呃做了一下对比，主要干的事情就说是有两个项目是做升级，呃，这个，其实这个项目都是我我自己的，以前这个大概有在线上运行了有十年的老项目了啊，现在还在运行着， 呃。我一直想给它就做一些升级，呃。因为技术上比较老了，用了 spring boot 二，呃， jdk 这个一点八了这比较老的这一套技术，那我就一直想把它升级，呃，一直想升级到至少说 jdk 一 点呃。十七，对吧这一类的。 但是呢，之前我也捣鼓过，嗯，也去升级过，呃。各种问题各种出现，那后来我也就基本是就是懒得去搭理了，也没去做这个事情， 然后索性这一次我就，嗯结合到这些大模型的，结合这些工具，呃，把这几个都给他升级成功了。升级完了啊，做的还挺完美的。呃，所以说不能不感慨啊，感慨的就是说是这一类的工具的出现。呃把咱们整个的这个程序员的行业 这对于我的政治来说是颠覆了。呃。以前的话我们最早学 java 的 时候可能就是说经常性，我们就说是我们把成语一写可以喝一杯咖啡了，等着这个他这个编一声可拉式文件这么耗时的时间， 那后来这块就很完善了啊。现在呢又变成什么模式呢？变成就说是我把我的需求，呃。我把我的 步骤拆封完之后啊给到这个作为 t 的 词给到这个可乐的扣了之后。那我也去喝咖啡了啊。等一段时间，半个小时多久了对吧。 呃。中间我可能稍微按一点一点就是它它有一些这个交互式的，哎。我需要确认，呃需要能不能执行某些命令等等。呃一个时间一一杯咖啡的时间可能整个的东西它也给我搞定了。 呃我干了两个项目的升级这两个项目都不算很小了。两个项目的升级。两个项目的升级呢？呃一个项目是纯粹的用可乐的扣的，加上他自己的大模型。呃。我使用的是中转站 这个项目我整个做完，呃整个耗时耗了我大概也是半个多小时的时间啊。整个就是从开始到整个的升级完成， 呃。然后消耗了大概是我当时花费呃耗费的这个钱为后续还有一些小的修改还有一些小的问题的调整整个下来呃。消耗了 talking 消耗了钱大概消耗了我是两百多块钱这个样子 啊。但是做的还挺挺挺完美的帮我升级成功的。嗯个人气动的都正常的，至少对于我来讲，呃，我有动力接下来是把这个项目继续去给他保养方面给优化了啊，之前的话，老的技术战场这一块我是懒得去动的，说实话， 呃，第二个呢，我后来我就又尝试了。尝试了什么呢？尝试我就是把这个大模型工具依然依然用的是这个可拉拉扣的，然后这个大模型切成了这个 deepsea， 呃， v 四 flash 的， 呃，这个切完之后呢，呃，整个我做下来也是耗了三十多分钟，把一个类似的项目也是给升级完成的， 整个呢就升级到了这 spring boot， 呃，四点零啊，我是让他给我升级到三点零的二三二三以上的，然后他后面给我一堆分析，分析完了之后呢是给我直接升级到四点零的，那我就同意让他去升级了，把这事儿干的也挺完美的。哎， 呃，基本上是我再加上我的一些操作，一些刀路之后啊，整个也是很好的运营起来了。呃，整个做下来之后呢消耗多少钱呢？我查了一次，整个是消耗掉了，我有，呃，七千万的 talking 要大概耗掉我这个 呃多少钱呢？整个这个七千万的 talking 是 耗掉了我好像是几块钱的这样子，那这个这个就很划算，因为好像 facebook 这个官方还在做活动，所以这个 talking 的 这个价格很低。 呃，所以说整个的做的，呃也挺完美，事情也给我干完了，然后也就是大概好像是五块钱的成本给我做完了这一切啊，这个不能不感慨。一个感慨的是， 呃，这个这个程序员的这个迭代，那接下来这个替代，呃，特别是一些一些这个基础的这个工作，呃可能就完全要被替代掉了。那我们要做的事情跟更多的可能是财务需求， 呃。拆分出这个步骤，让让让，这个让这类工具帮助我们这个去，呃，很好的去实现着我们的想法啊，你充分发挥它这个 a 政策的这各种属性这种功能去完善我们的一些想法。呃。这个可能就是我们将来的一个， 呃。可能将来不能叫程序员了是吧？那可能是大家就叫做这个产品规划，呃。这个 ai， 呃。智能化这个辅助，呃。工程师什么之类的，是吧？可能这么一个变迁的啊。呃。我也可以说一下我当前的一种，就是我找到了一种，就是我个人， 呃相对来说是比较舒适的一种工作状态。这种工作状态怎么怎么做的呢？就说是这个，这个这个整个的一个路线啊？我是怎么做的啊？我现在其实很多时间是用手机在编程的啊。倒不是编程，用手机来发指令的，呃。我手机上装的是飞书， 呃。我做了一次中转，所以说我是有远程服务器，我的服务器上部署了有这个。嗯， oppo 可乐，我是用 oppo 可乐中转了一次 oppo 可乐之后呢？这个 oppo 可乐的话我是上面装的是代理嘛，然后在我是我自己的一台本地的，因为这个本地的服务器的性能比较高一点啊，咱们是为了省点钱嘛，这不想花太多的钱搞成本太高的这种服务器。 那所以说那个只能够把自己本地的这个电脑给他加扎一下，而且装的还当时装的还比较不错的显卡，跑起来速度更快，所以我是把我可乐的扣子装在我本地的电脑上面， 然后呢，基本上是二十四小时开机，完了之后呢，就说是也是连上了这个远远程的服务器上去 啊。然后基本上我的流程就是说从从飞书手机上的飞书发出指令到 oppo 可乐啊， oppo 可乐再反代理到我这个本机上去做做这个，让可乐的扣的去做执行一些事情。然后可乐扣的这边可能是有一些交付，这个交付呢，遇到这种指令之后， 点到 open 可乐 open 可乐，再返回到手机端，呃，弹框让我去确定选择项之类的，那整的是这么个流程在做。呃，现在这种方式我做的还是感觉还是挺舒适的。那接下来大家有更好的方式，有更好的流程也可以跟我介绍介绍啊，谢谢大家，再见。
粉丝270获赞1802
相关视频
04:59查看AI文稿AI文稿梅猴王朋友们，今天我们来一期 ai 开箱啊，关于 deepsea v 四，你只需要知道的五件事。 第一，没有炸裂，但是呢，它重回一线了。 deepsea v 四如果跟现在最顶尖的闭元模型，按照他们自己的说法是还差三到六个月的差距，算是追平了上一代的 ops 四点五。 那放在国产和开元模型领域呢，它算是领先了，跟最新的 glm 五点一， kimi 二点六比，可以说是略好一点，但是呢，也拉不开差距。第二呢，就是百万上下文从顶配以后会变成标配，那这一点几乎是这一次发布里面最重要的一点了。 一百万原生上下文之前在开源领域在国内都是没有的，那 cloud 呢，其实都得要顶配的 apps 才有。那现在这个 agent 的 时代呢？有效的长上下文也可以说是太重要太重要了。 deepsafe 呢，能把百万上下文做成成本更低，做成标配， 属于是让 agent 以后能普惠到更多普通人必备的一个基建了。所以龙虾也都立马更新了，把这个 deepsafe v 四的 flash 作为了龙虾的默认模型。 那第三，就是价格看着微贵了，但其实没有。那这次从 api 的 价目表表面上去看，跟国产的其他几家比， v 四 pro 的 api 其实是要微贵一点的，但我实际用下来居然不是这样的， 我同样的任务， glm 五点一干了五十块钱才做完，而 v 四 pro 只花了十块钱，而且我找其他小伙伴也试了几次，也是如此。那另外呢， v 四的 flash 版本其实不是传统意义上的低配模型， 它的推理模型其实跟 pro 是 差不多的，在普通任务上的表现基本上没差，只是说在复杂推理上 flash 会差一点。 我昨天其实调错了 api， 把 flash 当 pro 用了一整天，但我都没有发现。后来我改回来之后又重新跑了一遍，发现结果也没太大区别。比如这俩谁是 pro 做的，谁是 flash 做的，你能分出来吗？但是它们的价格却是差了十二倍。 那这俩呢？是 up 四点六和 glm 五点一做的效果，所以用 flash 承担普通任务的话，我觉得现在有可能是性价比最好的。今天他们还突然开始打折，五月五号之前调用的话是原价的四分之一。 那第四 agent 能力强，用到你的 agent 里去，那这次 deepsea v 四呢？其实各方面能力都有所提升，比较突出的呢，就是它的 agent 相关的能力工具使用啊什么的，然后世界知识和中文写作，办公任务， 还有竞赛编程、数学这一些方面，它对标的都是海外的旗舰模型，所以大家除了日常在客户端去免费的用它以外，建议大家给它接入到 cloud code 呀，龙虾啊，爱马仕这一类的 a 阵去用。 那官网买 api 呢？就是在它这里面去拷贝它这个 ansap 格式的 base url， 然后把 key 粘贴过去就好了。我现在已经全线接入了，准备用几天试试。那如果大家要把推理强度拉到最高的话，记得要去这样设置一下， 我给大家看一下，这是我用 deepseek 帮我查的 deepseek 发布历程，然后让它做成 pdf 报告， 但 pdf 报告这一块，它居然做的比 ops 四点六要做的好，而且你看这个 ops 四点六的这个效果，其实它还是用了 skill 的， 我真的不理解，但是实测下来啊，国产模型呢，对于 skill 的 主动判断，主动去调用，普遍好像都有点问题， 总是要我手动提示他才会用 skill。 v 四也有这种情况。第五， deep seek 改变的行业格局不是一次发布。 因为呢，很多朋友对 deep seek v 四是有很大期待的，希望他拳打闭园，碾压开园，改变行业格局。 但其实这种期待并不是很理智，因为没有人能在这种又难又长又不确定的事情里面，每次都能四两拨千斤，震撼世界，这又不是短剧情节，那其实呢，行业格局也并不是他这种一次发布就有改变的，而且他其实已经变了。 现在你看 deepsea 一 边在跟国产芯片搞协同，几家 ai 中国公司他都在你来我往的在解决下一步智能的探索问题， 就是整个姿态咱已经变了，中国 ai 已经不是纯粹跟随的阶段了。所以，虽然 deepsea 的 这个模型大家体感上没那么惊艳，但是 deepsea 的 背后做的事情，他们的研究，他们技术报告的开放，他们的持续开源，其实跟当时他们的 v 三和 r 一 没有区别。 他们的发布结尾也写了一句非常好的话，不幼于玉，不孔于匪，率道而行，端然震惊。 好了，最后一句话，整体还是建议大家去用用的。当然，如果你懒得切换模型，或者是你根本就不用 agent 的 话， 也不用太 formal， 因为他也差不了太多，不会错过一个亿， ok， 虽然只是简单聊聊，但是大家也不要忘了点赞收藏、关注，我们下次见了。
1.1万秋芝2046
04:51查看AI文稿AI文稿快来看，我实测了 deep seek t u i 这个免费的 ai 编程 agent。 最近美国有个小伙，几天功夫就手搓了一款专门为 deep seek v 四打造的编程工具 deep seek t u i， 非常类似于 cloud code， 上线没几天就收获了一点一万多颗星，超级火爆。我今天实测了一把， 感觉效果非常好，给大家分享一下我的实测过程，并请大家亲自点评一下。安装和使用非常简单，首先我注册了 deep seek 的 账号并充值，然后创建了一个 api key。 接着我到 github 上搜索 deep seek to y， 就 到了这个项目的首页。 这个项目的开发者叫 hunter bone， 项目是一个星期前才开源的，目前已经收获了一点一万颗星，一周冲到一点一万 star， 太牛了！好，我们来看看它到底好不好用， 想安装的朋友可以看这里，这个小伙还专门准备了中文版的 readme， 因为我一直用 node js， 所以 就用 npm 安装，一行命令就搞定，很轻松。 npm install deep seek t u i 你 看这界面真简洁，一句废话没有，连 successfully installed 的 都没有。安装好了，直接输入 deep seek， 回车就开始了。开始时需要配置几个选项，非常简单，关键是语言设置，在需要 api key 的 时候，把 deep seek 的 key 拷贝进去就好了。 然后我让他接手我一个没完成的项目。这个项目是一个谷歌浏览器的插件，功能包括网页局部翻译、 pdf 局部翻译，还有视频字幕翻译。下面请你们自己观看效果。我只辅助说明一下， 因为这个项目已经放了很久了，我已经记不清进展到什么程度了。于是第一个任务，我让 deep seek 查看我们的几个开发计划文件，然后扫描所有原码，看看还有哪些没完成的任务，并让它不要修改代码。注意，在这个 t u i 工具里， deep seek 的 思考模式是默认打开的，你可以看到它是如何思考的。 很快， deepseek 就 输出了整个项目的分析报告，分七个部分，尽管思考过程是英文输出，但报告竟然是中文的，非常友好。报告详细分析了原计划目标、已完成任务、未完成任务、超额完成的任务。最后还有一个综合代办清单，把有待完成的项目按类别一一列出， 备注中还给出了任务难度，给出的信息相当靠谱，看来他完全理解了我的项目计划书和现有代码。查看了这些输出报告后，我选择了三个任务，请他完成第一个任务，项目图标缺失。 deep seek 打算用 python 生成一个图标，但尝试好几次不成功，因为我这台电脑没装 python。 他 发现这个问题后，改用 node js， 然后成功写了代码并运行完成了图标生成。好像一次生成了好几个不同尺寸的图标， 一会儿给大家展示的时候可以看看，图标设计挺不错的。第二个任务，提高当前代码的鲁棒性，也就是让代码不容易崩溃，程序更健壮。它修改了好几个地方的代码。 第三个任务，改进网页 dom 的 便利，也就是更好理解浏览器中的网页结构，从而决定在哪里注入翻译项。它还修改了关于视频上下文中按钮位置的相关函数。完成任务后， deep seek 生成了一个简单的摘药， 总共增加了两百多行代码，新增了十个函数，修改了六个函数，生成了三个图标，还修改了一个非代码文件。 思考过程中还显示 deepseek 对 代码进行了测试，并确认十三项功能通过了测试。确认没问题之后，他还清理了中间过程代码和一些脚本文件，总体感觉效率很高，对问题的理解也很到位。在这个对话框的最下端，显示了当前所有操作的开销，总共花费零点二七美元，大约合二块人民币。 小伙伴们，你们觉得这个价格怎么样？请打在评论区。好，现在我们来看看这个代码的效果。在 chrome 里面加载我这个扩展，然后把图标放到工具栏上，这个图标就是 deepseek 写的脚本生成的，感觉还是挺不错的。现在你看，当我浏览网页时，有一个小图标跟随我的鼠标 在想翻译的段落旁边停下来，点击这个按钮，等一小会儿，你就会看到这段文字被翻译好了，显示在该段落的下方。 如果你打开的是一个 pdf 文件怎么办？来看，点击这里，我们就在侧面开了一个副窗口，显示同样的 pdf 文件。当你的鼠标划过 pdf 的 段落时，也会看到小图标，点击一下，原来的英文被替换成了中文，神奇吧！ 好，再来看一个 youtube 视频，这个视频全英文，听不懂怎么办？当你把鼠标划过视频时，会看到这个蓝色小图标，点击稍等一会，它会把视频的语音转成文本，再翻译成中文，然后给视频加上字幕。当然，你需要重新播放才能看到字幕，是不是挺方便的？ 看来这个 chrome 插件原来的 bug 基本都修复了，基本可以用了。好了，今天给小伙伴们分享了如何使用 deep seek v4 pro 进行编程。 你看完这个视频，对 deep seek 这个工具有什么感觉？你觉得 deep seek v4 pro 的 编程能力是不是很在线？请把你的想法打在评论区。
1967歪脖仕话AI
03:54查看AI文稿AI文稿我是个美国佬，求大家帮我弄个微信。前段时间，一条这样的中文推文火了，发推的人叫 hunter bond， 一个地地道道的美国人。 hunter 专门为 deepsea 整了个开源的 agent 项目，叫 deepsea tui， 这项目直接冲上了 github 热搜第一， 成了五月初 ai 圈最火的仔之一。而开发者 hunter 差点因为注册不下来微信措施，联系上中国大本营的机会。好在网友十分给力，解决了这个最大的问题。 其实吧， deepsea v 四一推出，立马因为便宜大碗又好用，成了开源编程界的心头好。但就像 gpt 有 codex cloud 有 cloud code， deepsea 一 直缺少一个能让他发挥最强实力的编程专舞。 hunter 就是 看准了这点，开发出了 deepsea t u i， 让 deepsea 在 开发场景有了趁手的兵器。我们也靠关系采访到了 hunter 老哥，发现他的爆火不止靠中国网友的推动， 这背后是一个带着一腔热血，正在用 ai 改写梦想和命运的普通人。因为和大伙们混熟了，拳友们都习惯叫他金鱼老。 为啥用中文搞宣发？金鱼老告诉我们，我做的既然是 deep six 项目，为什么要用英文宣传？要找同号，当然得去金鱼兄弟最多的地方。而和现在许多 webcoder 开发者一样， 云龙也并不是科班出身，但经验却相当丰富。在这个项目以前，他给 mini max、 英伟达也做过类似的 agent 的 工具，还尝试过把一些科研论文变成大伙们都能用的工具。靠着这些经验积累， deepsea t y 一 推出就 圈粉了不少开发者，比如界面清晰简洁，操作流畅，最贴心的是，它会实时显示任务 token 消耗、总花费、缓存命中率和耗时，让人心里有底，编程表现也强得可怕。有网友用其他工具做项目，再拿 deepsea tui 复查，居然发现不少没被注意到的 bug。 但为啥 deepsea tui 能这么神？金玉老告诉我们，是因为这产品就是为 deepsea tui 量身打造，做了不少的优化。像是 deepsea tui 引入了 deepsea tui 的 填空神器，让 模型写代码的时候不用从头读到尾，直接在中间缺啥补啥，这个功能对修改 excel 的 bug 尤其好用。另外，他还提到， deepsea v 四上下文堆得越充分，越容易进入超神状态，所以 deepsea t u i 充分利用了这个特点，即使项目有几十上百万行 a j， 也能把之前看过的信息记在脑子里， 使结果更准确，也更省 token。 但做的太好，有时候也是一种麻烦。社交媒体上不少人开始怀疑， cloud code 之前原码刚泄露，它不会是套壳抄袭的吧？ 对于这一点，就应老坚决地否认了。 deepsea tui 早在一月就已经开始开发，主要是基于我以前做过的项目，并没有使用 cloud code 的 泄露代码。虽然我也出于好奇看过其中的记忆系统设计，但 deepsea tui 主要参考的对象其实是 codex。 说了这么多，难道它就没有什么缺点吗？当然有！大伙反应最严重的问题之一是 d p c t u i 的 缓存命中率要比 cloud wallet 低很多，这导致它比较烧钱。这确实是金玉老的国初心是好的，只不过执行坏了。 d p c v 四虽然有一百万超长上下文，但它怀疑上下文积累太多， 模型性能反而会下降。所以它灵机移动，设计了一个上下温容量调节系统，每隔一百二十八 k token， 模型就要重新思考结果。模型输出有时候确实更好了，但对用户来说就得花更多的钱了。不过大伙儿别担心，金玉老目前已经修复了这个 bug。 而尽管有这些小问题，项目还是持续升温。五一后短短几天， github 又增加了上万颗星， deepsea 官方也把它列入了推荐的 a 件的列表。 在微信群，金鹰老也一直很活跃，虽然语言上有些障碍，但他每天都和大家交流模型使用经验和技术细节。他说这一切就像做梦一样。去年一月才认识 deepsea， 没想到现在成了大家口中的金鱼兄弟。他的下一步计划是把 deepsea tv 逐步扩展成支持桌面端和移动端的 ai 工具台。 实际上，金鹰老是一个专业又不专业的开发者，甚至到现在他说他也搞不懂为什么 deepsea tv 在 一些场景下会表现得那么好，项目里用的一些技术也是他第一次接触学习。 这不妨碍他从一个八竿子打不着的外行变成全球爆款开源项目的创作者。从某种程度上，金玉老印证了，这的确是一个任何人都可以凭借创意和热情实现梦想的时代。
4.0万差评前沿部
09:27查看AI文稿AI文稿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？
2.5万小陈同学c_z
04:11查看AI文稿AI文稿好，我这几天深度体验了一下，用可老的接上这个 deepsea v 四 pro 之后的效果给我的感觉呢？怎么说呢，在之前最开始时候我用 tree， 我 觉得它非常好用啊，后来的时候我用 vsco 的 里面的 copec， 然后觉得那个非常好用，但是它现在已经出现限额了， 然后后面我用去了，用了 codex， 但是用的是中软战，给我的效果感觉也是一般化吧。直到最后，也就是最近一段时间，我接触到 deepsea 威斯，加上我的可乐扣的我这个组合真的是， 反正给我的感觉就一个字，太便宜了吧，真是太便宜了，可以给大家看一下。我这边的话，这场使用下来啊，就今天一天整整用了三千万头啃， 平均下来是三块四毛九，因为它有这个缓存命中跟未命中缓存吗？啊，有这个命中缓存跟未命中缓存 只用了三块九。三块四毛九，这个价格呢，平均下来每块钱可以换到八百五十七万的头根，这个价格我只能说真香，太香了。这你要是去用 xpt 五点五啊，或者说用 oppo 四点七，这个价格肯定是 太太香了，真是太香了。而且我实际应用下来，包括用克拉克的座椅，下来之后，我发现真的这样之后还挺好用的。当然他也有一个自己的问题吧，就是说他的那个 没有这个图像识别能力，但是我听说后续好像也在开发了，等到后面有这个多媒体功能的话，可能会更好一点，那基本上我感觉就相当于是我们的平替了。 然后这个用下来给我感觉呢，就是现在的算力啊，可能 g p c 公司他们自己想做的，就是去把这个算力打成跟我们以后电费一样的价格吧。我估计以后会这样子，因为他最后的时候不是用深层芯片吗？在下半年的时候大规模的投产，到时候这个价格肯定还会可能还会更便宜点。对， 看看我这边让他做的这个的话，做这个想法集吧，大概是用了十几二十分钟啊，包括前面的前啊前端设计，我是让那个吉米奶三点一 pro 给我做的，然后前段设计好之后，后端功能包括数据库啊，全部都是让这个这个 vc 来做， 然后整体做下来的话，基本上一遍就跑通了，然后你要有问题给他的话，他还能帮你改，基本上不会超过两遍， 而且你后期要什么功能他都能给你加上去。包括你把这个东西移植到我，把我现在做这个页面移植到我之前的那个项目里，他都是可以用的，而且 识别的非常快，然后做的非常准，所以实际体验下来还是非常不错的。我感觉跟我之前用 gbt 五点四差不多，但是你要说有五点五或者奥克斯四点七这种强度吗？应该是没有的，但是他真的便宜啊，是吧？这么便宜了还考虑那么多干嘛呢？ 然后包括我这个坐下来这个想法集坐下来之后，是吧？谁可以输入你的想法？你好，把你的想法记录下来。你好，我是 叉叉叉啊，这些东西包括啊这些前端的话都是，呃，基于在三零一 pro 做的，但是后端这些功能包括它有个 ai 整个分析，还有 ai 表达优化，然后还有这个关联想法，这些 啊都是让第四个 v 四来做了，整整体做下来的感觉都非常好好，包括你后面接这些 a p i 啊什么的，他基本上都能帮你完成，也不会出现什么太大问题。如果这东西丢到车里面做，哼，丢到车里面做，那你这个提示词工程能力得非常的强大才行。对，提示词工程能力得非常的强大才行。 可以看到我们这个现在用这个扣的加 v， 呃，第四个 v 四我感觉是 比较适合那种呃自己搞个人开发或者说在方面感兴趣的人去使用。当然如果你大公司是吧，有些公司它会有这些 呃报销的，那你就去用 g p t 五点五 off 四，四点七嘛，反正公司有报销。但对于我们个人来说，平常如果只用用玩玩的话，我觉得 d b c v 四加上可洛克的真的是一个非常好的一个方案。
7954arkjack～AI学习版
01:11查看AI文稿AI文稿三步，把 deposit 为四，接入到 cloud code 里面。第一步，找到 api 开放平台，找到接口文档，接入 app 的 工具 cloud code， 找到这个配置项。 第二步，打开 cloud code 的 文件夹，找到它的 settings 文件， 然后把配置的像分别复制进来。第三步，打开 clock 的 口的新窗口， 配置完成。
1.6万康老狮-AI实战
04:24查看AI文稿AI文稿很多人拿到 deepsea 微四，第一反应都是去官网或者 app 里问几个问题，我一开始也是这么用的，但是用了一段时间之后，我发现一个挺有意思的点， 如果只在聊天框里用，其实很难真正的感受到这次微四的变化。不是因为它不好用，恰恰相反，网页版和 app 版对大多数人来说已经足够用了。日常的问答，简单写作、查资料、做总结， 这些场景他都能完成的很顺利。但问题在于，他的交互本质上还是对话，你问一句，他答一句，你再问一句，他再答一句。这种方式很自然，但也把能力限制在了回答问题这件事里面。而这次 v 四更有意思的地方其实完全不在这里。 我后来换了一种方式去用它，不是让它回答问题，而是把它当做了一个可以做事的东西，放进了一个完整的工作流里。整个测试环境搭建起来其实并不复杂，大概只有三步，创建 api， 安装 clock code， 用 cc switch 把模型接进去， 然后在终端里启动，选到 v 四，把推理强度调高。到这里为止，其实都是准备工作。真正有意思的是后面开始给他的任务。 第一个测试，我给他了一个比较简单但完整的目标，处理一段客人视频，不是单一的动作，而是一整套流程，下载，转字幕，理解内容，剪掉不重要的部分。 虽然他一下子没有全部做对，但过程中有一个细节非常关键，他知道自己在做哪一步，会先检查用哪些工具，然后把任务拆开，一步一步往下执行，中间如果有结果，会基于结果继续往下推进，那种感觉有点像不是在等回答，而是在看他干活。 第二个测试，我把难度稍微提高了一点，给他了一个开源音乐软件，让他只从支持 windows 改成能在 mac 上跑， 整个过程更接近真实的开发。要读取项目的结构，要看依赖，要理解报错，还要判断哪些是系统相关的问题。而且有一个引擎要求尽量不把原文件改坏， 这个任务也不是一步到位完成的，但是他会根据报错继续往下修，你可以明显的感觉到他不是在深沉答案，而是在尝试解决问题。 第三个测试，我主要想看看他能不能长时间持续工作，因为在网页版里其实有一个很明显的限制输出长度，写长一点的内容很容易在中途停下来，这在聊天场景下是没有问题的。 但是如果是一个长任务，比如写一篇很长很长的小说，或者持续生成内容，就会有点卡，所以我换了一种方式，用目标驱动的提示。 简单的来说就是给他一个目标，再给他一个完成标准，让两个 agent 的 分工，一个执行，一个负责检查，他就会一直跑下去，中间不断的自我检查，直到接近目标为止，可以持续运行很久，而不是一次性输出完就结束。 坐到这里，我大概理解了一件事情，像克拉蔻这种东西，重要的点其实不在于聊的有多好，而是在于他把模型带进了真实的工作流，从一个回答问题的工具变成了一个可以参与任务的角色。 deepsea 微四这次给我的感受也是类似的，他在聊天里当然有提升，但更值得注意的是， 是他开始具备进入工作流的能力。官方技术报告里也写的挺克制的，提到他在 a 阵的相关测评里已经进入到了开源模型的第一梯队，但和最前沿的闭源模型还是有差距。 这个说法我反而觉得非常的舒服，没有那种一发布就全面超越的语气，更像是在说我们到了哪一步，还有多远，这很实在。现在的 ai 讨论其实我们都非常清楚，很容易走向两边，一会是在说我们到了哪，一会是不过如此， 一会是开源碾压，一会是差距拉大。情绪的变化比技术的进展还要快。但如果把注意力拉回到实际的使用上，像 v 四这种变化其实是很具体的， 它开始不再是会说，而是慢慢的可以去做。我们也期待 deepsea 可以 越来越好。如果你平时有其他一些固定的工作流，其实可以试着把它拆出来，让模型参与进去跑一跑， 不一定一次就能好，但是这个方向确实和单纯的聊天不太一样。我这边也在继续测试不同的场景，如果你有比较具体的工作流，可以分享给我，看一看能不能跑起来。当然，我也把这个视频里的所有资料和相关的测试项目整理好了， 放到了评论区，有需要的小伙伴可以收藏一下。最后我是元宝，一台 ai 和黑科技的挖掘机，我们下期见。
3.7万Git源宝
01:38查看AI文稿AI文稿最近被 defc 威斯搞的有点无奈啊，就我目前呢是一边用 ai 写文章，一边用 ai 写代码，对吧？写代码写的是一个写作业的，我写文章用的就是那个写作 a 阵台写的两边的模型都是 defc 威斯，然后首先在代码这边， 这次这这个 v 四的表现呢？我觉得跟 glm 五点一没有起赶上的区别啊，就是所有简单任务全是一遍过，然后所有复杂任务呢？最多两遍啊，最多两次，几十次就完了，然后到目前为止没有犯过任何就是比较堆积的错误啊，什么都没有， 非常厉害。但是咱写作这边出问题了，哎，就是他写一篇文章，然后我觉得不好，我让他改，改完了我觉得还不好，再让他改，改了我感觉受不了了。我，我把整篇文章全删了，让他重新写， 结果他写出来是完全一样的内容，就我已经明确告诉他刚才写的不好了，对，也不要那样写了，然后他还是，然后他输出的还是完全一样的内容， 然后呢？我就继续删，然后再让他写他写的还是一样的内容。然后我就换了一种策略，我就说一段一段写，我不让你一次性输出一整篇文章，一段一段写。好，先写第一段，写完了我让他改，结果他没有改第一段，他又输出了后面的内容， 然后我就直非常直接的问了他一下，我非常直接的问了他一下。 无奈了，无奈了。
88嘉豪
01:03查看AI文稿AI文稿兄弟们，我真的被惊到了，鸡皮疙瘩都起来了。事情是这样的，我正在跟我的 a 阵团射父，我在电脑前面放了一个手机，让他猜，奇怪以后，第一轮他就往手机上猜了， 你看他问的问题，这里我鸡皮疙瘩就已经起来了。你看看，你看看， 虽然在思考里手机已经进入选择，但是他猜的是手表谨慎了一波，于是我告诉他，不是，我这时候很震惊了，已经心跳加速了兄弟们， 然后他就决定最后拍手机了，而且还说这样太简单了。 兄弟们，这也算是赛博算命了。我是真的被震惊到了，第一次玩的时候，他猜了十几轮。
120生活的临时工
07:03查看AI文稿AI文稿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。
2.6万Cier刺儿
01:33查看AI文稿AI文稿最近 deepsea v 四爆火，你是不是也懵了？ deepsea 那 么多系列，到底怎么选 deepsea 呢？主要分为四大系列，我用孙悟空来给大家打比方吧， v 系列是全能悟空，聊天写 作查资料，日常办事主义君。那 r 系列呢？就是火眼金睛，专攻 和复杂的推理，一步步会列出这个思考的过程，还有特长是很深，专写代码的扣带呀，还有能看图说话的微言啊等等。那重点来了，那最新这个上的这个 deepsea v 四分 pro 版和 flash 版为主选 flash 版输入的话是每版的托克一块钱，输出 也才两块，能力无限接近于这个 pro， 响应快又巨省钱。日常场景呢？然后清凉的 agent 闭眼入，那 pro 版呢？总参数是一点六万亿，解决超高难度的这个逻辑谜题和复杂编程， 输入的话是十二块钱，然后输出的话是二十四元，但仍然是这个海外主流价格的五十分。 追求极致，深度思考，然后才会选它。一句话建议呢，就是日常全能用这个 v 四的 flash 烧脑难题，你可以用 r 系列，特殊需求你就要特长生来，如果你还不知道自己该怎么选择适合大模型，那小蒜苗帮你选。 你也不知道这些好用的模型哪里能用，那就上紧致算大模型 a p i 聚合平台，各个系列的托克随便用，还有专门的这个算力去搭配，去，即开即用安排。
10一颗小算苗
00:18查看AI文稿AI文稿原声支持 deepseek 的 call to call 来了，这个 coding agent 叫做 deepseek ii， 专门为 deepseek v 四打造，支持 e m 上下文，成本只需要 oppo 四点七的三十分之一就能用到世界第一梯队的编程模型，并且非常适合国内的企业做本地私有化部署。
1294靓仔AI进化论
02:47查看AI文稿AI文稿怎么把 deepsea v 四融入到我们的日常工作流？ ok， 从零入门的新手教程来了，我会教你直接把 deepsea v 四塞到 cloud code 里边，看完这期，你不仅能得到一个满血版的 deepsea v 四，还能装好你的 cloud code。 为了尽可能让所有的朋友都用上，我还整理了图版的教程，放到了视频的最后。 话不多说，我们直接开始点用，过程呢分三步。第一步呢，创建 api k， 进入官网，点击 api 开放平台，这里呢，我们需要先充值一些钱，我就昨天和今天大概用了 一千万投肯吧，他只花了不到二十块钱。接着呢，我们要点击这里的 api k， 点击这里创建 api k， 注意一定要复制下来，不然后面你还需要再重新创建一遍。创建好后呢，我们需要打开终端，安装 cloud code command q 回车。然后呢，我们输入这行指令，稍等一会儿，它在安装了，我们来检查一下它是否安装成功呢？输入这行指令， 空格杠杠回车。 好，它已经安装成功了。第二步呢，我们需要下载一个 cc switch 的 gitap 项目，添加刚刚的 api k 就 搞定了。我们点击这个链接，然后进入到 cc switch 这个 gitap 项目，然后往下翻， 如果你是 mac 电脑呢，就安装这个 dmg 的 文件，然后如果你是 windows 的 话，就安装这个 msi 的 文件，然后我们点击这个 ok， 下载完成，然后我们解压，然后拖进去，在应用程序里找到 cc switch 这个软件，双击打开，我们点击这个加号，找到 deepsea， 往下翻，把我们刚刚的 api k 填到这里。 在主模型这里呢，要用 deepsea 微斯的 pro 模型，索尼 oppo 用 deepsea 微斯 pro 的， 它空就是默认模型，它一般回答一些简单的问题，我们用 deepsea 微斯 flash， 主打一个性价比。点击添加， 点击启用。我们回到终端，建一个关于 cloud 的 专属文件夹，在终端输入 cd 空格， 然后把这个文件夹拖进去， ok， 回车。接着输入指令， cloud 回车，选择一下我们终端的颜色，回车，选择 yes， ok， 可以 看到配置好 deepsea v 四的 cloud code 就 已经安装好了。我们点回车，点击 model， 我 现在已经配置好了 deepsea v 四，我们左右键可以切换。推理强度有 max 的 建议我们直接选择 max 版本就好了。回车， ok， 给大家跑一个小游戏，我们来一起测试一下是否好用。输入提示词，回车， ok， 看到这个小游戏已经跑好了。这里是 bella 课程选 ai 的 第三十一天，我们下期见，拜拜。
2455Bella的AI星球
01:51查看AI文稿AI文稿我真的很难理解，就在国产大模型这个事情上，还有什么可争论的，我看我的评论区还有些人要我解释，第一，我坚决拥护国产模型， 这是我自己写的 ai 镜特工具，你看我只用的 deepsea 千万和 g l l m， 然后 deepsea 我是 用的最多的，我几乎就只用这个，虽然说我也支持这两个，但我几乎不怎么用。第二，我还是要证明一下代码，然后这个我偶尔会用这个东西 写一些代码，但主要都是我自己写的。我重点想说一下，像 deepsea 这种国产的平民模型给我们开发者带来了什么， 我可以拿他做我自己的硬件的平台，我几乎不用考虑费用的问题，因为这个费用真的是可以忽略不计，就就的不是一个这个价格，输入零点二元，输出两元，然后我自己测试他这个 nice， 这个效果一点也不差。这是我打算拿他来 生成一些视频，反正我就随便乱点，我没有特意的去去挑什么好的或者不好的。嗯，这就是用那个 deepsea 自动生成的，我真的不知道就这么一个模型有什么可黑的，价格打到平民价，然后 整体的东西做出来也不差，特别是像我这种自己可以开发这个 endnote 的， 我也不需要用那些什么很很厉害的工具，我觉得这个对于国内 ai 的 普及绝对是有很正向的意义。
1217拔萃科技
19:46查看AI文稿AI文稿这就是 agi 的 感觉吗？四个不同的终端都在运行 deepsea v 四 pro， 同时并行构建四个不同的项目，而且只花了几分钱，伙计们，我们真的生活在未来了。好吧，今天真的是个大日子， deepsea v 四发布了，这也许是过去一年办理最受期待的 ai 模型， 我们现在正处于这个周期的阶段。 open ai 刚刚发布了五点五，现在 deepsea 版本四也上线了，基本上是同一天，没有时间可以浪费，你在 ai 领域错过一天就有可能永远被甩在后面。 那么 deepsea v4 到底有多强？它好的离谱，真的，我们稍后会把它和 gpt 五点五以及 opps 四点七做对比，但这个模型不仅是有史以来最大的开源模型，也是有史以来最强的开源模型。首先我们来看一下它的规模，一千六百亿参数，明白吗？ 之前最大的模型大概是一万亿参数，这个是一千六百亿，所以大了六十百分之，比之前最大的开源模型还要大。它采用了专家混合架构，所以并不是每次对话都会激活所有参数， 实际上只有大约四百七十亿参数会被激活。它拥有一百万的上下文窗口，但这里有一些注意事项，稍后会详细说明。而且没错，它是目前最强大的开源模型，遥遥领先，所以这个价格确实非常有趣。 主要的新颖之处在于用于长上下文的压缩稀疏注意力，强力压缩的注意力机制， mhc 残差变化。还有一点很有意思，它使用了和 kimi 一 样的 one optimizer， 所以 这是受 kimi 二点五的启发，这也是开源社区的魅力所在，对吧？你可以互相借鉴想法，因为一切都是开源的。 这一点 openai 和 optimopec 应该好好学习。显然，它还采用了一些谋以路由技巧， f p 四和 f p 八推理，以及多教室的 on policy 蒸馏， 所以在实际架构本身上有很多创新。好的，这里是精准测试，大概有二十种不同的测试。 你需要知道的是， deep seek 有 两个版本， deep seek 为四， pro 和 deep seek 为四。 flash flash 显然是更快的版本，类似于 gemini flash 模型， 而 pro 则是最新最强的版本。所以很明显，我会主要拿 deepsea， vise pro 和 oppo 四点六以及四点五进行对比。我们用的是之前的版本，因为精准测试是在那个时候做的，所以我们没有四点七和五点四版本的数据。但简而言之， 在大多数难度较高的机准测试中，四点七和五点五的表现优于 deep sea。 但这里有一个很大的转折，他们的价格要高得多。我的意思是真的高很多。我们马上会谈到成本问题。首先，让我们来看一些最常见、最受欢迎的机准测试，所以第一个类别是知识与推理。 在 m m l u 测试中，你可以看到 deep seek v 四的表现与五点四相似，非常高，略低于 opus 四点六。在 simple q a 测试中，它实际上比 opus 和 gpd 都要好。 在 g p q a demo 测试中，它略逊一筹。在人文学科的最后考试中，它也稍微差一点。在 live codebench 测试中，它实际上表现更好。还有，在 cis 代码测试中，它的表现也更好，所以 在多个基准测试中，这是目前世界上最好的 ai 模型，它不仅仅是在努力追赶 open ai 或 antropics。 在 这些最受欢迎的基准测试中，中国实际上已经赶上了， 但在长上下文任务上，它远远落后于 opps。 接下来我们来看智能体编程。好了，接下来是终端测试，看看模型对终端的控制能力如何。实际上它比 opps 更好，但稍微逊色于五点四。 su 基准测试已验证和 opps 四点六处于相似水平。 想想看，而且价格便宜的离谱。再说一次，这个成本会让你大吃一惊。我们马上就会谈到这个和 oppo 四点六处于相似水平，这对美国来说可能是一个巨大的冲击。 还记得二零二五年一月 deepsea 二一发布时，英伟达和其他所有美国大型科技公司的股市都暴跌了吗？现在同样的事情也可能发生，因为这对美国的 ai 实验室来说是个坏消息。 这个模型不仅是开源的，而且比美国的模型便宜得多。在 swavench pro 上，它比 opus 和 gpt 稍微差一点。 在 bros com 测试中，也就是它对浏览器的控制能力方面，它和 gpt 相比更好，但比 opus 稍差。 在 gdp， val， 也就是经济价值任务方面，你知道，就是 openai 的 精准测试，它稍微差一点，但问题不大。 在 tullephone 测试中，它比 opus 好， 但不如 gbd， 所以 这是一个可以媲美的模型，并不是一个更差的模型。它可以和我们现有的最前沿模型相媲美， 至少是和一两个月前发布的最前沿模型相当。因为很明显， anstropic、 open ai 自纳以后都发布了更新的模型。好的，这就是精准测试的情况。现在我们来谈谈成本，因为这才是真正的头条新闻。 这个模型真的超级便宜，它比五点五或者 oppo 四点七便宜的多。事实上，它比 oppo 四点七便宜七倍，以相当的质量来说，便宜了七倍。我的意思是，虽然稍微差一点，但如果你能用七分之一的价格获得九十七百分之的性能，对吧？ 这其实是个很划算的选择，但它还便宜了四十倍，比 gpd 五点五 pro 还便宜。所以这个模型的每个托肯成本非常惊人，是世界上最好的之一。 而且现在你可以用 openroute 了，太疯狂了，真的是个非常疯狂的模型。我打算把很多工作流程、定时任务和自动化都切换到 dipsq a 四上， 因为它几乎能以极低的成本完成这些最前沿模型能做的大部分事情。那这意味着什么呢？好吧，让我们看看我自己在 osropic api 上的开销，因为这会带来重大影响。 对于美国公司来说，我目前每个月在 osropic api 上的花费在五千到六千美元之间。随着 gpt 五点五和 opus 的 发布， 我是说 diptyque 为四这个数字会下降，他可能不会降到零，但可能会降到一千美元，甚至五百美元。所以，从每月六千美元进 osropica 的 口袋到每月只需五百到一千美元， 这对我来说将是极大的节省，而且几乎没有任何性能下降。对我的工作流程来说没有影响，但我会大幅减少给 osropica 的 收入。当然，这只是我个人，其他人还是有很多的， 但我的观点是，很多公司和个人都会开始优化他们的一些工作流程，智能体和自动化流程，价格比美国的模型便宜七倍，甚至便宜到四十倍，智能水平基本相当。 那谁会不选择这个？很明显，我不会是唯一一个接受这个选择的人，也不会是唯一一个开始将自己的一些智能体和工作流程迁移到 deepsea 为止的人。现在，在我向你展示这个模型实际上能构建出一些极其酷炫的东西之前， 并且要以公平的方式将它与 g b d 五点五和 oppo 四点七进行对比。因为我最近的视频都评测过这两个模型。 open code 里已经发布了它，我马上会给你演示一下，因为这可能是目前用于代理编码最简单的方面。顺便说一句，如果你工作时不听古典音乐，那你已经落后了。 让我们来看看这些构建方案吧，因为我有几个非常酷的构建想法想要展示给你们。首先，我们需要在某个地方设置 deep stack， 他不在 cloud code， 也不在 codex 里，显然他现在还没有在 cursor 上。所以我们现在要选择目前最好的选项，也就是 open code。 他 们上线的非常快，所以我们就用他们的 open code 点 ai， 然后只需要复制这条命令，就这么简单打开终端。搞定好了，我给你们放大一下，然后粘贴命令，按下回车，在你的电脑上安装 open code 就是 这么简单。现在他已经可以在开源的 go 里用了，这其实是他们类似于 plot code 的 竞品。看， 就是这个。好吧，这比我想象的要简单多了，就像拆的 gpt 有 订阅服务一样， open code 和 closed code 也有订阅服务， open code 也是如此。当然它是开源的，所以你可以用 open root 或其他任何工具来使用它，你甚至还可以用 alma 在 本地运行它， 对吧？所以 open code 是 cloud code 的 最好的替代品之一。 open code 是 完全开源的，所以如果你想完全免费运行它，就用欧拉玛吧。但这期视频主要讲的是 deep seek， 它 专业版有一点六万亿参数，你没法在本地运行这个模型。也许再过几个月会有人做出一些优化版量化版的 flash， 我 记得那个大概有两千六百亿参数，也许到时候我能在我的一百二十八 gb 内存的 macbook 上跑一跑。我们拭目以待。不过不管怎样，我们还是回到 opencode 上来。所以我现在要重新打开终端， 要启动 open code， 只需要在终端里输入 open code， 它就会启动了。看，就是这样，我们可以看到推理过程。这也是开源模型的另一个优点，它不像 anspik 或 open ai 那 样隐藏推理层。我认为那是一种令人厌恶的做法， 因为你根本无法看到这些模型的推理链路，你只能看到输出的头肯，所以你根本不知道这些模型在想什么。但用 deep seek 你 可以看到一切。好的，我想做的第一件事其实是一个交互式的 deep seek 架构讲解器。这个想法是受这个人启发的， 所以我打算直接照搬他做的东西。其实一个好的做法是把它放到一个文件夹里，因为现在他是在我的系统跟目录下运行的，这样可能有点风险，所以我要终止这个进程，要清除一下。顺便说一句， api 密钥千万不要和任何人分享。在上传这个视频之前，我会删除我的 api 密钥。 所以一个好的做法是先进入你想要操作的文件夹好了，就这样，然后在你想要的位置的文件夹里启动 open code。 所以我又要复制这部分内容。你的任务就是通直接把它做出来，把它做成一个简单的全站网页应用。实际上 我们可以去 deepsea v 四的发布页面获取 pdf， 并下载完整的技术报告。实际上我要把它移动到 explain 的 文件夹里，这样我就可以引用它，利用里面的信息，然后处理这个 pdf。 就 这样非常简单的提示， 我们将启动这个项目，看看 deep sec v 四是否真的能够实现这个功能，而且它已经在运行了。好的，所以与此同时我将启动另一个终端，因为有了 open code， 你 可以同时运行多个 open code。 让我来压缩一下，这家伙 在左上角，这将位于右上角斑容光盘。然后我们创建一个新文件夹，下一个项目，这里将使用 svg 格式。好的，那么让我们看看它在 svg 图形方面的表现如何。这真是太棒了，那我们来试试吧。所以我打算做 mkd 二 cg cds vg 斑容。在这里启动 open code， 复制该提示构建函， html， css 和 js 的 单文件演示。 用 svg 模拟植物生长，包含精干，延伸叶片与发芽。好的，所以是完整的，基本上是动画全部用 svg 实现。我们来试试吧， 把这个粘贴进去，然后按回车，让它运行一下。好的，所以我们显然有更多的屏幕空间可以用来开更多终端。如果你注意到的话，屏幕空间和终端空间在二零二六年会达到最大化，不过你可能还是会落后。 我打算在这里再打开一个终端，我们要启动另一个用力，这个将会是一个卡丁车游戏，所以和我们现在正在做的东西完全不同。看看这个成本，不到一美元，我是说不到十美分，太不可思议了。 所以这里是 uhev 四 pro 和 gpt 五点五的对比。很明显，我觉得 gpt 五点五的图形更好，但同样成本要高的多。那我们来试试这提示词，相当详细。好的，我要再启动一个 open code。 管理多个终端其实是这里最难的部分， 所以我要在这里为卡丁车游戏直接打开 open code。 这是个好习惯，无论你用什么代理，都要确保在专门的文件夹里启动，这样他就知道应该在那个文件夹里工作。好，那这个怎么样？伙计们， 还在运行吗？这家伙还在跑。没问题，显然我们还需要再开一个，因为我的屏幕上还有空位。这可不行，你知道的，因为那里还可以运行一个代理。好吧，我们来试试。这些行星其实挺酷的， 最近的系外行星。那我们就在这里运行这个完全一样的提示词，搞定看看。好，其实新建一个名为 exoplanets 的 文件夹，我们就直接做 planets 搞定，在这里打开代码，然后用同样的提示词启动它。现在我们有四个不同的 deep skill vs 正在一个五美元的订阅上运行， 不过我们大概可以检查一下限制，看看我们在 open code 上花了多少钱。所以在左边你可以进入 usage 用量。到目前为止，我们花了零点三美元。太夸张了，如果我用的是 oppo 四点六的快速模式，这几分钟我早就花了二三十美元了， 你可以在这里很清楚的看到。哎呦我去，每次提示词的花费都不到一美分，太神奇了。所以，是的，我的意思是我们会看看结果。 最后我会给你们展示四个不同的 deepsea v 四 pro 在 高推力强度，并行运行时的总花费。事实上，你可以在这里看到这个的花费，其他的没有显示出来。这就是 agi 的 感觉吗？ 四个不同的终端都在运行 deepsea v 四 pro， 同时并行构建四个不同的项目，而成本只需要几分钱。伙计们，我们真的生活在未来了。好的，左上角的正在做最后一个代办事项， 所以我们可能会先测试。我是说他也是最先开始的，所以这样也说得通，他现在花了惊人的零点二八美元。 好的，左上角的开始解释服务器不对。好吧，是 note j s 服务器，他运行在本地三千端口。好的，等等，他已经在运行了。 哦，找到了。好吧，这个有点对不起。哎呀，好吧，我们大概还可以。正在思考中。他可能正在分析。我要中断他，我就直接说页面主体没有对齐，让他修复，你懂吧。 全屏截图搞定，粘贴到 open code 里，应用的主体没有居中对齐，把它修好。就是这样 简单简明的提示，还附上一张图片，这才是你该怎么下提示，不用太费劲，你知道吧？直接告诉他哪里有问题，让他修好就行。好，所以首先是问题。而 vanilla attention 原始注意力极致， 有全部复杂度，是 n 的 平方，次方，这就是大欧符号表示法。如果你是开发者，而且你还会手写代码。我认识这样的人，他们快要灭绝了，但你知道他们还存在，还是有人在手动写代码。你应该熟悉时间复杂度分析，也就是大欧符号。所以基本上 dp 四通过两种互补的注意力机制来解决这个问题。这两种机制可以压缩 k v 缓存，并采用稀疏选择。好吧，这个问题解决了吗？ 还是没有，也许在这上面花太多推力精力是个错误。如果这些都还在运行，那成本真的会飙升。哦。出来了，好的， svg 正常运行了，他打断了我刚才的号召。但 svg 正常运行，而且动画效果很不错，而且他是自动启动的，所以这算是个额外的惊喜。 相比其他一些终端没有做到这一点。 svg deep 四的表现非常好，所以计划没问题。 svg 也很好，我们已经看过两次了，我们再看一遍，非常棒，非常干净。所以 svg 显然全是代码，这并不是真正的图形，这完全就是代码，所以这些模型才能做的这么好。我不知道这个是什么。第二个变体， 它可能是启动了，这样你就可以用 playrite 来测试。我也不确定这个家伙还在运行。这个家伙发生了什么。这不是一个简单的修复吗？ 好吧，所以每秒生成的 token 数不太理想，因为这是一个大型模型，而且大家还没有攻克推理问题。好的问题已经解决了。好，我们继续浏览。这个应用的其他部分现在已经对齐了，所以我可以放大对，这是压缩运动注意力，简称 csa， 每 m 个 token 被压缩成一个条目， 然后用 lightning 锁影器。我们来看一下，输入 token 压缩 lightning 锁影器，记录注意力，所以这基本上是在教你这篇论文是如何运作的， 这样你就能了解 deepsea ai 研究人员用来实现这个模型的一些技术。高度压缩注意力，简称 h c， 每 m 个 token 被压缩成一个条目，没有稀疏选择，所有压缩块都会参与注意力 混合架构。 c s a 和 h c a 是 交错进行的，我不会假装我完全理解这些内容，但如果你想学习这些内容，显然读这个比读技术研究论文要容易得多。好的， 所以他能正常运行只花了我们多少钱？我们来查一下花费。到目前为止，四个代理总共花了我们一美元二十二美分。好的有两正在运行。所以我肯定会做的一件事是输入 models， 然后选择 deep sync 为四。你可以用 ctrl 加 t， 在 不同的任务之间切换。假如我们刚才用的是高等级，但我其实更推荐用中等级，这样速度会更快，你甚至可以选择低或最高等级。所以我建议一开始用中等级，只有在确实需要的时候再切换到高或最高。 但你看这里，其实是我想太多了，这就是问题所在。如果你选择高等级 deep sync， 真的 会承认他的想太多。 所以如果你想在所有方面都获得最新最好的分数，就选择最高推理强度。但对于大多数任务来说，中等强度就已经足够了。 如果你需要更高一点，可以切换到高强度，因为还是那句话，推理过程会比较慢，因为这是一个非常庞大的模型。好，等一下。左下角已经完成了，只运行了十五分钟，所以是的确实很慢。我们来看一下。我们得到了 index html， 所有内容都在一个文件里。我猜是这样。那我们就运行一下。这是卡丁车游戏，来吧，我们在这里启动它。看起来像是 turbo car dash 街机赛车游戏。按回车键。好， w s d 控制方向，空格漂移， shift， 使用加速。 好的，我们按回车。我们甚至还有音效。来吧，蓝色。好的，我正在使用加速。我正在和一些新手对战。看看这个。这是个不错的游戏，我们获得了护盾。我不知道护盾有什么用，不过应该要漂移才对，加速的时候不要漂移。我也不知道怎么收集加速， 因为我一直在按空格，什么都试了。这里有加速等等。他其实加速效果不大。是啊，这就是个游戏，而且我们在右上角还有地图，所以他是能用的，可能不会成为畅销游戏。肯定算不上是三 a 大 作。我也不太清楚这画面物理效果是怎么实现的。我变得越来越慢， 而且所有内容都在一个 h tm 文件里。如果我偏离赛道会发生什么？什么都不会发生。我会掉进无尽的虚空吗？好吧，我被推回来了，至少这个功能是正常的。所以说这游戏还挺可爱的，不过也没什么革命性的创新。 让我们看看最后一个终端的情况，他卡住了，我觉得这是一个很准确的评价，很明显，他非常慢，因为推理部分还没有解决，因为这些公司还需要想办法把它部署到 gpu 上，对吧？ 还要针对这种架构和规模进行优化。但是 open code 已经成功攻克了这个难题，我不太确定他们用的是什么。 那让我们看看我们这次用了多少资源。我们用掉了每周额度的百分之四，所以他们把这个卖五美元，而我们用了百分之四。那这大概是多少？零点二，零点二美元还是怎么样？我们总共只有五美元。 零点二美元我算对了，所以我们有四个不同的终端并行运行了大约十五到二十分钟。多亏了 open call 的 go， 我 们只花了零点二美元。 如果你拿这个和 anstop 比，那简直是前所未有的。就像这里做的同样的事情，如果我用 opps 四点六 fast 的 跑，可能一下就要花一两百美元，而这只是我在 open call 的 go 上每周额度的百分之四。所以说这个模型在能力上并不算革命性，真正革命的是它的性价比，这真的是前所未有的， 在某些方面，它甚至比 sonic 四点六更好。它的水平和 oppo 四点六以及 gpt 五点四差不多，会低于五点五和四点七。但是这个模型以如此低的价格带来的能力和性能真的让人难以置信。 deepseek 的 开发者和研究人员这次真的做的非常出色， 所以真的要大力感谢他们。如果你希望我制作更多关于 deepseek 模型的视频，记得订阅哦。
1.5万一蛙AI
06:42查看AI文稿AI文稿我给 deepsea v 四量身定做了一套衣服，现在它不仅完美适配 max 思考模式，还能让纯文本的大号模型也拥有视觉能力。另外操作电脑、编辑文件、连接社交平台这些都不在话下。 这只小金鱼发布已经一周多了，网友实测它重回开源第一，甚至能跟贵几十倍的对手摆摆手腕。但随之而来的是争论。这个天才好像有点偏科，视觉和聪明二选一， api 接入频频报错，配置麻烦。 这好比你可以花五百块买一个新款 iphone， 想要正常使用却得折腾一番。所以过去一周，我给 deep seek 做了超多的优化，补齐了短板。 no one knows， deep seek better than。 这个视频就给大家分享分享我这几天都做了什么。 也许你还记得，去年梁老板手动做空美股 deepse 二，一能打出那个声量思考模式是最大的功臣。 v 四把这个能力又往前推了一步，新的 max 思考模式变得更聪明了。 可是打开官网并没有这个开关要用，只能接 api。 但是 api 的 思考格式特别难伺候， cloud code 龙虾动不动就抛四零零错误。社区里一堆人在问怎么回事， 原因在于开了思考模式之后，每轮对话都要把上一次的思考过程原封不动发回去，哪怕是空的也得发。但大部分客户端会把空的直接扔掉，导致报错对话断掉。有人测过，复现概率最高能到百分之五十九。 这些问题我这几天在 open henanicle 里基本都处理好了，现在接上 a p i 就 能直接用上。最聪明的小鲸鱼。 这次 deepsea 官方主打的另一个更新是一百万的长上下文，就算聊很久，他都不会忘记你说了什么。 不过上下文一长，钱就花得更快了。业界普遍会用一个技术叫 k v cash， 原理很简单，前文不变的部分不需要重新计算，一般缓存价格不到正常输入的五分之一，而 deepsea 做得更狠，缓存命中只要原价的百分之一，几乎是白送了。 所以我也对 hanako 做了缓存优化，把不怎么变的系统指令放前面，容易变的时间记忆放后面，保证命中率，配合 deepsea 使用效果最佳。 开头说了 deepsea v 四发布之初，视觉是最大的短板，在大家人均多模态能看图的今天，确实影响榜一这个名号。前几天我为了让 deepsea 看见，给他开发了一个辅助视觉的功能，原理是用别的多模态模型示图，再把结果喂给 deepsea pro 去推理， 调整几天，终于稳定跑起来了。思考、练和输出结果都很像原生的多模态模型，结果官方直接上了多模态版本，还发了个论文，那我这周岂不是白干了吗？ 并没有白干，而且很有意义。官方的多模态走的是小号模型，看图和聪明只能二选一， 而在哈纳扣里， pro 也能借助外置视觉看图。而且我读了那篇论文之后，捞到了一个很好的思路，很多外界视觉方案本质上是先把图片翻译成文字，再去推理，说左边那个中间偏上，说着说着自己都指不清了。论文的做法是把对象和位置变成坐标锚点， 让模型指着坐标去想。我就把这个思路用到了外界视觉方案里，让识图模型按坐标格式输出，关键区域再交给 pro 推理，空间关系比得更清楚。 这也是我觉得开元社区最有价值的地方，成果一发布，立刻就能给别人新的工程启发。这套方案也不只是给 deepseek 用，任何没有视觉能力的模型接上就能看图。 到这里，思考，模式拉满了百万上下文也跑通了，视觉补上了这只小鲸鱼在 open hanako 平台上基本没有短板了。 那问题来了，旧的模型要怎么处理呢？爱怎么处理怎么处理？哼！ 说到这，我也想跟大家分享一下。 open hanako 这个软件本身除了给 deepsea 扩展性能之外，我觉得它可能是东半球最适合中国宝宝的 ai agent。 在开发过程中，我发现一个 ai 助手对环境的感知会影响运行的结果，他才知道自己是谁，用户是谁，最近在忙什么？身边有谁可以帮忙， 不然就像一个高材生，被空投到陌生的办公室，能力再强也手忙脚乱。所以我在 hanoq 里做了花名册和记忆系统。在这个平台上， agent 知道彼此的存在。 比如小花知道毛毛是一个擅长创意发散用咪某模型的助手，他就会在审稿阶段主动寻求毛毛的帮助，而非擅长第一性原理与数学，用 gpt 模型的名， 这能让模型潜力发挥到最大，极大减少幻觉产生。当然了，如果你创建了自定义助手，那么系统中别的 agent 也会立刻知道它的存在。更有意思的是，你甚至还可以拉个群，让它们互相聊天。 我的整个青春期都在成都度过，那个地方一年有三分之二的时间都是阴天，所以我喜欢斑驳树荫间透过的丁达尔光，喜欢春天窗台前的倒影纸、笔记本的墨香与温润， 而这些触感都随着数字化消失在我们的生活中了。但有一天我偶然发现，这几年已经有不少人尝试做这种有阳光感的网页了，我想把那个夏天的青草味和蝉鸣搬到屏幕上来，所以我也给哈纳口做了晴天模式，大家试试看吧。 做软件开发的时候难免会遇到一个矛盾，那就是无法兼顾易用性与专业性。 而我觉得理想的 ai 助手应该兼具温暖的人文情怀，和钢铁一样的工作能力，下线和上线都应该保证。所以小花在拥有绝大多数龙虾 hermes agent 的 功能的同时，不需要自己去配置复杂的命令行。 此外，对于有一些动手能力的朋友，我也做了一套健全的插件系统，让它完全可以按你自己的想法定制化。已经有不少小伙伴基于这个软件做了很多很有意思很棒的东西，我看到的时候特别开心，完全没想过它会被这样用。 或许这就是开源社区的魅力，只是我第一次感受到。
2.7万liliMozi
01:10查看AI文稿AI文稿国产大模型终于能和 g p t 五掰手腕了！四月二十四日， deepsea v 四预览版发布，这次不一样，官方说性能对标全球顶流。我实测下来有几个点确实惊喜。 第一，硬件能力国内领先，写代码做任务速度确实快。第二，大幅降低计算需求，显存占用比 v 三少百分之四十。 第三，华为升腾芯片适配国产芯片加国产模型硬气。 我实测下来，日常够用，写文案、作图、查资料都行，但别指望他替你工作，是助手，不是替代者。 我的建议多工具组合用 deepfake 加 kimi 加通易，各有所长，工具是死的，用法是活的，关键是融入你的工作流。关注我，分享更多 ai 实操心得！
10:57查看AI文稿AI文稿今天说一下最近很火的这个 cloud code 如何接入 disk 微四 pro 大 模型。首先就是打开你的浏览器，搜索这个 notice， 然后下载这个， 在 windows 里选哪个，然后选择这个 windows， 安装这个 msi， 然后搜索 get， 安装 get， get 的 话你进来之后会到这个界面，然后往下滑，滑到 windows， 然后选择安装这个叉八六 side up 就 可以了。然后这是我，我已经提前下好了啊。首先安装这个 notice， 这个的话全部默认安装就可以了，你如果不想安到 c 盘的话，你就换一个别的位置， 因为我这边 c 盘的地方不是很大了，我就按到它的 d 盘里了，全部默认就好了。然后等它安装完， 然后再 win 加 r。 啊，就是那个 windows 的 会标键加 r 键，输入这个 cmd， 来到你的终端下头， 来到你的终端下头，把这个命令 输入进来，看你有没有安装成功。 好，它如果显示版本号就没有问题了，然后显示这设置一下这个下载器，看下载器的版本，然后设置一下国内的下载器的镜像源 等，这边先设置，然后把 get 按一下。 get 也是你如果 c 盘没位置，你就按到 d 盘，然后全部默认选项就可以了。等待 get 按完， 现在 get 就 安装完了，嗯，马上了， 然后现在 get 就 已经安装完了，然后我们不要点推动就关了就行，然后 get 检查一下 get 的 版本号。哎，这个就是没有按完这个的命令，极有可能是因为你的终端还没有这个重启，所以关了，我们重启一个终端看看， 或者你从你的开始里头也能看见这个 get 有 没有安装完成。然后我们接下来安装 cloud code， 首先就是一个 cloud code 安装命令， 然后等待它下载完成， 然后现在这个 cloud code 就 安装完毕，然后查看一下 cloud code 的 版本， 好版本也出来了，然后搜索这个 cloud， 输入这个 cloud， 正常登录的话，它会显示一个呃，你不能连接你，你是登录不上去的，所以呢，现在我们需要 就找到你的这个用户名，就是你开机那个输入密码，那个用户界面直接在这输入，它里头会有一个 cloud code 这个文件， 然后我们用记事本打开， 在这个文本里头输入 我这个文档里的这个东西， 这个地方的标点符号一定要是英文标点符号，如果你是那个汉语的标点符号，你会进不去的， 然后关闭 cmd， 再重新打开一个， 再输入一个 cloud。 好，我们现在就能发现我们进来了，然后 yes trust， 相信这个，现在我们因为接入的是一个国外的模型，我们现在是用不了的，所以说我们接下来去下载那个 cc switch， 去接入一个国产的 deepsea v 四 pro 大 模型。 呃，然后 github 的 话是需要用科技的，然后大家如果就是访问不了的话，可以在后台，到时候私信我一下，我单独发给大家。 好，现在我们这个 github 已经进来了，点击登录一下， 然后现在我们就来到了这个 github 的 主页，你就在这搜 有点卡我的网。嗯，在这搜这个 cc switch， 国内的话访问这个网站有时候也可以访问，但是不太确定就是。然后就是这个第一个点进去， 现在我们进来之后呢，往下滑，往下滑看见这有一个 release 点，这个 release 点击 release 之后，我们现在就进来了，进来之后往下滑，往下滑，往下滑，滑到这，然后点这个 show 二十八，找到这个三，这个 windows msi 点击下载， 等它下载完成哦，然后下载我们的 cc switch 就 下完了，直接这个打开文件，点击运行 安装，呃，你如果不想按 c 盘的话，你也是把这个路径改到 d 盘就好了， 等待它安装完成，然后运行 它，安装完之后有一个这种桌面化图标，然后我们现在去浏览器里头 去 deepsea 官网 来这个 api， 这 来这之后呢？登录 登录来这个 api key 创建一个 api 就是 随便， 然后这个 api 的 话大家就不要给别人啊，然后我录完视频，我这个会删掉的，你选择复制，因为你给别人之后花的是你的钱。然后你选择复制这个 api， 然后来到这 打开这个 cc switch， 然后点击这个加号，选择知道了，选择 delete 添加啊，然后选择这个 api， 把它复制到这，然后这个位置 底下的模型位置，选择这个接口文档，选择这个 deepsea v 四 pro， 然后默认模型的话，我们选择这个 deepsea v 四 plus plus flash， 然后现在就选择添加，然后我们一，然后现在就是在使用中了，我们再打开这个终端， 输入 cloud， 然后选择信任，然后我们现在就能看见我们的模型是 deepsea v 四 pro。 好， 现在就整个的就完成了。
356刘同学～
