以下是关于 DeepSeek 在多维表格中的应用相关内容： 相关链接： 具体步骤： 创建带有 AI 能力的飞书多维表格，包括设置“金句输出”“概要内容提炼”等字段，并通过选择公式获取相应结果，如选择“金句提炼.输出结果”等。输入第一个链接，后续字段会自动生成，从而完成 AI 数据库的设置。 DP 模型的使用分享： 功能：能进行自然语言理解与分析、编程、绘图等。 使用优势：可以用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容。 存在问题：思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本。 审核方法：可以用其他大模型来解读 DP 模型给出的内容。 使用建议：使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知。 使用场景：包括阅读、育儿、写作、随意交流等方面。 案例展示：通过与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互来展示应用。 音系学和与大模型互动的分享：包括音系学研究、通过与大模型多轮对话取队名等。 Deepseek 文档分享：在 3 群和 4 群分享了相关文档，也可在 v to a gi 的飞书知识库中搜索获取。 未来活动预告：明天后天在摩纳社区提供免费算力资源带大家学习炼丹，周一晚上学习多维表格中接入 Deepseek。

AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：我们可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 总结下来我们需要三个 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态） 2. Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体） 3. Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈 Responser Agent、Daily Agent、Background Agent 每隔一段时间运行一次（默认 3 分钟），运行时会分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间） 此外，唐小引等人预测 AI Agent 仍需 5 年以上才能实用，一旦突破，将有极快进化速度。Andrej Karpathy 认为 2025 2035 是 Agent 十年，技术与任务领域需突破。Operator 类比“人形机器人”，突破需多模态及长期任务支持。

WaytoAGI 是由一群热爱 AI 的专家和爱好者共同建设的开源 AI 知识库。其目前知识库的内容覆盖 AI 绘画、AI 视频、AI 智能体、AI 3D 等多个版块，包含赛事和活动促进大家动手实践，有着 1000 万的访问量。这个社区贡献并整合各种 AI 资源，使得大家都可以轻松学习各种 AI 知识，应用各类 AI 工具和实战案例等。 WaytoAGI 还孵化了离谱村这个千人共创项目，让大家学习和接触 AI 更容易，更感兴趣。参与者不分年龄层，都可以通过 AI 工具创作出各种各样的作品。 此外，WaytoAGI 不仅是一个普通的技术社区，更是一个汇聚行业顶尖创作者和 KOL 的思想交流平台，社区制作的优质作品，多次登上央视首页，广受好评。

吴恩达总结了以下四种 AI Agent 的设计模式： 1. 反思模式（Reflection）：让 Agent 审视和修正自己生成的输出。例如，在编写代码时，可让大模型检查代码的准确性和结构规范性，并不断优化。 2. 工具使用模式（Tool Use）：通过使用外部工具和资源，如 LLM 生成代码、调用 API 等进行实际操作。 3. 规划模式（Planning）：让 Agent 分解复杂任务并按计划执行。 4. 多智能体协作模式（Multiagent Collaboration）：多个 Agent 扮演不同角色合作完成任务。 如果您想更深入了解这些设计模式，可以参考以下文章：https://waytoagi.feishu.cn/wiki/SPNqwJkmQiyVfGkS8zocMSZcnYd

以下是一些国外免费的大模型 API 可供使用： 1. 谷歌的 Gemini 大模型（https://ai.google.dev/）（gemini 1.5），但使用可能需要给服务器挂梯子。 2. 海外版 Coze（https://www.coze.com/）的 GPT4 模型，能图片识别，使用可能需要给服务器挂梯子。 此外，还有以下相关信息： 1. 阿里的通义千问大模型接口（https://dashscope.console.aliyun.com/），创建 API key 即可使用。 2. 智谱 AI（ChatGLM）（https://open.bigmodel.cn/）、科大讯飞（SparkDesk）（https://xinghuo.xfyun.cn/sparkapi）也有免费接口，但国内的大模型大多限制一定免费额度的 Token。 对于 OpenRouter 新发布的功能 BYOK（Bring Your Own API Keys），它是个第三方 Key 集成功能，将 xAI、OpenAI、Mistral 等数十个平台的 Key 集中在一起，目前支持白“赚”的平台包括 AI Studio/Cohere/DeepSeek/Mistral/SambaNova/Together/xAI 等。 以 silicon 为例，其有众多开源模型（Yi、Qwen、Llama、Gemma 等）免费使用，另赠送 14 元体验金，有效期未知，是个人认为 API 接口方便实惠的选择。注册和使用地址为：，邀请码：ESTKPm3J。注册登录后，单击左边栏的 API 密钥，单击新建 API 密钥，单击密钥即可完成 API 密钥的复制。

RAGflow 能力拆解： 文档拆分方式： 通用模式：主要参考每个块的 token 数量，同时考虑语意完整性，切分段落点通常在句号或叹号等完整句子结束处。拆分结果和 langchain 的拆分大同小异。 Q&A 问答对：将左边内容加上“问题:”，右边内容加上“回答:”，数据清洗工作量大。 简历：解析容易失败，需要匹配关键词才能解析，建议官方给出简历模板。 手册：一整段文字提取，分割处在页面分页、段落分段处，块大小通常较大。 表格：拆分后每一行被当成一个块，第一行表头插入到每一块头部。对没有特殊字符的表格信息处理较好，对图片内的公式做了 OCR 检测。 数据清洗：RAGflow 提供分段后的数据处理，可自行添加、修改数据或添加标签。测试发现，RAGflow 召回会同时使用向量相似度和关键词相似度并加权得到混合相似度，关键词相似度不仅匹配文本段内容还匹配关键词标签内容，单个实体在关键词中出现即为 100%。但需注意，检索获得的内容块需同时包含“问题信息”和“答案信息”，大模型才能解答。此外，RAGflow 没提供对外接口，做聊天或其他应用时不方便。 大模型 RAG 问答行业最佳案例及微调、推理双阶段实现模式：基于模块化RAG 的相关工作，本文将从典型的 RAG Flow 模式、特定的 RAG 流实现以及最佳的行业案例三个方面深入探讨 RAG Flow 的设计思路，在典型的 RAG Flow 模式方面，将介绍 3 种微调阶段模式和 4 种推理阶段模式。

AsrTools 是一款批量语音转文字工具。但关于其具体的使用方法，目前所提供的信息中并未有详细描述。您可以通过以下常规步骤来尝试使用类似工具：首先，获取 AsrTools 软件并进行安装；然后，打开软件，查找导入语音文件的入口，将您需要转换的语音文件导入；接下来，根据软件界面的提示或设置选项，选择合适的转换参数，如语言类型、识别精度等；最后，点击开始转换按钮，等待转换完成并获取转换后的文字结果。您还可以查看该工具的官方文档或帮助说明，以获取更准确和详细的使用指导。

Manus 是一款由中国团队研发的全球首款通用型 AI 代理工具，于 2025 年 3 月 5 日正式发布。 其原理包括以下方面： 1. 技术架构： 基于多智能体（Multiple Agent）架构，运行在独立的虚拟机中。 核心功能由多个独立模型共同完成，分别专注于不同的任务或领域，如自然语言处理、数据分析、推理等。 关键组件包括虚拟机、计算资源、生成物、内置多个 agents 等。 采用“少结构，多智能体”的设计哲学，在数据质量高、模型强大、架构灵活的情况下，自然涌现 AI 的能力。 2. 工作流程： 意图识别：从用户输入中提取关键词和任务类型，引导用户补充信息以明确需求。 任务初始化：创建任务文件夹并启动隔离环境（Docker 容器），为任务执行提供独立的运行空间。 步骤规划：利用推理模型将任务拆解为具体步骤，将步骤信息写入 todo.md 文件进行跟踪。 任务执行：通过 function call 调度专用智能体执行具体任务，各智能体将执行结果写入任务文件夹，主线程负责更新任务状态并调度下一步骤。 归纳整理：汇总所有执行结果并针对用户需求整理输出，提供任务产物（文档/代码/图片等）供用户浏览或下载，收集用户反馈。 3. 专用智能体设计： Search Agent：调用搜索 API 获取结果列表，使用无头浏览器模拟网页浏览行为，结合多模态模型提取有效信息，通过点击和滚动操作获取更多内容。 Code/DataAnalysis Agent：根据需求创建并执行代码，保存执行结果，提供预览功能。 Manus 还存在一些改进空间，如使用 DAG 替代线性任务依赖关系、引入自动化测试智能体进行质量控制、实现用户介入与自动执行的混合模式。在技术评估方面，工程实现完善，交互体验优于同类产品，但技术壁垒不高，主要依赖模型能力，Token 消耗较高，成本问题需要解决，任务准确性和用户满意度有待更多案例验证。 当前的 Manus 约等于 AI 操纵着一个没有图形界面的 Linux 虚拟机和浏览器，能感知电脑环境，执行各类操作，如跑各种 linux 下的指令、库、程序（cd、ls 指令、python 等），访问各种网页、获取一些 API 接口的数据，但因无图形界面，无法运行图形程序。访问网页时，阻挠人类使用的各种要素也会打扰到 Manus。Manus 提供了用户可视的命令行视窗、浏览器、vscode 两种选项，方便查看运行指令、接管网页和修改文件。用户还可给 Manus 上传文件，未来也可能对接私有 API。

以下为您推荐两款可用于写都市玄幻小说的免费 AI 工具及相关方法： 1. Coze： 工作流核心节点： 用 Bing 搜索标题相关的内容。 用程序将搜索结果结构化（不熟悉程序的可忽略或直接复制文中的代码）。 用大模型草拟大纲，包括标题、主旨、世界观、主要角色、小说背景、情节概要。 再用大模型来写文章。 输出文章内容。 2. 与 AI 交互写作（如南瓜博士的经验）： 确定主题：不写科幻，用非常规视角，如以猫为第一人称写爱情小说。与 AI 讨论主题，挑选 AI 提供的调味料，明确主题。 构思情节：先刻画人物，如喜欢书店店员艾拉这个人物，使其更丰满，再设计故事线。 希望这些工具和方法能对您创作小说有所帮助。

以 DeepSeek R1 为代表的推理模型与此前模型（如 ChatGPT4、Claude 3.5 sonnet、豆包、通义等）的差异点主要在于： 1. 技术路线：DeepSeek R1 与 OpenAI 现在最先进的模型 o1、o3 一样，属于基于强化学习 RL 的推理模型。 2. 思考方式：在回答用户问题前，R1 会先进行“自问自答”式的推理思考，模拟人类的深度思考，从用户初始问题出发，唤醒所需的推理逻辑与知识，进行多步推导，提升最终回答的质量。 3. 训练方式：在其他模型还在接受“填鸭式教育”时，DeepSeek R1 已率先进入“自学成才”的新阶段。 4. 模型制作：R1 是原生通过强化学习训练出的模型，而蒸馏模型是基于数据微调出来的，基础模型能力强，蒸馏微调模型能力也会强。此外，DeepSeek R1 还能反过来蒸馏数据微调其他模型，形成互相帮助的局面。 5. 与 Claude 3.7 Sonnet 相比，Claude 3.7 Sonnet 在任务指令跟随、通用推理、多模态能力和自主编程方面表现出色，扩展思考模式在数学和科学领域带来显著提升，在某些方面与 DeepSeek R1 各有优劣。