|
自從 DeepSeek 橫空出世，周圍的小伙伴都在瘋狂嘗試。每天不是在排隊使用服務，就是在找攻略。 如果你也正在為如何上手 DeepSeek 而煩惱，那這篇絕對適合你！ 榮姐把自己摸索 DeepSeek 的心得，用最通俗易懂的語言整理出來，讓你看完就能上手，小白也能秒變專家。 1 DeepSeek簡介 DeepSeek（深度求索）是一家專注于通用人工智能（AGI）研究的中國科技公司，成立于2023年，總部在中國杭州。 推出的比較有名的模型是Deepseek V3 和Deep R1。正在全球 AI 領域引發廣泛關注和討論。 核心優勢是：性能卓越，低成本開發，開源策略。 在2025年1月27日同時登頂蘋果中美應用商店免費榜。 2 訪問入口 2.1 DeepSeek 網頁版 網址： https://chat./ 2.2 DeepSeek App 支持蘋果、安卓手機下載 應用商店搜索：DeepSeek，注意公司是杭州深度求索 2.3 API接口 API接口文檔地址： https://api-docs./zh-cn/ 2.4 本地化部署工具 Ollama網址： https:/// 2.5 多模態開源模型 Janus-Pro 報告地址： https://github.com/deepseek-ai/Janus/blob/main/janus_pro_tech_report.pdf 開源模型下載地址： https://github.com/deepseek-ai/Janus 3 詳細教程 3.1 聊天對話 3.1.1 模型的選擇 1、打開官網，默認是下面界面，已勾選深度思考R1和聯網搜索，這時候文件上傳按鈕是灰色的，聯網搜索狀態不支持文件上傳。  2、不勾選聯網思考，這時候用的是深度思考R1模型，支持上傳文件。  3、不勾選深度思考R1和聯網搜索，這時候用的是Deepseek V3模型，支持上傳文件。  4、不勾選深度思考R1，勾選聯網搜索，這時候用的是Deepseek V3模型，不支持上傳文件。  小伙伴們記得根據自己的需求來選擇模型，是否需要聯網搜索，是否需要上傳文件哦！ 3.1.2 模型使用 1、對話 大的原則：沒有套路 簡化提問：避免使用復雜的提示詞，直接提出你的問題。DeepSeek更擅長自然對話，過于結構化的提示詞可能會限制其表現。 場景化提問：使用場景化模板，明確你的目標、對象、期望效果和潛在問題。 術語解釋：如果涉及專業術語，盡量用簡單的語言解釋。如果大模型不明白，你可以說我是個小學生，請用小學生能明白的語言解釋（小學生、初中生、高中生等等） DeepSeek不需要你寫'專業提示詞'， 它需要的是真實場景和具體需求。 送您一個萬能公式： 我要xx，要給xx用，希望達到xx效果，但擔心xx問題...比如下面的提問技巧：
2、文件分析 可以上傳文件給Deepseek進行分析。 服務器異常，暫時無法截圖對話案例了。本來特別想讓他分析一下Janus-Pro的那篇報告的。 上傳文件時記得關閉聯網搜索。  3.2 API接口調用 DeepSeek R1模型文檔 https://api-docs./zh-cn/guides/reasoning_model 3.2.1 創建API Key 1、訪問網址：https://platform./api_keys，創建API Key。  2、輸入API key名稱，隨意起一個即可。  3、點擊創建后會出現API key，記住只出現一次，保存好。 API Key：sk-b55cb01382df4eeca23b68e947a6bad1  3.2.2 使用Python程序調用API Key 如果沒有安裝openai的庫，要先安裝一下。使用 pip install openai 。 代碼中<DeepSeek API Key>記得替換成小伙伴們自己的。 官方示例代碼： 非流式： from openai import OpenAIclient = OpenAI(api_key='<DeepSeek API Key>', base_url='https://api.')# Round 1messages = [{'role': 'user', 'content': '9.11 and 9.8, which is greater?'}]response = client.chat.completions.create( model='deepseek-reasoner', messages=messages)reasoning_content = response.choices[0].message.reasoning_contentcontent = response.choices[0].message.content# Round 2messages.append({'role': 'assistant', 'content': content})messages.append({'role': 'user', 'content': 'How many Rs are there in the word 'strawberry'?'})response = client.chat.completions.create( model='deepseek-reasoner', messages=messages)# ...流式：
3.2.3 模型價格 價格參考官網信息： https://api-docs./zh-cn/quick_start/pricing  3.3 把DeepSeek接入到VScode 1、打開vscode，點擊左側擴展插件，搜索 Roo code ，點擊安裝。  2、配置參數  3、配置完成后就可以在對話框中進行使用了。下圖是調用R1 API接口編寫貪吃蛇的小游戲。 3.4 使用ollama進行本地部署 3.4.1 命令行部署 1、下載ollama https:/// 目前Ollama支持macOS、Linux、Windows，選擇相應的系統，macOS和Windows直接下載，Linux系統需要執行下面命令：
榮姐這次選擇Windows本地下載，直接安裝即可。 2、選擇模型 點擊Models，第一條就是deepseek-r1模型?；蛘咚阉骺蜉斎肽Ｐ兔Q進行搜索。 點擊進去后，查看各個模型，不同模型執行的命令不同。 如7b：ollama run deepseek-r1:7b 3、運行命令 選擇一個最小的模型來玩一下。如果你配置高，可以選擇更大的，畢竟越大效果越好。 4、效果測試 當界面出現success顯示安裝成功。 輸入你是誰，看到deepseek的回答。 5、參數解釋 模型的參數量表示模型中可學習的變量數量，影響模型的學習能力和計算復雜度。DeepSeek R1提供多個版本，參數量越大，模型通常越強大，但也需要更多的計算資源。 比如1.5B代表有15億個參數。 3.4.2 web界面部署 使用python環境進行部署。 1、在終端或命令行工具中運行pip install open-webui進行安裝。 2、安裝完成后，輸入open-webui serve，打開http://localhost:8080/，注冊Admin信息后即可使用。 3.5 多模態開源模型 Janus-Pro DeepSeek于2025年1月28日發布了多模態開源模型Janus-Pro，這一模型在多模態理解和文本到圖像生成任務上取得了顯著進展，并在多個基準測試中超越了現有的領先模型，如OpenAI的DALL-E 3和Stable Diffusion。 DeepSeek已將Janus-Pro的兩種版本（7B和1.5B）上傳至Hugging Face平臺，向開發者和研究人員免費開放。這一開源舉措將極大地促進多模態AI模型的普及和應用，為開發者社區帶來新的創新機會。 報告中的生圖效果： 4 Deepseek狀態診斷 通過下面網站查詢DeepSeek狀態，如有異常會官方會在此顯示。 如果API異常了，那你通過API方式訪問DeepSeek是解決不了問題的哦。 https://status./ 本地部署隨便玩，不受官方性能限制。有條件的朋友來玩一下吧! ##DeepSeek相關文章## 1、只需三步把DeepSeek R1接入Vscode，Cursor的國產平替終于來了，性能對標OpenAI o1 2、DeepSeek R1大顯神通！2分鐘完成網頁版掃雷游戲 4、曹雪芹看了沉默！DeepSeek黑科技：用紅樓夢詩讖解碼甄嬛傳，刀刀見血 5、國產之光，DeepSeek榮登中美App Store榜首，超越ChatGPT |
|
|
