春节这段时间，DeepSeek算是彻底爆了，出圈了，到全皆知的程度，连AI是什么东西都不知道的亲戚们，都开始在年夜饭以及餐桌上聊到了DeepSeek和他的创始⼈梁⽂峰。
太魔幻了，没想到DeepSeek有⼀天能成为⼈们茶余饭后的聊天对象，我是万万没有想到的，DeepSeek的影响⼒有多⼤。
为什么 DeepSeek 能成为现象级产品？四个关键词：国产・免费・开源・强大！
本次将从技术创新、多端使用、大厂薅羊毛、本地部署、扣子接入deepseek、coze+deepseek玩法等方向切入
一、架构创新
让一个专家团队协作解题：遇到法律合同翻译，激活「法律术语专家」；需要写诗歌时，调用「文学修辞专家」；分析财报时，启动「金融数据分析专家」。DeepSeek就像智能调度中心，实时匹配最擅长当前任务的"大脑"。
二、训练方法创新
组相对策略优化（GRPO）算法 ：
例如解方程「3x+5=20」，模型会生成10种解法（如代数法、图像法）。系统像老师批卷：选正确率最高的3种作为参考答案，淘汰错误方法。通过不断对比择优，模型解题准确率快速提升。
双重奖励系统 ：包含准确性和格式两个奖励，准确性奖励针对数学问题等确定性任务，格式奖励引导模型使用标准化的思考过程格式，提高输出的结构化程度和可解释性 。
模板化 RLHF 训练 ：开发简洁有效的训练模板，提供清晰的推理过程生成指南，强调结构化输出格式，便于观察和评估模型的学习进展 。
三、蒸馏框架创新
多教师协同蒸馏 ：
动态权重分配 ：根据任务类型自动调整教师模型（R1-70B、R1-32B）的贡献权重，如在数学推理中赋予 70B 模型 80% 权重，而在代码生成中采用 50%-50% 均衡分配 。
注意力迁移技术 ：将教师模型的交叉注意力分布作为软标签，指导学生模型学习长程依赖关系，使 7B 模型在 Codeforces 竞赛中的解题能力提升 29.4% 。
量化感知训练 ：在蒸馏过程中引入 4-bit 量化模拟，确保小模型在边缘设备部署时精度损失不超过 2%，例如 1.5B 模型在树莓派 5 上运行耗时仅 3.2 秒 / 问题，功耗不足 5W 。
DeepSeek-R1 和 Alpha 在训练方式上。DeepSeek-R1 通过强化学习和多阶段训练策略，能够在较少的数据量和计算资源下达到较高的性能，特别适合需要复杂推理的任务。而 Alpha 则通过监督学习和强化学习相结合的方式，给出围棋规则，利用大量的人工标注数据和人类反馈来提升模型的性能，继承了人类的上限
多端使用---手机端
纳米ai
留白记事
多端使用--电脑端
deepseek联网搜索
https://metaso.cn/
满血版DeepseekR1
如果不是写着671B 全尺寸 满血版 的基本都是被阉割过的
大厂薅羊毛
https://www.volcengine.com/
https://cloud.siliconflow.cn/i/2cGUfGEi（比较慢）
https://ppinfra.com/user/register?invited_by=AMAJ1C（比较快）
本地部署：
Ollama（自己配置）
https://q05hlvbg0wa.feishu.cn/wiki/YJNgwOmrQiEkOpkMuswcLvWjnKc?from=from_copylink
整合包（一键使用）
链接：https://pan.quark.cn/s/b6c45c9911de
提取码：aqpM
V1.0版本：2025-2-9
1、基于ollama、open-webui，整合deepseek模型，不用配置环境变量、不用下载模型，解压即用。
扣子接入deepseek：
基础版
硅基流动
from runtime import Args
from typings.deepseek_R1_siliconflow.deepseek_R1_siliconflow import Input, Output
import http.client
import json
def handler(args: Args[Input]) -> Output:
# 从输入参数中获取用户输入的内容和 API 密钥
user_input = args.input.user_input
api_key = args.input.api_key # 假设用户输入的 api_key 通过此字段传入
if not api_key:
return {"message": "API Key is missing. Please provide a valid API Key."}
# API 请求的 URL 和路径
conn = http.client.HTTPSConnection("api.siliconflow.cn")
payload = json.dumps({
"model": "deepseek-ai/DeepSeek-R1", # 使用 DeepSeek-R1 模型
"messages": [ {
"role": "user",
"content": user_input
}
],
"stream": False,
"max_tokens": 512,
"stop": ["null"],
"temperature": 0.7,
"top_p": 0.7,
"top_k": 50,
"frequency_penalty": 0.5,
"n": 1,
"response_format": {"type": "text"},
})
headers = {
"Authorization": f"Bearer {api_key}", # 使用用户提供的 API Key
"Content-Type": "application/json"
}
# 发送 POST 请求
conn.request("POST", "/v1/chat/completions", body=payload, headers=headers)
response = conn.getresponse()
# 检查请求是否成功
if response.status == 200:
# 解析响应数据
response_data = json.loads(response.read().decode("utf-8"))
# 提取 content 和 reasoning_content
content = response_data["choices"][0]["message"].get("content", "")
reasoning_content = response_data["choices"][0]["message"].get("reasoning_content", "")
# 返回 API 的响应内容，包括 reasoning_content
return {
"reasoning_content": reasoning_content,
"message": content
}
else:
# 如果请求失败，返回错误信息
return {"message": f"API request failed with status code {response.status}"}
硅基流动容易timeout
504 / 503：通常是由于服务系统负载较高，请稍后重试。对于聊天和文本转语音请求，请尝试使用流模式 （“stream” ：true ）。请参阅流模式。
派欧
https://ppinfra.com/user/register?invited_by=AMAJ1C
from runtime import Args
from typings.DeepSeek_R1.DeepSeek_R1 import Input, Output
import http.client
import json
def handler(args: Args[Input]) -> Output:
# 从输入参数中获取用户输入的内容和 API 密钥
user_input = args.input.user_input
api_key = args.input.api_key
if not api_key:
return {"message": "API Key is missing. Please provide a valid API Key."}
# API 请求的 URL 和路径
conn = http.client.HTTPSConnection("api.ppinfra.com")
payload = json.dumps({
"model": "deepseek/deepseek-r1/community",
"messages": [
{
"role": "system",
"content": "你是DeepSeek，你会以诚实专业的态度帮助用户，用中文回答问题。"
},
{
"role": "user",
"content": user_input
}
],
"response_format": {"type": "text"},
"max_tokens": 8192,
"temperature": 1,
"top_p": 1,
"min_p": 0,
"top_k": 50,
"presence_penalty": 0,
"frequency_penalty": 0,
"repetition_penalty": 1
})
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
# 发送 POST 请求
conn.request("POST", "/v3/openai/chat/completions", body=payload, headers=headers)
response = conn.getresponse()
# 检查请求是否成功
if response.status == 200:
# 解析响应数据
response_data = json.loads(response.read().decode("utf-8"))
# 获取完整的响应内容
full_content = response_data["choices"][0]["message"].get("content", "")
# 提取思维链内容和最终回答
reasoning_content = ""
message = full_content
# 如果内容中包含<think>标签
if "<think>" in full_content and "</think>" in full_content:
think_start = full_content.find("<think>") + len("<think>")
think_end = full_content.find("</think>")
# 提取思维链内容
reasoning_content = full_content[think_start:think_end].strip()
# 提取最终回答（移除思维链部分）
message = full_content[think_end + len("</think>"):].strip()
return {
"reasoning_content": reasoning_content,
"message": message
}
else:
# 如果请求失败，返回错误信息
return {"message": f"API request failed with status code {response.status}"}
设置好代码后设置元数据，别忘记保存
输入参数：user_input/api_key
输出参数：reasoning_content/message
{
"user_input": "9.11和9.9谁大",
"api_key": "这里填写你的api"
}
调试成功
点击右上角发布
在插件里手动填入api_key
记得引用出参为结束节点的变量
测试成功
也可以做成两次回复
专业版：
coze+deepseek玩法
手搓联网ds 自己的专家级ai搜索
学习完今天的图文教程,在感谢您一键三连评论区回复"YYDS"截图添加文章底部舰长微信，领取"Deepseek深度教学指南",加入舰长扣子智能体交流社群，一起进行deepseek讨论。
关注公众号并添加舰长微信，领取智能体学习资料，并参与Coze技术直播讲解
舰长积极创建智能体;工作流交流群，让我们在AI时代一起进步互相学习！每天会在群里分享智能体的搭建，欢迎各位小伙伴加入~
船长团队创作智能体专栏小册，里面有最新进阶的Coze智能体文章，在文章有收获的同时，可以分销而获取60%的小册费用，聚财成多
粤ICP备14082021号
免费POC，
零成本试错
