@新媒沈阳团队 、余梦珑博士后 DeepSeek：从入门到精通 2025年2月 清华大学 新闻学院 人工智能学院 • Deepseek是什么？ • Deepseek能够做什么？ • 如何使用Deepseek？ DeepSeek是什么？ AI + 国产 + 免费 + 开源 + 强大 • DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应 JavaScript） • 自 动 补 全 与 注 释 生成 常规绘图 如何使用DeepSeek？ 网页端：https://chat.deepseek.com APP：DeepSeek 如何从入门到精通？ 当人人都会用AI时，你如何用得更好更出彩？ 推理模型 • 例如：DeepSeek-R1，GPT-o3在逻辑推理、数学推理和实时问题解决方面表现突出。 推理大模型： 推理大模型是指能够 通用模型：结构化、补偿性引导（“缺什么补什么”）。 避免误区 • 不要对推理模型使用“启发式”提示（如角色扮演），可能干扰其逻辑主线。 • 不要对通用模型“过度信任”（如直接询问复杂推理问题，需分步验证结果）。 从“下达指令”到“表达需求” 策略类型 定义与目标 适用场景 示例（推理模型适用） 优势与风险 指令驱动 直接给出明确步骤或 格式要求 简单任务、需快速执行 “用Python编写快速排序函 数，输出需包含注释。”

非商业性使用。您不得将本作品用于商业目的。 • 相同方式共享。如果您改变、转换本作品或者以本作品为基础进行创作，您只能采用与本协议相同的 许可协议发布基于本作品的演绎作品。 对于任何的再使用或者分发，您必须让他人清楚了解到本作品所适用的协议条款。若您获得著作权人的 许可，上述任何条件都可以免除。该协议的任何部分都不削弱或者限制作者的人格权利。 关于这个著作权协议的更多信息，请参阅： http://creativecommons /var 单独分区时是 /var 分区)没有空间 了，可是，我装的软件并不多，这是怎么回事？ . . . . . . . . . . 488 XI.II.VIII我安装的是 Beta/RC 版，我可以升级到正式版吗？ . . . . . . 489 XI.III 系统管理和个性化配置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 IV.83 编辑填充颜色 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 IV.84 选择一种填充颜色 . . . . . . . . . . . . . . . . . . .

如何感知要发送消息的 broker 即 brokerAddrTable 中的值是怎么获得的， 1. 发送消息的时候指定会指定 topic，如果 producer 集合中没有会根据指定 topic 到 namesrv 获取 topic 发布信息 TopicPublishInfo，并放入本地集合 2. 定时从 namesrv 更新 topic 路由信息， Producer 与 broker group）定时发送到， brokerAddrTable 集合中列出的 broker 上去 Producer 发送消息只发送到 master 的 broker 机器，在通过 broker 的主从复制机制拷贝到 broker 的 slave 上去 二：Producer 如何发送消息 Producer 轮询某 topic 下的所有队列的方式来实现发送方的负载均衡 1） broker 启动的时候注册到 namesrv 的 Topic_A 队列为共 6 个分别为： broker1_queue0, broker1_queue1, broker2_queue0, broker2_queue1, broker2_queue2, broker3_queue0, 2） Producer 如何实现轮询队列： Producer 从 namesrv 获取的到 Topic_A 路由信息

案例分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.5.1. 匹配 16 进制颜色值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.5.2. 匹配时间 . . . . . . . . . 读过的最好懂的一本正 则教程。感谢作者老姚的工作。 — 文蔺 良师易得，益友难求。工作中得到了老姚的很多帮助，很是感谢。最近拜读了老姚的正则表达式一书 ，受益匪浅，从每次遇到正则问题，从百度到自己书写，都离不开书中的知识。并且此书通俗易懂， 条理清晰，每次阅读都会得到新的收获。感谢老姚，支持你，加油！ — _周末 对于正则的知识，之前看得总是零零碎碎的，没有好好地去系统学习过，所以在方面知识体系相对薄 以是多种情况的。 其实现的方式是使用量词。譬如 {m,n}，表示连续出现最少 m 次，最多 n 次。 比如正则 /ab{2,5}c/ 表示匹配这样一个字符串：第一个字符是 "a"，接下来是 2 到 5 个字符 "b"，最后 是字符 "c"。 其可视化形式如下： JavaScript 正则表达式迷你书 1. 第一章 正则表达式字符匹配攻略 | 第 6 页 测试如下： var regex

案例分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.5.1. 匹配 16 进制颜色值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.5.2. 匹配时间 . . . . . . . . . 读过的最好懂的一本正 则教程。感谢作者老姚的工作。 — 文蔺 良师易得，益友难求。工作中得到了老姚的很多帮助，很是感谢。最近拜读了老姚的正则表达式一书 ，受益匪浅，从每次遇到正则问题，从百度到自己书写，都离不开书中的知识。并且此书通俗易懂， 条理清晰，每次阅读都会得到新的收获。感谢老姚，支持你，加油！ — _周末 对于正则的知识，之前看得总是零零碎碎的，没有好好地去系统学习过，所以在方面知识体系相对薄 以是多种情况的。 其实现的方式是使用量词。譬如 {m,n}，表示连续出现最少 m 次，最多 n 次。 比如正则 /ab{2,5}c/ 表示匹配这样一个字符串：第一个字符是 "a"，接下来是 2 到 5 个字符 "b"，最后 是字符 "c"。 其可视化形式如下： JavaScript 正则表达式迷你书 1. 第一章 正则表达式字符匹配攻略 | 第 6 页 测试如下： var regex

常用 于客户细分、信用评分、社交媒体营销、股价预测等。 将数据转化为统计图、热力图、网络关系图、词云、树形 图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。 本质：以多agent实现从数据采集到可视全流程 模型特点 Claude 3.5 sonnet  平衡性能：在模型大小和 性能之间取得平衡，适合 中等规模任务。  多模态支持：支持文本和 图像处理，扩展应用场景。  有包含“春运2025丨X月X日，全社会跨区域人员流动量完 成X万人次”的网址进行去重、筛选，合并成网址列表 2.撰写python脚本，基于步骤1输出的网址列表提取所有网 址内容“截至目前 2025 年春运（2025年1月14日到2月8日） 相关数据（如日期、全社会跨区域人员流动量、铁路客运 量、公路人员流动量、水路客运量、民航客运量等）”完 成数据提取并写入文件“2025春运数据.txt” Open AI o3mini 响应速度快，能够高效提  一般文本处理任务中，DeepSeek R1所提取的文本数据维度最为全面，但容易受文本长度或模型稳定性影响出现失误；其他三个模型在文本数 据提取过程中，都存在对部分数据的忽略问题，没有完整集成到可视化表格中；  长文本处理任务中，Kimi k1.5相较短文本处理表现更加突出，提取准确的同时数据维度更加全面；由于文本过长DeepSeek R1无法完成任务；  综合来看，Open AI

去除⽔印 提取⾳频 字幕处理 背景知识 字幕分类 字幕格式 编辑字幕 Aegisub 提取字幕 转换字幕 嵌⼊字幕 指定字幕位置 指定字幕⽂字属性 ffmpeg使⽤⼼得 ⽤到ffmpeg的 Python 附录 获取 2 1.9.1 1.9.2 1.9.3 help语法 ⽂档 参考资料 获取 3 强⼤的⾳视频处理⼯具：FFmpeg 最新版本： v1 mp4 -i subtitle.srt -codec copy -map 0 获取 6 video_with_soft_subtitle.mp4 ass字幕 硬字幕 内嵌字幕=嵌⼊ass字幕到视频中 ffmpeg -i input_video.mp4 -vf ass=subtitle.ass input_video_with_ass_subtitle.mp4 从视频中提取出字幕 cx/ffmpeg/ffplay-4.2.7z ffserver ：https://evermeet.cx/ffmpeg/ffserver-3.4.2.7z 分别下载后，解压得到⼆进制⽂件，再拷⻉到合适⽬录。 ⽐如Mac中的： 获取 10 /usr/local/bin 即可。 问：如何确认已安装好？ ⽤which去确认 which which ffmpeg ffmpeg

返种过滤方式可由应用完全自定丿实现，但是缺点是很多无用的消息要传输到 Consumer 端。 4.5 Message Persistence 消息中间件通常采用的几种持丽化方式： (1). 持丽化到数据库，例如 Mysql。 (2). 持丽化到 KV 存储，例如 levelDB、伯克利 DB 等 KV 存储系统。 (3). 文件记彔形式持丽化，例如 Kafka，RocketMQ 项目开源主页：https://github 项目开源主页：https://github.com/alibaba/RocketMQ 7 4.8 At least Once 是挃每个消息必须投递一次 RocketMQ Consumer 兇 pull 消息到本地，消费完成后，才吐服务器迒回 ack，如果没有消费一定丌会 ack 消息， 所以 RocketMQ 可以很好的支持此特性。 4.9 Exactly Only Once (1). 収送消息阶段，丌允许収送重复的消息。 Consumer 系统故障， 恢复后需要重新消费 1 小时前的数据，那举 Broker 要提供一种机制，可以挄照时间维度来回退消费迕度。 RocketMQ 支持挄照时间回溯消费，时间维度精确到毫秒，可以吐前回溯，也可以吐后回溯。 4.12 消息堆积 消息中间件的主要功能是异步解耦，迓有个重要功能是挡住前端的数据洪峰，保证后端系统的稳定性，返就要 求消息中间件具有一定的消息堆积能力，消息堆积分以下两种情冴：

d/init.d/realserver.sh start /etc/rc.d/init.d/keepalived start 并将 keepalived 和 realserver 的启动脚本加入到 rc.local 自启动中： echo “/etc/rc.d/init.d/realserver.sh start” >> /etc/rc.local echo “/etc/rc.d/init d/init.d/realserver.sh start /etc/rc.d/init.d/keepalived start 并将 keepalived 和 realserver 的启动脚本加入到 rc.local 自启动中： echo “/etc/rc.d/init.d/realserver.sh start” >> /etc/rc.local echo “/etc/rc.d/init backup 上的 mysqld 启动以后，启动 master 和 backup 的 keepalived： /etc/rc.d/init.d/heartbeat start 并将此启动语句加入到 master 和 backup 的/etc/rc.local 中去 4.5.7 方案测试 环境搭建好以后，就需要进行周密的测试，看是否实现了预期的功能：  停掉 master 上的 mysqld，看看是否切换(因为

一定的系统资源，如CPU 资源、内存资源等等。我们必须注意到这点，即分析工具本身运行可能会导致系 统某方面的资源瓶颈情况更加严重。 MySQL 8.0.17 调优指南（openEuler 20.09） 1 调优概述 2020-10-15 1 ● 必须保证调优后的程序运行正确。 ● 调优过程是迭代渐进的过程，每一次调优的结果都要反馈到后续的代码开发中 去。 ● 性能调优不能以牺牲代码的可读性和可维护性为代价。 性能优化首先要较为精准的定位问题，分析系统性能瓶颈，然后根据其性能指标以及 所处层级选择优化的方式方法。 下面介绍MySQL数据库具体的调优思路和分析过程，如图1所示。 调优分析思路如下： 1. 很多情况下压测流量并没有完全进入到服务端，在网络上可能就会出现由于各种 规格（带宽、最大连接数、新建连接数等）限制，导致压测结果达不到预期。 2. 接着看关键指标是否满足要求，如果不满足，需要确定是哪个地方有问题，一般 情况下，服务 ----结束 MySQL 8.0.17 调优指南（openEuler 20.09） 3 操作系统调优 2020-10-15 8 3.10 mysql 进程绑核 目的 将mysql的进程绑定到指定CPU上，同时内存使能interleave。 方法 使用numatl命令进行设置，其中0-92是mysql进程要运行的CPU序号，my.cnf是mysql 的配置文件路径。在华为鲲鹏920 4826处理器