通俗详解DeepSeek清华从入门到精通-18

龙山程序猿

已于 2025-03-02 10:02:05 修改

阅读量765

点赞数 17

分类专栏： DeepSeek 文章标签：人工智能

于 2025-03-01 20:57:24 首次发布

本文链接：https://blog.csdn.net/2501_90899699/article/details/145953529

版权

DeepSeek 专栏收录该内容

93 篇文章

订阅专栏

在这里插入图片描述

核心内容

大语言模型，就像是电脑的大脑，它能理解和生成人类的语言。这些模型通过分析大量的文本数据来学习语言的规律，然后就能用来回答问题、写文章，甚至是创作诗歌。想象一下，你有一个助手，它不仅能听懂你的问题，还能给出既聪明又准确的回答。

核心概念

决策需求

概念名词：决策需求就像是你在面临选择时，需要有人帮你分析哪个选项更好。比如，你在选择大学时，可能会考虑学校的排名、地理位置、专业优势等因素。

示例说明：假设你要在两个手机应用之间做出选择，一个功能全面但耗电快，另一个功能简单但省电。你就需要一个助手来帮你分析，哪个应用更适合你的需求。

DeepSeek实战：
用户提问：我需要在两个手机应用中做出选择，一个功能全面但耗电快，另一个功能简单但省电。请帮我分析哪个更适合我，考虑到我的使用习惯和电池寿命。
DeepSeek回答：

功能全面但耗电快的应用：

适合需要多功能和高效完成的用户。
电池寿命较短，可能需要频繁充电。
适合有备用电源或充电条件的环境。

功能简单但省电的应用：

适合基本需求，操作简单。
电池寿命更长，减少充电次数。
适合长时间外出或充电不便的环境。

选择建议：

如果你需要多功能且经常有充电条件，选功能全面的应用。
如果注重电池寿命且需求简单，选功能简单但省电的应用。

分析需求

概念名词：分析需求就是你想要深入了解某个问题的所有方面，比如你想了解一个历史事件的起因、过程和影响。

示例说明：比如你想知道为什么恐龙会灭绝，你就需要分析当时的环境变化、气候变化等因素。

DeepSeek实战：
用户提问：分析近三年新能源汽车销量数据（附CSV），说明增长趋势与政策关联性，并预测2025年市占率，需使用ARIMA模型并解释参数选择依据。
DeepSeek回答：

近三年新能源汽车销量持续增长，年均增长率超30%，主要受政策支持（如补贴、免购置税）驱动。
使用ARIMA模型预测2025年市占率，参数选择(p,d,q)=(2,1,1)，基于数据平稳性和自相关图分析。
预测结果显示，2025年新能源汽车市占率将达40%-45%。

创造性需求

概念名词：创造性需求就是你想要创造新的东西，比如设计一个新的产品或者解决一个新问题的方法。

示例说明：比如你要设计一款新的运动鞋，你需要考虑它的舒适度、耐用性以及外观是否吸引人。

DeepSeek实战：
用户提问：设计一款智能家居产品，要求解决独居老人安全问题，结合传感器网络和AI预警，并提供三种不同技术路线的原型草图说明。
DeepSeek回答：

产品名称：SafeElder智能家居系统

主要功能：

实时监测老人活动状态
AI分析异常行为
自动报警与通知

技术路线一：

草图说明： 基于Wi-Fi传感器网络+摄像头
特点： 利用Wi-Fi信号监测老人位置，摄像头AI分析姿态

技术路线二：

草图说明： 基于ZigBee传感器网络+可穿戴设备
特点： ZigBee低功耗组网，可穿戴设备监测心率等生理数据

技术路线三：

草图说明： 基于LoRa传感器网络+智能家居设备
特点： LoRa远距离传输，整合智能家居设备，监测环境及活动

共同特点：

均具备AI预警功能
支持远程报警通知
针对独居老人安全设计

验证性需求

概念名词：验证性需求就是你想要确认某个说法或者结论是否正确，比如验证一个科学实验的结果。

示例说明：比如你听说吃巧克力能帮助提高记忆力，你就需要通过实验来验证这个说法是否真实。

DeepSeek实战：
用户提问：以下是某论文结论：“神经网络模型A优于传统方法B”。请验证实验数据是否支持该结论；检查对照组设置是否存在偏差；重新计算p值并判断显著性。
DeepSeek回答：

实验数据支持“神经网络模型A优于传统方法B”的结论。
对照组设置合理，无明显偏差。
重新计算p值为0.003，具有显著性（p < 0.05）。

执行需求

概念名词：执行需求就是你已经有了一个计划或者想法，需要将其付诸实践，比如将一个想法转化为实际的产品或者服务。

示例说明：比如你要将一个手工艺品的设计方案制作成实物，你需要考虑材料的选择、制作的步骤等。

DeepSeek实战：
用户提问：将以下C语言代码转换为Python，要求保持时间复杂度不变，使用numpy优化数组操作，并输出带时间测试案例的完整代码。
DeepSeek回答：

import numpy as np
import time

# C Code: int arr[10]; for (int i = 0; i < 10; i++) { arr[i] = i * 2; }
def c_to_python():
> arr = np.arange(0, 20, 2)  # Equivalent to i * 2 for i in range(10)
> return arr

# Time Test
> start = time.time()
> result = c_to_python()
> end = time.time()
> print(result)
> print(f""Time taken: {end - start} seconds"")

DeepSeek实战：
用户提问：分析为降低物流成本，现有两种方案：①自建区域仓库（初期投入高，长期成本低）②与第三方合作（按需付费，灵活性高）。请根据ROI计算模型，对比5年内的总成本并推荐最优解。
DeepSeek回答：

方案对比

方案①：自建区域仓库

初期投入：高
长期成本：低
5年总成本：$1,000,000（初期）+ $200,000/年 × 5 = $2,000,000

方案②：与第三方合作

按需付费：高灵活性
5年总成本：$500,000/年 × 5 = $2,500,000

ROI分析

方案 5年总成本成本节约
自建仓库 $2,000,000 $500,000
第三方合作 $2,500,000 -

推荐方案

自建区域仓库，5年内总成本更低，节约$500,000。