炸裂，DeepSeek终于能直接生成图片了！

于 2025-02-20 10:10:37 发布
阅读量4.3k 收藏 16
点赞数 19
文章标签： 人工智能 产品经理 wps 自动化 agi deepseek 大模型
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/EnjoyEDU/article/details/145746355
版权

一直以来，DeepSeek最强的地方都是它的推理能力，主要功能还是在文字输出能力上，而在我们日常的工作生活当中，AI绘画的诉求也是越来越高了，那么如果有一个软件，可以直接把DeepSeek的推理能力和AI绘画相结合，一定是王炸组合，也一定会受到广大网友的赞赏。

皇天不负苦心人，现在真的有这么一款软件，可以直接通过简单的提示词，就能调用DeepSeek模型的推理能力，给出最合理的AI绘画提示词，进而自动生成AI图片，这个过程简直丝滑无比，我们来看看吧。

访问如下软件，https://www.wenxiaobai.com/chat/200006，就可以进入主页

先来介绍下该平台本身的功能吧，也挺强的

首先我们看到有个“帮我写作”，我们点击这个标签，就会在输入框当中出现相应的提示词

比如我要求帮我写一个关于哪吒2的朋友圈文案

文案看起来还行吧，需要再调试一下，然后下面有个按钮，可以直接切换成DeepSeek R1模型，还是挺方便的

我觉得这个设置还是很好的，不用让用户来回的在不同模型之间切换

当然如果你想直接使用DeepSeek R1满血模型，也可以在左侧栏中选择

再来看一下读取网页，这个功能其实很多大模型都是不具备的，所以是非常可贵的功能

好了，基本功能我们介绍完毕，下面就是今天的重头戏，让DeepSeek模型来直接画图

点击“智能体”，然后拉到最下方

这里有一个R1推理生图，我们点击进去

填一个提示词看看效果吧

先来一个简单的

一只威风凛凛的老虎

画出来的我觉得还不错啊，不知道他们后端是调用的什么AI绘画模型

再来看一个复杂一点的提示词，看看推理和出图怎么样

例如：在一个梦幻般的景观中，想象一座毛茸茸的房子，外观覆盖着细腻的绒毛，仿佛是从毛毡制成的。房子的轮廓简约而流畅，给人一种温暖而舒适的感觉。它的颜色是柔和的米色和淡粉色，反射出温暖的阳光，增添了一丝梦幻的气息。周围的环境被郁郁葱葱的草地环绕，草地上点缀着五彩斑斓的小花，形成了一个宁静而和谐的场景。天空中飘着几朵白云，阳光透过云层洒下，创造出一种超高清、8K的画面效果，仿佛每一根绒毛都栩栩如生，给人一种身临其境的感觉。

这个提示词我是从即梦上拷贝的，在即梦平台上生成的效果是这样的

来看看问小白的效果如何

效果差不多呀，足以说明问小白后端AI绘画模型也是很能打的！

另外我越来越觉得看DeepSeek推理是一种享受，再和大家强调一下，我们使用DeepSeek，千万不要只盯着它输出的结果，对于它的推理过程，往往更加精彩，更加值得学习借鉴哦！

同时问小白还有APP客户端，体验也是相当丝滑，没有任何延迟，而且也是免费无任何限制的~

并且还能对DeepSeek-R1进行语音输入，模型回复的内容还可以语音朗读，对中老年人非常友好。

主要是APP上还有其他好玩的功能，比如话题广场，在这里面订阅话题，就可以实时关注自己感兴趣的信息了

还可以自己增加工具，自定义自己的工具箱

目前问小白给出的工具还是真丰富啊，不知道什么时候可以用户自动来设置属于自己的工具，嘿嘿。

关于它的功能咱就介绍到这儿了，毕竟DeepSeek的能力大家有目共睹，无需我过多吹嘘。

现在最重要的就是一个比官方更稳定的使用渠道，趁着现在知道的人少，有需要的兄弟赶快下载体验一波。

不黑不吹，这大概率是目前能白嫖到的最稳定最丝滑的满血版DeepSeek-R1模型了。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

img

在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

img

大模型.
关注
博客
狠狠收藏！关于Deepseek，看这一篇就足够了
02-04 1万+
最近，AI界黑马DeepSeek爆火。AI圈、科技博主、职场人，甚至连朋友圈的宝妈群都在聊——“DeepSeek太强了！”“国产GPT之光！”“中文能力碾压！但Deepseek这个名词对部分人来说还比较陌生，怎么高效使用也是一个未知数，今天，就让我们一起走进DeepSeek的世界，看看它到底有多厉害！顺便再给你个DeepSeek万能使用模板，让你彻底摆脱提示词焦虑，让AI真正成为你的“最强大脑”！
博客
大模型多种多样！掌握这份模型选择指南就够了
05-01 560
大模型发展太快了，还记得年初 Deepseek R1 的发布吗？才过了4个月，几乎每一家模型厂商都推出了王炸级的模型。从指令型、多模态发展到推理型和Agentic代理型，虽然不同厂家的模型都有了各自的特点和擅长，用户根据场景来选择有哪个模型，但顶不住 LLM行业（ Large Language Model）发展太快， 先不说应用的发展，就LLM的数量和版本多的就让用户迷惑。
博客
大模型是什么？大模型综述，看这一篇就够了！
05-01 402
（Large Models）通常指参数规模庞大（通常在十亿到万亿级别）的深度学习模型。这类模型通过在大规模数据集上进行训练，具备强大的泛化能力和复杂的任务处理能力，尤其在自然语言处理（NLP）、计算机视觉（CV）和多模态任务中表现突出。例如，GPT-3（1750亿参数）和PaLM（5400亿参数）是典型的大模型。那么，大模型和小模型有什么区别？
博客
小而强大，阿里开源全球最强开源模型 Qwen3！
04-30 528
北京时间 4 月 29 日凌晨 4 点 52 分，我们终于等到了 Qwen3（千问 3）的正式亮相。从 23 年 8 月开始，我们就一路看着 Qwen 模型的开源与迭代，而这一次千问 3 的发布可能是最惊喜的一次！放几个关键词：全系列，开源最强，混合推理，思考更快，成本骤降，Agent 能力提升…简直 buff 拉满，一起来感受一下！
博客
大模型入门指南 - Training：小白也能看懂的“模型训练”全解析
04-30 776
Training（模型训练）本质是AI世界的‘科学烹饪实验’——以数据为食材原料，用超参数作配方比例，借验证集做品控质检，将‘玄学炼丹’的试错过程，淬炼成‘可复现的精密工程’。今天用最通俗的话，带你拆解模型训练（Training）全过程。
博客
阿里通义千问 Qwen3 系列模型正式发布，该模型有哪些技术亮点？
04-29 772
好了，关于 Qwen3 的深度解读和实战指南，今天就先带大家“飚车”到这里。
博客
大模型算法面经：Function Call、MCP、A2A
04-29 610
为每个工具、插件或 API 设计一个符合上述 Function Call 格式的结构化描述（JSON Schema 是常用方式）。
博客
一文看懂‘推理大模型‘与‘普通大模型‘的区别
04-29 758
与普通大模型相比，推理大模型倾向于在回答给定问题之前将问题分解为更小的步骤（通常称为推理步骤或思维过程）。那么“思维过程”、“推理步骤”或“思路链”实际上是什么意思呢？尽管我们可以思考LLM是否真的能够像人类一样思考，这些推理步骤将过程分解为更小的、结构化的推理。到 2024 年上半年，为了提高 LLM 在预训练过程中的性能，开发人员通常会增加以下大小：模型（参数数量）数据集（标记数量）计算（FLOP数量）综合起来，这被称为训练时计算，指的是预训练数据是“人工智能的化石燃料”。
博客
【大模型入门篇】如何系统的入门大模型？
04-28 905
本篇回答默认面向对大模型领域感兴趣的程序员。：基于提示词对大模型的使用，会问问题就行。在大模型生态之上做业务层产品。AI主播、AINPC、AI小助手。。。之前是会调API就行。现在有了GPTs，连调用API都可以不用了，动动嘴就可以实现应用生成。：给大模型配个“资料袋”——大模型外挂向量数据库/知识图谱。给大模型“大脑”装上记忆体、手和脚，让它可以作为智能体进行决策和工作。：基于基座大模型的Fine Tuning。大模型训练，高端赛道的角逐。
博客
大模型面试：大模型微调面试
04-28 981
一般 n B的模型，最低需要 16-20 n G的显存。（cpu offload基本不开的情况下）vicuna-7B为例，官方样例配置为 4*A100 40G，测试了一下确实能占满显存。128，max length 2048）当然训练时用了FSDP、梯度累积、梯度检查点等方式降显存。SFT的重点在于激发大模型的能力，SFT的数据量一般也就是万恶之源alpaca数据集的52k量级，相比于预训练的数据还是太少了。。，即使在多语言场景下也能有不错表现。。应该；。（比如：数百个）否则可能会；万），。
博客
图解 Transformer，一文吃透工作原理
04-28 1200
另一种方法是保留前两个最有可能的单词（例如 ‘I’ 和 ‘a’），然后在下一步中，运行模型两次：一次假设第一个输出位置是单词 ‘I’ ，另一次假设第一个输出位置是单词 ‘a’，然后根据考虑位置 #1 和 #2 的错误程度，保留生成误差较小的版本。这种方法称为“束搜索”（beam search），在我们的示例中，束宽（beam_size）为 2（这意味着在任何时候，模型会在内存中保留两个部分假设，即未完成的翻译），而返回束（top_beams）也是 2（这意味着我们最终会返回两个翻译）。
博客
【大模型入门必看】0基础入门大模型的学习路线
04-27 605
0基础入门大模型，transformer、bert这些是要学的，但是你的第一口不一定从这里咬下去。真的没有必要一上来就把时间精力全部投入到复杂的理论、各种晦涩的数学公式还有编程语言上，这样不仅容易让你气馁，而且特别容易磨光热情。
博客
基于 MCP Http SSE模式的天气助手智能体开发实战（一文带你了解MCP两种开发模式）
04-27 835
本次分享我们深入浅出地介绍了MCP（模型上下文协议）的两种通信方式：标准输入输出（stdio）和基于HTTP的服务器推送事件（SSE）。通过开发一个天气助手智能体的实战案例，生动展示了两种模式的异同——stdio适合本地高效通信，而SSE则适用于远程分布式场景。本次分享我还着重对比了代码差异，比如SSE需要URL参数，而stdio直接调用子进程。最后，还为大家安利了调试神器MCP Inspector，能一键测试服务端功能，堪称“懒人福音”。
博客
一文讲清楚AI Agent（智能体）
04-27 615
AI Agent（Artificial Intelligence Agent，人工智能代理）是一种能够。
博客
3步搭建企业级Text2SQL应用，RAGFlow 实现自然语言转 SQL 的终极指南!
04-27 997
在企业大模型应用方面，Text2SQL一直是应用热点。大家都希望小嘴一张，就完成一系列数据提取和分析工作。但是，使用大模型自动理解业务需求，实现 SQL 代码编写和代码执行一直都存在技术难点。传统的 Text2SQL 方案，往往依赖，对于中小企业而言，带来非常高的应用成本。今天，介绍一个方法，使用开源 RAG 框架RAGFlow，应用知识库检索与大模型推理结合，不需要对模型做任何微调，只需要仅需配置少量结构化数据即可实现精准SQL生成，实现等多种场景。
博客
【MCP实战】用 Fastapi-MCP 快速从 0 开发一个 MCP Server
04-25 902
新增简单工具：获取当前时间format: str = "human" # 可选: iso | timestamp | human至此，我们就学会了怎么用Fastpi-MCP的工具来实现自己的 MCP服务。建议一定要到官网学习：https://github.com/tadata-org/fastapi_mcp。
博客
【建议收藏】一口气学完谷歌最新AI提示工程教程精华,看完直接弯道飙车！
04-25 662
提示工程是设计高质量提示的过程，目的是引导大型语言模型生成准确、相关的输出。根据谷歌的定义，它是"设计高质量提示的过程，这些提示指导LLM生成准确的输出。此过程涉及调整以找到最佳提示，优化提示长度，以及评估与任务相关的提示的写作风格和结构。大型语言模型(LLM)本质是一个预测引擎：输入文本，预测下一个可能的词语。模型连续地预测下一个token应该是什么，将先前预测的token添加到文本末尾，不断重复此过程生成完整回答。核心原理LLM根据训练数据预测下一个词的概率好的提示能引导模型产生符合预期的输出。
博客
人工智能小白必看系类：人工智能基础知识（附免费下载）
04-24 825
本篇系统而全面地概述了人工智能的知识体系。首先，我们定义了人工智能的基本概念，这是理解整个领域的基础。随后，通过对人工智能发展历程的梳理，我们展示了其从诞生到如今的演变轨迹，凸显了其在科技进步中的重要地位。接下来，我们深入探讨了机器学习与深度学习这两项核心技术。此外，我们还特别关注了大模型与AIGC（Artificial Intelligence Generated Content，人工智能生成内容）的兴起。这两项技术代表了人工智能领域的最新进展，它们的出现将进一步加速人工智能在各行业的应用与普及。
博客
大模型部署难？手把手教你选对推理工具！
04-24 599
选择正确的模型服务工具对于将机器学习模型转化为带来价值的应用程序至关重要。本文概述了服务运行时和平台，重点介绍了它们的功能、优点和局限性。可以看到找到公司最佳模型服务堆栈的难度并不小。您的选择应该基于项目的需求、团队的技能以及您需要对部署和扩展进行多少控制、框架兼容性、集成能力以及复杂性和功能之间的权衡等因素进行决策。建议：首先，缩小哪些工具可以匹配您的特定场景。然后，花一些时间为每个潜在工具构建概念验证 (PoC)。没有比快速实现更好的方式来感受框架了。
博客
【科普】DeepSeek-R1 1.5b、7b、8b、14b、32b、70b、671b 都是什么鬼？
04-23 1189
你是不是被这些概念绕晕了？如图所示：DeepSeek-R1 模型有好几种规格，比如，后面的，而 b 则是指 “” 的意思，也就是其中，，性能最强，也就是官网部署的版本。这样命名并不是 DeepSeek 的独特之处，其他大模型也都是这样命名的，比如说所以，一个模型的参数量越大，它能处理和生成的内容质量越复杂、越高，也更能满足我们的要求，不过也需要更多的硬件资源来支撑。大家可能会觉得，既然参数量越大模型越聪明，那是不是直接用最大的参数量就完事了？其实，这并不一定，现实中，，得具体问题具体分析。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值