迎接deepseek，助力企业整合AI

Deepseek助力企业整合AI出圈
最新推荐文章于 2025-11-27 14:26:48 发布
原创 最新推荐文章于 2025-11-27 14:26:48 发布 · 185 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#人工智能 #AI编程 #ai #python #go #java

deepseek为什么会成功出圈

中国在软件开源方向真正做出贡献，以前一直是获取。

将英伟达股市打下来，降低算力成本，成为新的市场杠杆。

无法回避风口

雷布斯曾经说过，猪站在风口上都会飞起来，顺势而为之。

1、为toB/toG提供私有化部署AI大模型

   从信息安全角度出发，需要将内部敏感数据发布到内部AI服务器使用。

​2、定制化开发AI问答软件 ​

企业需要将互联网上的deepseek功能搬到内部使用

在这里插入图片描述
在这里插入图片描述

3、将AI软件集成到传统业务系统中，提供AI问答，AI知识库能力，AI查询业务数据库能力。 ​

	将AI软件与传统业务系统整合，才真正发挥了它的作用。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4、站在风口，只等你来。

将所有DeepSeek开源项目整合到ComfyUI中，期待下周DeepSeek的开源周
08-31
为迎接 DeepSeek 下周启动的 OpenSourceWeek 开源周，特发起本项目。活动期间，将基于 R1 模型，把 DeepSeek 每日开源的新项目迁移至 ComfyUI 平台，诚邀各界开发者参与共建，助力开源生态发展！ 当前已落地项目：...
DeepSeek 开源项目大整合，全面融入 ComfyUI，静候下周开源周到来
08-31
当前已有项目：ComfyUI-DeepSeek-JanusPro 此外，计划图中展示的全新个人 UI 风格，将在新项目 BetterComfy 中正式发布 版本：V0.5 20250221 V0.5：完成 ComfyUI-DeepSeek-JanusPro 项目创建 Credits：deepseek-ai
基于大模型DeepSeek的企业典型AI应用
石榴姐yyds
03-31 1191
DeepSeek v3仅需558万美元耗时2个月完成训练，资源消耗显著低于行业巨头。深度定制模型：适配行业数据特征，调整训练参数，集成专有业务逻辑。满足金融、医疗、政府等行业合规要求（如GDPR、HIPAA）。融合人工智能技术的知识集合，支持高效存储、管理海量信息。资源灵活扩展：支持高并发、大规模数据处理，确保稳定运行。部署于自有服务器，避免公有云风险，保障敏感信息隐私。推理速度快、资源消耗低，在保证精度同时提升效率。满足商务、学术、医疗等多领域翻译需求。自动化文档处理、数据分析、邮件管理。
收入突破 5 万，从大专生到大模型开发-第三篇（下）
spring_guoke的博客
03-18 868
AI 工具迭代快，别纠结“哪个模型最好”，先用起来，再优化。比如先用 ChatGPT 生成初稿，再人工润色，效率翻倍。AI 不会淘汰人类，但会淘汰不用 AI 的人——未来三年，你的工资取决于‘指挥 AI 的能力’。
轻松实现数据操作：JVS低代码列表页与逻辑联动的解决方案
10-19 248
列表页是用户对数据查询、操作的基础入口，那么按钮对逻辑的联动操作是我们常见的业务形态，那么我们先看一个示例，如下所示：通过列表页的顶部按钮和行级按钮触发不同的逻辑，对本列表页的数据进行修改，表级按钮触发对模型中的一个字段所有数据进行“+1”，行级按钮触发的是本行数据的某个字段“-1”，那么这种就是列表页与逻辑联动实现对数据模型的修改，那么接下来我们看看如何具体配置。
迎接deepseek，助力企业AI整合
威哥
03-09 159
迎接deepseek,助力企业AI整合
DeepSeek 企业应用落地：智能客服如何助力科技企业
ZStack_io的博客
02-12 1267
如何选择适合企业的模型？在资源有限的情况下，如何高效管理多模型？安全性和准确性如何平衡？还有，如何评估AI客服系统的ROI？来看看案例~
深入探索 Deepseek —— 智能搜索与多平台整合的未来
nervous_hard的博客
03-21 798
Deepseek 是基于先进人工智能技术和自然语言处理算法构建的搜索引擎。它不仅仅是简单的关键词匹配，而是能够理解用户意图、分析文本语义，并在海量数据中挖掘出精准答案。无论是在学术研究、市场分析，还是日常信息查询中，Deepseek 都能为用户提供更为智能、个性化的搜索体验。Deepseek 以其深度语义理解和跨平台整合的优势，为用户提供了全新的搜索体验。无论是科研、企业管理，还是日常信息查询，Deepseek 都展现出强大的适应性和扩展性。
DeepSeek：开启人力资源管理智能新时代，助力企业与人才共赢
专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！
02-20 1806
摘要：本文聚焦 DeepSeek 在人力资源岗的应用。招聘时，它借助技术筛选简历，综合多维度数据评估候选人与岗位匹配度；员工培训中，依员工情况设计个性化内容与计划；人力资源规划方面，综合多类数据预测人才需求，制定含招聘、培训等的规划。使用时需注意数据质量、算法理解、结合人工判断及数据安全。未来，DeepSeek 有望与其他系统融合，提升员工体验，助力跨文化管理，深度参与战略决策。其推动人力资源管理智能化，需与从业者能力结合，创造更多价值。
企业如何利用 DeepSeek 提升竞争力？
借雨醉东风的博客
03-10 2540
关注我，持续分享逻辑思维&管理思维&面试题；可提供大厂面试辅导、及定制化求职/在职/管理/架构辅导；推荐专栏，目前已完成所有内容。一顿烧烤不到的费用，让人能紧跟时代的浪潮。从普通网站，到公众号、小程序，再到AI大模型网站。干货满满。学成后可接项目赚外快，绝对划算。不仅学会如何编程，还将学会如何将AI技术应用到实际问题中，为您的职业生涯增添一笔宝贵的财富。
DeepSeek与Kimi强强联手，解锁AI新境界
小相探索IT世界
08-24 8930
摘要：DeepSeek与Kimi分别代表国内AI大模型与中文长文本处理的顶尖技术。DeepSeek通过MoE架构、MLA技术及FP8训练实现高效知识理解与代码生成；Kimi则以128K超长上下文、多模态支持和中文优化见长。二者协同形成"DeepSeek初稿+Kimi精修"的闭环，显著提升内容创作、科研、法律文书及PPT生成的效率与质量。尽管面临数据一致性、模型融合等挑战，但通过中间表示层、分布式计算等技术可有效解决。
基于学习的人工智能（1）为什么学习？
致力于大数据+AI 的应用创新。
11-24 297
学习是人类最重要的认知活动之一，贯穿我们的一生。出生后，我们无时无刻不在学习：从父母那里学说话，自己尝试走路，从小伙伴那里学会折纸飞机，从老师那里学到语文、数学等各种知识。研究人员始终将光源和风扇放在同一侧，经由学习，玉米幼苗逐渐学会了“有风的地方就会有光”的规律。之后，研究人员移去光源，并改变风扇方向，玉米幼苗依然按照所学知识，向风扇方向生长。1959 年，美国计算机学家亚瑟·塞缪尔设计了一款可以自我学习的跳棋程序，并将这一新方法称为“机器学习”，从而开启了机器自我学习的道路。
三大空间信息焕新：辉视让酒店服务、教育通知、监所管控更智能高效
CalebLXL的博客
11-24 906
走访这些场所后我发现，系统的真正价值不在于那些炫目的屏幕，而在于它构建了一套"空间信息免疫系统"——就像人体淋巴网络般，能智能识别各区域的信息需求，精准输送"营养"，快速清除"毒素"。当我们在酒店大堂不再错过末班机场大巴，在学校走廊偶遇恰好需要的竞赛通知，甚至在高墙内获得规整的信息权时，或许该重新思考：所谓智能化，本质是对空间信息代谢效率的一次外科手术式改造。这种荒诞的割裂感，正是传统信息分发模式崩溃的缩影——直到我最近走访数家采用辉视系统的场所，才意识到我们早已进入"精准信息触达"的新纪元。
（116页PPT）关于5G和新基建赋能智慧工地整体解决方案（附下载方式）
2501_92808811的博客
11-25 666
在整体架构方面，方案以“5G智慧工地平台”为核心，依托多类感知设备（如传感器、摄像头、AI眼镜、智能安全帽等）采集数据，通过5G网络实时回传至云平台，再借助大数据、云计算、人工智能等技术进行分析处理，最终在PC、手机、监控大屏等多终端进行可视化展示。此外，文件还详细列举了传统智慧工地子系统（如深基坑监测、升降机监控、扬尘噪音监测、智能水电计量等）的功能与部署方式，并补充了如5G企业专网、实测机器人、智慧科技体验中心等延伸应用，体现出方案的系统性与前瞻性。详细资料请看本解读文章的最后内容。
信息检索13
2301_80828873的博客
11-26 1052
最近邻检索的方法，PQ，IVF,HNSW
中国计算机学会（CCF）推荐学术会议-A（人工智能）：ACL 2026
iaast的博客
11-24 573
大会官网：https://2026.aclweb.org/录用率：20.3%（1699/8360，2025年）时间地点：2026年7月2日-加州·美国。截稿时间：2026年1月5日。CCF推荐：A（人工智能）
RAG 的诞生：为了让 AI 不再“乱编”
weixin_44876263的博客
11-24 841
RAG全称，中文为“检索增强生成”。其核心思想是：在生成答案时，不仅依赖大模型内部的训练知识，还能够实时访问外部知识库或文档，从而生成更加准确和可靠的内容。就像一个学生回答问题，不仅依靠自己记忆，还会去图书馆查资料，然后结合记忆和查到的资料回答问题。你问模型：“请告诉我最新的新能源补贴政策。纯模型可能只靠训练记忆，回答的是过时或模糊的信息。RAG 模型会先去查最新政策文件，再结合训练知识生成答案，因此更准确。检索资料：先找到相关文档或信息。结合生成：把找到的资料和问题一起输入模型，让模型生成答案。
RAG信息检索全解析：从Embedding到Reranker的超详细教程1
最新发布
Trb201013的博客
11-27 473
文章介绍了RAG系统中信息检索环节的核心技术，包括文档段落嵌入和用户查询嵌入，将文本转换为向量表示；详细解释了相似度检索的多种方法，如Top-K检索、MMR策略和Reranker二次排序技术；强调了合理切分策略对嵌入效果的重要性，以及查询扩展技术对提高检索准确度的作用。指出RAG的本质是"开卷考试"，检索质量直接影响最终生成效果。
【LoRA（低秩适应）技术详解：原理、公式与实践】
m0_46882548的博客
11-26 766
参数高效：可训练参数量通常仅为全量微调的0.01% - 3%，极大降低了计算和存储成本。内存友好：由于大部分原始权重被冻结，无需存储其优化器状态，显著减少了训练时的显存占用。无推理延迟：训练后可将LoRA权重合并回原模型，推理速度与原始模型一致。模块化与灵活性：一个基础模型可以搭配多个针对不同任务的、体积很小（几兆字节）的LoRA适配器，轻松切换任务。减轻灾难性遗忘：因为原始权重基本不动，模型在适应新任务时更不容易遗忘预训练时获得的通用知识。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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