勿芮介的博客

本文介绍了在开发健康养生类产品时如何通过调用多模态AI模型（DeepSeek-VL2）实现医学报告图像分析功能。针对API接口选择问题，对比了DeepSeek、硅基流动和百度千帆后，最终选用硅基流动平台。详细说明了基于C#/.Net6环境的技术实现方案，包括图像Base64数据处理、多模态请求体构建（结合系统提示词和用户图像）、以及返回结果解析流程。重点展示了系统设计的医学报告分析步骤：图像类型识别、关键信息提取和专业解读，并提供了完整的API请求/响应实体结构和示例代码。该方案可为医疗健康类应用的AI报告

本文介绍了如何将Coze AI助手的用户提问和回答记录到飞书多维表格中，以便后续分析优化。主要步骤包括：1）在Coze中添加飞书多维表格插件；2）创建飞书多维表格；3）配置插件参数，包括授权方式、表格链接和记录内容格式。文章提供了详细的操作指南和参考文档链接，适用于需要简单记录AI交互数据的场景。

本文记录了作者在本地部署LLM大模型时，尝试实现流式对话功能的过程。文章以硅基流动平台的AI文本对话接口为例，详细介绍了对接方案、接口分析及实现步骤。作者通过封装请求实体类和使用HttpClient实现API调用，展示了如何发送聊天请求并处理响应。此外，文章还介绍了如何实现流式请求和实时显示结果，包括流式返回结果实体的定义和流式请求响应

目前一些应用都在慢慢支持对于Deepseek的接入。目前大多word文档使用deepseek都需要收费。这种本地化的AI应用尝试也是一种不错的探索。大多数的调用AI，其实都是对于API接口的使用，对代码有一定了解的小伙伴都可以快速上手。把之所学，以文载之~ 欢迎小伙伴多多交流。

如果知识对知识库内容信息进行查询DeepSeek V3效果更好。同时不同的嵌入模型对于文档数据的分类可能也会有影响，大家可以根据自身实际情况进行尝试。

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合信息检索与生成模型的人工智能技术，旨在通过检索外部知识库中的信息来增强语言模型的生成能力。找资料、整理资料和回答问题。首先，它会在一个知识库里找到和问题相关的部分；然后，把找到的内容整理成简单易懂的形式；最后，用整理好的内容生成一个清晰准确的回答。从图中可以看到，一个用户提问过来，在AI生成回复时，有三个主要概念需要了解。主要有三个概念。

🌟 Cherry Studio 提供了诸如完整的 Markdown 渲染、智能体创建、翻译功能、文件上传和多模态对话等个性化功能，并具有友好的界面设计和灵活的主题选项，旨在为用户提供全面而高效的 AI 交互体验。1、目前在deepseek官网使用AI服务时，因为使用人数过多、性能资源有限等问题，导致经常出现卡顿，或则“系统繁忙”等情况。OK,有了上面的Api密钥，下面就是在相关的AI工具中配置使用了，这里选择的是Cherry-Studio,这里贴了官方的教程，在增加点个人使用中的理解，省的来回跳转了。