联网吧! DeepSeek-R1

2025 DeepSeek 全版本服务器部署规格权威指南(附硬件选型与性能优化方案) 10×NVIDIA RTX 4090(单卡 24GB 显存,支持 PCIe 5.0×16):4×2TB U.2 NVMe SSD(系统盘)+ 8×16TB SAS 硬盘(数据盘):2×2TB NVMe SSD(系统盘)+ 12×16TB SAS 硬盘(数据盘):2×1TB NVMe SSD(系统盘)+ 8×8TB SAS 硬盘(数据盘)多卡集群(32 核 CPU+128GB 内存 + 4×24GB 显存)超算集群(64 核 CPU+512GB 内存 + 8×80GB 显存) 阅读详情

前面老胡写了教程《简单教程: 两步获取专属满血 DeepSeek-R1》帮助一些朋友解决了如下问题:

  • 忍受不了官方的服务器繁忙,请稍后再试,使用其他的 DeepSeek-R1 感觉有点不一样

  • 想找一个颜值高功能多的跨平台大模型客户端

  • 想使用自己专属定制性更强的 DeepSeek-R1 模型

  • 有 API 调用需求

  • 不用写代码,普通用户也能搞定

在后续沟通中,衍生出了新的需求,那就是联网,老胡经过调研查找,发现了一些解决方案:

  • ✅ 基于火山引擎的联网应用实现:因为本教程主要是让所有没有代码基础的朋友能玩转,所以尽量用现成能用的方案

  • 腾讯云 DeepSeek 联网助手:可以备选

  • 调用第三方搜索 API,将搜索结果和提问拼凑起来向模型提问,这需要有一定的代码基础

最终效果: 会自动检索搜索结果作为上下文进行回答,老胡周刊最新确实是 176 期[1]

Demo

文末有 DeepSeek 交流群,提供资讯,模型开源项目,玩法等信息流,有兴趣可以文末扫码添加。

基于火山引擎联网

开始前请确保根据教程《简单教程: 两步获取专属满血 DeepSeek-R1》已经成功获取了火山引擎的 DeepSeek-R1 API 并且成功使用。

首先进入火山引擎控制台的推理接入点[2],点击操作-->API 调用:

ds_01
ds_01

进入后点击关联应用,然后点击立即创建:

ds_02ds_03ds_04ds_05

开启后记得点击发布:

ds_06
ds_06

发布成功后,可以获取 Bot ID:

ds_07
ds_07

汇总下当前的信息:

  • API 请求地址变成:https://ark.cn-beijing.volces.com/api/v3/bots/ (最后这个反斜杠一定要带)

  • Bot ID :bot-20250215123456-abcd

  • DeepSeek R1 API KEY:和上一篇文章获取的一样

接下来让我们测试下,上一篇老胡推荐的是 chatboxai 作为客户端,大家可以继续用然后按照上一篇文章配置。

老胡希望每次能给大家带来点新东西,这次给大家推荐 cherry-studio[3],这也是一个开源的跨平台客户端,功能更丰富,有兴趣可以下载体验。

我们现录入当前的模型到软件里面去,然后就可以使用联网功能的 DeepSeek-R1 API:

ds_08
ds_08

配好之后的样子:

ds_09
ds_09

测试下:

ds_10
ds_10

联网搜索有每月2万次免费次数限制

腾讯云 DeepSeek 联网助手

先登录腾讯云,然后进入大模型知识引擎(https://lke.cloud.tencent.com/lke#/app/home),点击新建应用,创建完毕进入配置页面:

tx_ds_01
tx_ds_01

非常简单就申请好了,然后右上角点击发布,稍等片刻进入发布管理找到 API 相关信息:

tx_ds_02
tx_ds_02

点击调用:

tx_ds_03
tx_ds_03

但是老胡测试搜索结果质量一般,如果想 API 调用还需要自己写一层兼容代码来调用腾讯云的接口[4]。

调用第三方搜索 API

这个方案对于技术人员来说挺简单的,就是需要写代码,这里不讲具体代码实现,老胡会提供相关开源库简单说下实现方案:

  • 对于用户输入提问,随便找个免费的 LLM 将提问拆解成更有好的问题

  • 基于 duckduckgo_search[5] 找搜索步骤 1 生成的问题

  • 基于 DeepSeek 官方 Prompt[6] 将用户问题和搜索结果 排序拼在一起行程增强 Prompt,然后调用 API 提问

  • 获取联网搜索的答案

流程图如下:

dsr1-net-process
dsr1-net-process

虽然要自己动手麻烦了点,但是过程可控,质量可调,适合对联网搜索功能有质量和领域需求的朋友。


如果你:

  • 上面步骤操作有问题,想咨询

  • 想领取更多免费 DeepSeek R1 API

  • 想更深入探索 DeepSeek 的极客玩法以及领取相关资料

  • 一起交流分享行业资讯

欢迎进群一起交流分享:

wechat

都看到这里了,就给个关注吧👀:

喜欢我的文章,可以请你右下角顺手来一波点赞&在看&分享三连么👉

参考资料

[1] 

老胡周刊最新确实是 176 期: https://weekly.howie6879.com/2025/01-20~02-08.%E8%80%81%E8%83%A1%E7%9A%84%E5%91%A8%E5%88%8A%EF%BC%88%E7%AC%AC176%E6%9C%9F%EF%BC%89.html

[2] 

火山引擎控制台的推理接入点: https://console.volcengine.com/ark/region:ark+cn-beijing/endpoint?config=%7B%7D&projectName=undefined

[3] 

cherry-studio: https://github.com/CherryHQ/cherry-studio

[4] 

腾讯云的接口: https://cloud.tencent.com/document/product/1759/105561

[5] 

duckduckgo_search: https://github.com/deedy5/duckduckgo_search

[6] 

DeepSeek 官方 Prompt: https://github.com/deedy5/duckduckgo_search

从嵌入式工程师到AI创业者:技术迁移的底层逻辑 嵌入式系统是理解现代人工智能工程本质的重要入口——它强调物理世界感知、实时性约束、资源受限优化与端到端闭环验证。这种以硬件为锚点的系统思维,天然支撑大模型在推理部署、训练稳定性、显存利用和故障降级等关键环节的深度优化。当行业聚焦SOTA指标时,真正决定AI能否落地的,往往是信号链设计中的噪声抑制能力、RTOS里的中断响应精度、PCB布局对高频干扰的规避意识。DeepSeek的技术路径印证了这一点:其MoE架构可插拔设计源自LoRa野外压力测试,KV Cache切片策略脱胎于L2缓存对齐经验,而开源透明度则延 阅读详情

相关推荐

DeepSeek R1本地化部署与联网功能实战指南:从零搭建智能对话系统

在人工智能技术快速发展的今天,如何将先进的对话模型DeepSeek R1部署到本地环境并赋予其联网能力,成为许多开发者和企业关注的重点。本文将深入讲解完整的本地化部署流程,并通过实例代码演示如何为模型添加实时网络访问功能。

理论都是虚的,代码才是王道。 7万+

『手把手教程』:4步开启DeepSeek-R1联网搜索功能!

『手把手教程』:4步开启DeepSeek-R1联网搜索功能!

hunteritself的博客 1万+

YOLO26算法车道线检测+训练好的模型+360张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[未获取()] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 55 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9512** mAP50-95 | 0.6746 Precision | 0.8796 Recall | 0.8825 train/box_loss | 0.8608 train/cls_loss | 0.7232 val/box_loss | 0.9955 val/cls_loss | 0.5511 【训练过程分析】 这轮训练我经历了从初始到稳定的曲折过程。前 20 个epoch,loss 曲线呈现了陡峭的下降趋势,mAP50 指标从 0.8 开始逐步攀升,仿佛在寻找一个合适的平衡点。然而,从第 21 个epoch 开始,mAP50 的提升速率显著放缓,整体曲线显得有些曲折,有时甚至停滞不前,让我一度以为训练出现了问题。直到第 35 个epoch,loss 开始逐渐趋于平稳,这标志着模型已经找到了一个较好的收敛区间。到了最后的 20 个 epoch,尽管 mAP50 依旧在稳步上升,但提升幅度已经不大,这意味着模型已经接近其性能天花板。 在这个过程中,我重点关注了 box_loss 和 cls_loss 的变化。初期阶段,box_loss 快速下降,从 0.9 逐渐降至 0.86,而 cls_loss 则从 0.75 逐步下降至... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

学生党福利:DeepSeek-R1云端体验,比网吧充值还便宜

本文介绍了如何在星图GPU平台自动化部署“DeepSeek-R1-Distill-Qwen-1.5B文本生成模型 二次开发构建by113小贝”镜像,快速搭建云端AI开发环境。该方案无需本地显卡,支持学生党按需使用T4 GPU实例,典型应用于课程设计中的报告生成、代码辅助与知识答疑,成本低至每小时不到一块钱,开箱即用,高效便捷。

CrystalwaveStag的博客 581

关于AI开发方法论-以文档为索引的高质量协作开发:让一次现象描述精准命中几个代码块

对AI的编码规范进行约束

syslog_test.py

syslog_test.py

DeepSeek-R1代码补全实测:学生党福音,1元体验1小时

本文介绍了基于星图GPU平台自动化部署DeepSeek-R1-Distill-Qwen-1.5B镜像的完整流程,该轻量级模型专为代码补全优化,仅需4GB显存即可运行。通过平台一键部署,学生可在无高性能硬件环境下,以极低成本实现AI辅助编程,典型应用于Python函数生成、多语言代码补全及课堂作业开发等场景,显著提升学习效率。

SilverMoon18的博客 663

在摩尔线程 MTT S80 上使用 Ollama 进行 DeepSeek R1 蒸馏版模型推理

本文主要介绍了如何在摩尔线程 MTT S80 上通过 Ollama 快速完成DeepSeek R1 蒸馏系列模型的推理。

摩尔线程blog中心 3595

DeepSeek-R1从零开始:小白友好教程,1块钱体验顶级模型

本文介绍了如何在星图GPU平台自动化部署DeepSeek-R1-Distill-Qwen-1.5B文本生成模型 二次开发构建by113小贝镜像,实现零代码快速启动。基于该平台,用户可轻松完成模型加载与交互,适用于AI写作、教育出题、创意生成等典型场景,特别适合无技术背景的初学者低成本体验大模型能力。

SilvermistRaven28的博客 981

VS2022 中 std::mutex 静态初始化陷阱:一次诡异崩溃的排查记录

VS2022中使用std::mutex时遇到的静态初始化陷阱问题。该问题源于VS2022 17.4版本为std::mutex添加constexpr支持后,全局静态初始化可能导致系统资源未就绪时锁失效或崩溃。文章分析了问题现象、影响范围,并提供了解决方案。最后给出了排查清单和核心建议

qq_34552942的博客 951

IROS 2025机器人技术解析:从诡异设计到硬核应用

机器人技术正从传统的结构化环境应用,迈向复杂非结构化场景的深度交互。其核心原理在于通过仿生设计、多模态感知与智能控制算法,赋予机器人类似生物的适应性与交互能力。这一技术演进的价值在于突破传统机器人在极端环境、精密操作和自然交互中的瓶颈。例如,结合深度强化学习的全身动力学控制,使机器人能在废墟、管道等复杂地形中自主导航;而软体机器人技术则通过材料变形实现安全、柔顺的抓取操作。这些技术最终服务于极端环境巡检、精密装配和高端陪护等刚性应用场景,推动机器人从功能实现迈向与环境、人进行深度、智能交互的新阶段。

weixin_34006468的博客 447

中国AI上演「绝地反击」:DeepSeek-R1的「穷举式创新」技术解析

以低成本算力实现高性能突破,引发技术圈热议。其「二手显卡组队挑战GPT-4」的戏剧性场景,折射出中国AI在技术封锁下的创新突围。本文将从算法优化、数据策略、算力调度等维度,深度解析这一「穷举式创新」的技术路径。当西方用「氪金模式」堆砌护城河时,中国团队以「应用题思维」在资源约束中创造新范式。这种「穷举式创新」精神,或许正是AI时代「换道超车」的关键密码。在算法、数据、算力三要素中,你认为哪一项是中国AI最需突破的瓶颈?欢迎在评论区展开技术辩论!DeepSeek-R1的突破证明,近期,国产AI大模型。

2501_91345652的博客 644

Android SurfaceFlinger——概述(一)

对于系统渲染流程的理解是指导 SurfaceFlinger 设计的核心思想,从 Android 4.1 一直到 Android 9.0 都没有太大的变化。只要抓住这五个核心思想,我们阅读 SurfaceFlinger 的难度就会下降不少。下面看一下 SurfaceFlinger 的体系和 Skia 以及 View的绘制流程的关系。framework 面向开发者所有的 View 是便于开发的控件,里面仅仅只是提供了当前 View 各种属性以及功能。

小旭的专栏 2583

0 帧起步,腾讯云 TI 平台 5 分钟 私有化 DeepSeek

新年本应该祝福满屏的朋友圈,忽然间被 Deepseek 刷屏,这款被《黑神话:悟空》的制作人冯骥的评述:“DeepSeek可能是国运级别的科技成果。至今已在160多个国家的应用商店屠榜。DeepSeek的最新模型DeepSeek-V3和DeepSeek-R1确实属于MoE(混合专家)架构,并在开源世界产生了较大的影响力。特别是2025年1月开源的DeepSeek-R1,其模型性能可挑战OpenAI闭源的o1模型。

2135

【系统分析师】高分论文:论基于构件的软件开发(气象灾害影响评估系统)

本文以某手机气象灾害影响评估系统为例,探讨了基于构件技术的软件开发实践。通过分析开发中常见的功能模块重复问题,提出建立企业构件库、针对性选择构件和加强构件管理的解决方案。项目实施中成功复用登录模块等通用构件,并针对气象数据转换需求开发新构件,最终在8个月内高质量完成系统建设。文章总结了构件开发的三个关键点:构件库建设是基础、构件选择需精准、构件管理要规范。同时指出需注意全新需求开发、性能优化等问题,建议通过培训提升团队对构件的理解力。该案例证明构件技术能有效缩短周期、降低成本,为企业积累可复用的技术资产。

数据知道的博客 4252

仿真学习系列(三十):Sigrity设计文件(Altium Designer和Allegro)导入

很多刚接触 Sigrity 的工程师都会产生疑问:Sigrity 功能这么多,是不是门槛很高?我能学得会吗? 其实,Sigrity 的核心并不在“操作难”,而是在“理解仿真背后的机理”。一旦掌握基本流程,你会发现它并没有想象中那么复杂,反而能大大提升你的高速设计能力。本节内容,就是从最简单的一步开始 —— 把你的设计文件正确导入 Sigrity。

案例文章,高速信号 520

如火如荼的deepseek,AI初试探!

deepseek 本地部署,Qwen-1.5b模型,lmstuio平台,AMD gpu.

xh_w20的专栏 867

人形机器人构成及成本估算(附报告)

这些执行器本身由螺杆、减速器、电机、传感器、滚珠轴承和编码器等组件构成。实现线性与旋转运动互转。人形机器人的运动系统可以由电驱动、液压驱动或气动驱动组成,但由于电驱动具有更高的精度和更快的响应速度,正在成为主流设计方案。执行器:NSK、THK、Harmonic Drive、Leaderdrive、Nidec、Moons。由螺杆、减速器、电机、传感器、轴承和编码器组成(如上为Tesla Optimus执行器设计示意)。传感器:Keyence、Robosense、Sensata、ATI、TE、Sony。

具身机器人和通用AI 1769

咸鱼流出性能爆炸高端国产游戏掌机,锐龙R7 7840U+32GB+2TB配置,号称deepseek r1 32b最小移动终端设备,引7万人次浏览!

但也同样存在极端现象,比如咸鱼二手市场总是能够流出各种各样的高端配置产品,有电脑,有平板,当然还有某些游戏老哥们的最爱,也就是掌机。这不,有刷到咸鱼二手市场流出一款高端国产游戏掌机,GPD WIN4,配置比大部分老哥们的电脑都高,当然也包括个人渣渣电脑,你有刷到过吗?游戏掌机估计是很多老哥们的梦寐以求的品类,尤其是年少之时,无疑是终极梦想产品之一,可惜时不再来,如今大部分都是电子阳痿级别了吧!目前这款机器几乎全新的状态,使用感受极佳,流出价位为4500元,说是寻找有缘人,当不是每个老哥都能承受的!

二爷记 773

安卓中蓝牙免提HFP的一些分析

最近看了一些大牛的博客,无不提到了技术分享的重要性,的确,分享自己的知识不仅仅是与他人讨论并相互提高的过程,更是对自己知识的梳理。希望自己能以此为契机,形成周期性博客分享的习惯。 文章标题为HFP的一些分析,HFP(Hand Free Profile)主要定义了安卓中与接打电话相关的一些功能的实现。本文主要介绍这其中对于HFP非常重要的Service Level Connection的建立。首先...

底层码农 770

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

DeepSeek-R1-0528-MXFP4-v2模型架构详解:MoE专家系统与MXFP4动态量化技术

DeepSeek-R1-0528-MXFP4-v2是基于DeepSeek-V3架构的先进大语言模型,采用混合专家系统(MoE)架构和创新的MXFP4量化技术,专为AMD MI350/MI355硬件平台优化。这个模型在保持高性能的同时,通过先进的量化技术显著降低了内存占用和计算需求,为AI推理提供了高效的解决方案。 ## 🔍 模型架构概览 DeepSeek-R1-0528-MXFP4-v2采用

gitblog_00953的博客 284

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

可以说全站最简:0代码1分钟极简本地部署QwQ-32B教程

0代码1分钟本地部署qwq/deepseek教程

Mistyyyyyyy的博客 1063

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

全球首发:QwQ-32B本地一键部署、3090单卡可跑,共享算力成关键

算了么」团队拥有深厚的学术和技术背景,核心成员来自清华大学、北京大学以及 Intel、字节跳动等知名企业。团队在分布式资源调度领域深耕多年,曾获 2024 年中国国际大学生创新大赛亚军(金奖,创业组冠军),并已获得奇绩创坛、水木创投等知名机构的投资。早在平台创立之初,「算了么」团队就敏锐洞察到大模型发展的两大趋势:「小型化」与「分布式」。两者均对当前大模型的实际应用落地具有重要的推动作用。

m0_70486148的博客 2032

GPT-5.4是假消息?国产大模型替代方案与本地部署实战指南

大语言模型(LLM)作为当前AI基础设施的核心组件,其演进逻辑并非传统软件的版本号迭代,而是以能力里程碑为标志的技术跃迁。理解GPT系列命名本质、识别虚假模型宣传,是开发者与企业用户规避风险、高效落地的前提。本文从模型演进原理切入,剖析OpenAI未发布GPT-5系列的真实原因,并聚焦Qwen2.5、GLM-4、DeepSeek-V2等主流国产大模型,系统梳理网页免注册使用、API合规调用及RTX 4090级本地私有化部署三大路径,覆盖从零门槛试用到企业级可控推理的完整技术栈,助力用户在无翻墙、不依赖境外服

weixin_34357436的博客 397

28岁,从运营商外包学习AI的第90天,我做出了第一个能用的RAG系统

我是运营商门店的驻店专员,说白了就是卖套餐办业务。没有技术背景,Python 是今年 3 月在网吧学的。 90 天后,我搭了一个电信套餐智能问答系统,部署在云服务器上,评测准确率 98.7%,幻觉率5%,。 这篇文章记录全过程:踩了什么坑,怎么爬出来的,以及一个非技术人员搞 AI 到底行不行。

2602_96199515的博客 330

1.9万预算游戏主机怎么配?9800X3D+5070 Ti是当前最优解

硬件装机中,CPU缓存与显卡架构是决定游戏帧数的关键。AMD 3D V-Cache技术通过堆叠L3缓存提升游戏数据处理效率,NVIDIA DLSS 4多帧生成则让显卡在2K/4K下获得更高流畅度。两者配合能有效解决CPU与GPU性能失衡的瓶颈。在1.9万预算下,选择9800X3D搭配RTX 5070 Ti,可同时满足高画质3A游戏、1% Low帧稳定以及本地AI推理等场景需求。本文给出从主板、内存到电源的完整配平逻辑,并详解BIOS设置与性能验证流程,帮你打造一台游戏与创作兼顾的均衡主力机。

weixin_34208283的博客 361
上一篇: 简单教程: 两步获取专属满血 DeepSeek-R1
下一篇: 老胡的周刊(第177期)
老胡的储物柜
博客等级 码龄12年 1141粉丝 284原创
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
 
 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