DeepSeek + Playwright 實戰：AI 自動生成高覆蓋率測試腳本
【AI驅動】
DeepSeek和Playwright的結合為自動化測試帶來了新突破。通過AI驅動的代碼生成，自動生成高質量測試腳本，提升測試效率和覆蓋率。DeepSeek能夠解析自然語言需求，生成滿足業務需求的測試腳本，并通過機器學習優化覆蓋率。實測數據顯示，與手工編寫測試相比，DeepSeek大幅降低編寫和維護時間，提高了初始和邊界用例覆蓋率。這種方法適用于復雜交互驗證、異常流測試和跨平臺兼容性場景，建議從非核心模塊試點推廣。
2025/03/12
Spring AI快速入門-基于DeepSeek&智譜實現聊天應用
【AI驅動】
本文介紹了Spring AI框架，旨在將Spring的設計原則應用于AI領域，支持主流大語言模型平臺，實現文本對話、圖像生成等功能。通過項目搭建、代碼測試等步驟，基于DeepSeek和智譜AI大模型實現了聊天應用。文章提供了項目結構圖、環境配置和完整代碼，鼓勵技術交流和學習。
2025/03/12
Playwright + DeepSeek實戰：手把手教你用ai實現xmind用例生成到自動化測試
【AI驅動】
本文通過結合Playwright和DeepSeek，演示了如何利用AI技術將Xmind生成的高覆蓋測試用例轉換為自動化測試代碼。文章詳細介紹了從用例生成到代碼實現的步驟，包括頁面對象生成、數據驅動和異常場景擴展。針對元素定位頻繁變更、支付超時等異步場景和復雜場景覆蓋率低的問題，提供了AI驅動的解決方案，提升了用例生成效率、異常覆蓋率和維護成本。
2025/03/12
Markdown + AI = 效率神器：10分鐘就能學會的大模型文本格式
【AI驅動】
文章介紹了Markdown與AI結合的效率優勢，強調Markdown作為輕量級標記語言，因其簡潔的語法和跨平臺的通用性，在AI時代顯得尤為重要。Markdown幫助AI理解文本結構，適用于生成結構化文檔、技術文檔和學習筆記。熟練使用Markdown可以提升工作效率，特別是在文檔協作、筆記管理和內容創作中。通過這篇指南，讀者可以快速掌握Markdown的基本用法，并在與AI大模型的協作中有效運用這一工具。
2025/03/12
DeepSeek+Drawio+SVG繪制架構圖-找到一種真正可行實用的方法和思路
【AI驅動】
本文介紹了使用DeepSeek工具結合Drawio和SVG生成軟件功能架構圖的方法。通過與AI工具的交互，不斷調整提示語模板，生成符合需求的架構圖。文章中提供了兩種方法的示例：DeepSeek生成Drawio的XML文件和直接生成SVG代碼。調整提示語約束是實現預期結果的關鍵，這種方法不僅適用于功能架構圖，還可以應用于其他類型的架構圖繪制。此方法的優勢在于生成的SVG文件可以直接在瀏覽器中運行并進行修改。
2025/03/12
Playwright + DeepSeek實戰：如何讓AI“看懂”網站頁面內容？自動定位頁面元素？
【AI驅動】
本文探討如何使用Playwright與DeepSeek使AI理解動態網站頁面內容并自動定位元素。文章分析了動態頁面挑戰及大語言模型的局限性，提出三種解決方案：人工描述頁面功能、抓取HTML源碼輸入、錄制用戶操作流并優化。這些方法旨在提升自動化測試效率與代碼質量，適用于不同復雜程度的場景。未來技術進步可能讓AI直接理解頁面。
2025/03/12
別再苦等Manus邀請碼，Flowith——超棒的平替之選
【AI驅動】
Manus在內測階段以其自動化操作吸引眾多關注，但邀請碼難求。Flowith作為其平替，由國內團隊開發，提供畫布式交互和多線程思維，重新定義人類與AI協作。通過案例對比，Flowith界面美觀，交互體驗優于Manus。Flowith提供多種模式和模型選擇，并支持知識花園功能。Oracle模式自動規劃任務，生成高質量結果。Flow模式允許多AI協作生成內容。使用教程展示了如何生成心情記錄網頁，推薦試用Flowith以體驗類似于Manus的功能。
2025/03/12
生產級滿血版Deepseek-r1 671B部署實例
【AI驅動】
這篇文章詳細介紹了Deepseek-r1 671B滿血版的生產級部署過程。作者在春節準備旅游時被Deepseek吸引，因而投入精力進行模型部署。文中涵蓋了從模型文件下載、服務器和顯卡準備，到推理引擎選擇和網絡配置等多個步驟。作者使用了H100顯卡并提到網絡帶寬是推理速度的關鍵限制因素，建議使用Infiniband網絡來提升性能。文章最后分享了一些部署中的常見問題和解決方案，并計劃下一步進行性能測試和優化。
2025/03/12
生產級滿血版Deepseek-r1 671B部署后續問題、調優以及壓測
【AI驅動】
本文介紹了在2臺8 * H100 80G上部署Deepseek-r1 671B后的問題及優化措施。盡管VLLM V1引擎強大，但因不支持Deepseek，作者退回V0版本，并發現處理長上下文時出現降速問題。通過轉向SGLang引擎，解決了降速問題，提升了生成速度。在壓測中，發現TTFT和吞吐量在不同并發下的變化，指出了參數優化的潛在方向。未來計劃繼續優化系統性能，同時歡迎技術交流與反饋。
2025/03/12
【LLM落地應用實戰】LLM + TextIn文檔解析技術實測
【AI驅動】
本文探討了LLM與TextIn文檔解析技術的結合應用，分析了現有大模型在文檔解析中的挑戰，如圖像處理、版面分析、內容識別和語義理解的難題。TextIn通過其強大的技術實力，提供了精準的文檔解析解決方案，使文檔信息能夠快速、準確地轉化為計算機可處理的格式，并與LLM結合進行深層次的內容分析和任務處理。通過TextIn和LLM的結合，可以實現對復雜文檔的高效解析和信息提取，提升文檔處理能力。
2025/03/12
TorchCodec: 用于 PyTorch 的視頻解碼庫
【AI驅動】
TorchCodec是一個用于PyTorch的視頻解碼庫，可以將視頻解碼為PyTorch張量，用于機器學習模型的訓練和推斷。該庫支持CPU和GPU解碼，提供簡單易用的接口。用戶需先安裝PyTorch和FFmpeg，然后通過pip安裝TorchCodec。解碼后的視頻幀默認形狀為(N, C, H, W)，可通過參數調整順序。詳細使用方法和示例可參見其官方文檔。
2025/03/12
【AI落地應用實戰】RAGFlow + 知識圖譜 + Deepseek 初步探索
【AI驅動】
本文探討了AI技術在知識產業中的應用，特別是結合RAGFlow、知識圖譜和Deepseek的實踐。傳統RAG在知識庫搭建中存在諸多缺陷，如知識結構空心化和邏輯推理斷裂。引入知識圖譜能捕捉復雜關系并支持語義推理，提升答案生成的準確性。實踐中，RAGFlow結合GraphRAG框架重構，支持多種LLM平臺配置，強調知識庫和圖譜的系統性構建，以實現更智能的AI助手功能。
2025/03/12
Win11+CUDA 12.4+PyTorch+Anaconda+PyCharm 安裝與配置GPU版
【AI驅動】
這篇筆記梳理了在Windows 11上安裝和配置PyTorch的GPU版，包括使用CUDA 12.4、Anaconda和PyCharm等工具。首先介紹了各軟件的關系，Anaconda用于創建虛擬環境，CUDA驅動和庫用于GPU加速。安裝步驟涵蓋Anaconda下載與安裝、環境變量配置以及CUDA的準備工作。筆記還包括如何檢查電腦是否有NVIDIA GPU，以確保PyTorch的GPU版本可用。詳細步驟和注意事項旨在幫助用戶順利完成安裝和配置。
2025/03/12
DeepSeek 全面指南，90% 的人都不知道的使用技巧
【AI驅動】
本文介紹了 DeepSeek 的使用技巧和優勢，強調其在 AI 領域的突破性進展。作者分享了如何高效使用 DeepSeek 的方法，包括確保啟用關鍵功能按鈕以提升性能、摒棄傳統的長篇提示詞模板并采用簡潔的零樣本提示詞、通過“說人話”指令讓模型輸出更通俗易懂、利用風格改寫功能以不同風格重寫內容，以及通過創意小說功能展現其對文化背景和歷史細節的深刻理解。文章還提到 DeepSeek 在美區 AppStore 登頂的歷史性時刻，展現了其在 AI 領域的領先地位。作者呼吁讀者嘗試 DeepSeek 的強大功能，并分享使用感受。
2025/03/12
2種方式1鍵部署，快速體驗QWQ-32B 模型
【AI驅動】
QwQ-32B 推理模型已發布并開源，支持通過阿里云平臺以兩種方式一鍵部署：應用模板和模型服務。用戶可選擇基于模板創建項目和部署，也可以使用 API 形式接入業務應用。QwQ-32B 在多項能力測試中表現優異，性能比肩更大規模模型，適用于數學、編程等任務。使用阿里云 CAP 平臺，用戶可以在數分鐘內完成部署并驗證模型功能，同時可選擇在第三方平臺進行調用和應用。
2025/03/12
