近期热门的DeepSeek小伙伴们用了吗？还不知道怎么本地化安装？更不知道怎么实践？可以来华为开发者空间轻量化部署，小编手把手教学，即装即用，不占用本地资源，还不来试一试？体验完后提交开发者空间优化建议，还可以领取开发者礼包，包括但不限于华为耳机、手环、体脂称等好礼，快叫上小伙伴一起提建议吧~ 【实践项目】体验项目项目名称难度系数1云主机轻松部署DeepSeek★★2云主机调用DeepSeek实现代码自动生成★★3基于DeepSeek和Dify构建心理咨询师应用★★4基于DeepSeek+Cherry Studio构建模拟面试助手★★5DeepSeek模型API调用及参数调试★★★6基于仓颉编程语言+DeepSeek实现智能聊天助手开发秘籍★★★7自主编程之Cline×DeepSeek的智能融合探索★★★8本地部署DeepSeek构建RAG向量数据库★★★9基于DeepSeek搭建Agent智能助手★★★10DeepSeek大模型Prompt工程深度实践★★★★更多实践案例见“开发者空间案例中心” 【活动时间】2025年3月24日-4月13日 【参与方式】01 体验DeepSeek实践项目   》   02 去云声平台提建议    》  03 建议评估公示（2个工作日内）  》   04 获奖公示 ps：建议标题需要以“开发者空间体验官”开头 【奖项设置】奖项设置评选条件获奖名额激励礼品有效建议奖1、建议内容涉及的实践项目不少于2个2、有效建议数量不少于2条PS：实践项目3-4个，建议总积分额外增加10%；实践项目5个及以上，建议总积分额外增加15%；3名积分榜第1名：1000元礼品/人积分榜第2名：800元礼品/人积分榜第3名：500元礼品/人优质建议奖1、有效建议不少于2条，由内部技术专家投票选出10名每人100-200元开发者定制礼品【活动说明】1、建议预审通过即为有效建议，其中1条有效功能类建议为1分，1条有效体验类建议为0.3分；有效建议奖与优质建议奖可叠加2、建议提交时需要在标题中以“【开发者空间体验官】”为建议标题开头，比如【开发者空间体验官】开发者空间增加XX/优化XX/导入XX等3、建议内容仅针对以上“华为开发者空间+DeepSeek实践”项目中涉及的云产品，非以上实践项目涉及产品建议内容不参与此活动4、优质建议要求建议对云产品功能及优化改进有重要作用，优先从已被采纳的建议的选择；建议内容需要表述清晰，有明确的建议方案，最好有操作截图或链接等能进一步详细描述；高价值建议数量不限，且与有效建议奖可叠加，每位用户每月最多可获得一次。5、注意事项1）若出现积分相同且排名一致的情况，结合已实现和已采纳建议情况，由内部技术专家选出价值更高的建议用户给予奖励2）同一用户在同一页面（文档）提出的同一类用户体验问题（包括但不限于错别字、语句不通顺、视觉体验等），在通过审核后仅算作一条有效建议数3）若发现代他人提交优化建议，此建议分值只取原分值30%；若发现2次及以上重复提交他人建议，或3次及以上重复提交体验类相关建议进行恶意刷量（包括但不限于错别字、语句不通顺、视觉体验等），取消本人活动参与资格；在活动截止日前进行大量刷屏提交建议，或者重复提交同类型体验建议，直接取消活动参与资格4）以上兑换礼品均为仓库现有实物礼品，有货的情况下优先满足，其中1-3名可优先选择华为自营品牌电子礼品，礼品价值不能超过商品原价，无货则不可以指定，如遇商品缺货，将随机换成其他等价值礼品发放5）此【开发者空间体验官】与云声月度例行激励活动不叠加，若标题无【开发者空间体验官】标记，则有效建议默认参与月度例行激励

Kotaemon：一个开源、简洁且可定制的RAG UI，用于与您的文档进行对话简介：Kotaemon 是一个开源的、简洁且高度可定制的 RAG（Retrieval-Augmented Generation，检索增强生成）用户界面，专门设计用于与您的文档进行对话。无论是普通用户还是开发者，Kotaemon 都旨在提供一种直观、灵活且高效的方式来管理和交互您的文档内容。它不仅仅是一个简单的聊天工具，更是一个集成了先进 AI 技术的智能文档助手，能够帮助用户快速检索、理解和生成与文档相关的信息。核心功能：文档对话：用户可以直接与上传的文档进行对话，系统会根据文档内容生成准确、相关的回答。支持多种文档格式，包括 PDF、Word、Markdown、代码文件等。检索增强生成（RAG）：结合了强大的检索机制和生成式 AI 模型，能够从海量文档中快速找到相关信息，并生成流畅、自然的回答。确保回答的准确性和上下文相关性，提升用户体验。简洁直观的用户界面：界面设计简洁明了，易于上手，适合非技术背景的用户使用。提供清晰的导航和操作提示，确保用户能够快速找到所需功能。可定制化开发：开发者可以根据需求自定义界面和功能，满足特定场景的应用。提供丰富的 API 和插件机制，支持与其他系统集成。本地化部署：支持本地部署，确保数据安全和隐私。用户可以在自己的服务器上运行 Kotaemon，完全掌控数据。适用场景：企业内部知识管理：企业可以利用 Kotaemon 构建智能知识库，员工可以通过对话快速获取公司政策、技术文档、操作手册等信息。提升团队协作效率，减少信息检索时间。开发者文档助手：开发者可以使用 Kotaemon 与代码库、API 文档进行交互，快速查找函数用法、代码示例等。提高开发效率，减少查阅文档的时间。个人知识管理：个人用户可以利用 Kotaemon 管理学习笔记、研究资料、项目文档等，通过对话快速找到所需信息。构建个人知识体系，提升学习和工作效率。教育和培训：教育机构可以使用 Kotaemon 作为教学辅助工具，学生可以通过对话获取课程资料、解答疑问。提供个性化的学习体验，增强学习效果。技术优势：开源和透明：Kotaemon 是一个开源项目，代码公开透明，用户可以自由查看和修改。社区驱动，持续更新和改进。高性能和可扩展性：采用先进的技术架构，确保系统的高性能和可扩展性。支持处理大规模文档数据，满足不同规模用户的需求。安全可靠：提供本地化部署选项，确保数据安全和隐私。内置多种安全机制，保障用户数据的安全。部署方式：使用docker部署docker run \-e GRADIO_SERVER_NAME=0.0.0.0 \-e GRADIO_SERVER_PORT=7860 \-v ./ktem_app_data:/app/ktem_app_data \-p 7860:7860 -it --rm \ghcr.io/cinnamon/kotaemon:main-ollama部署后使用的效果图如下：总结：Kotaemon 作为一个开源、简洁且可定制的 RAG UI，旨在为用户提供一个高效、便捷的文档对话工具。无论是企业、开发者还是个人用户，Kotaemon 都能帮助您更好地管理和利用文档内容，提升工作效率。随着技术的不断进步和社区的支持，Kotaemon 将在未来展现出更广阔的应用前景。项目地址：cid:link_0

案例介绍本案例指导开发者通过开发者空间提供的云主机，使用开源Kotaemon的RAG UI框架，调用ModelArts Studio 大模型平台的DeepSeek-V3-32K模型，构建私人知识库。案例内容1 概述1.1 背景介绍ModelArts Studio作为一款先进的大模型即服务平台，集成了高效便捷的模型开发工具链，支持企业对大模型进行深度定制开发，实现模型应用与业务系统的深度融合，从而显著降低企业AI技术的落地成本与实施难度，助力企业快速实现智能化转型。如今，知识库已成为企业和个人提升工作效率、积累知识资产的重要工具。传统知识库存在构建成本高、维护困难、检索效率低等问题。本案例利用Kotaemon框架和ModelArts Studio提供的DeepSeek-V3-32K模型，构建一个高效、便捷、可定制的本地/私人知识库，方便开发者检索各种场景的文档，提高工作效率。有下列应用场景：开发者文档检索: 开发者可以快速检索 API 文档、代码示例、技术博客等，提高开发效率；企业内部知识管理: 企业可以构建内部知识库，方便员工共享和检索知识，提升团队协作效率；个人知识积累: 个人可以利用知识库管理学习笔记、项目资料等，构建个人知识体系。1.2 适用对象企业个人开发者高校学生1.3 案例时间本案例总时长预计60分钟。1.4 案例流程说明：① 用户使用登录开发者空间并配置云主机；② 用户提供Firefox浏览器在ModelArts Studio平台中领取DeepSeek-V3-32K模型；③ 使用docker部署Kotaemon框架④ Kotaemon调用ModelArts Studio平台中的DeepSeek-V3-32K API模型；⑤ 用户在Firefox浏览器中构建AI知识库并对其进行聊天。1.5 资源总览本案例预计花费总计0元。资源名称规格单价（元）时长（分钟）开发者空间2vCPUs | 4GB X86 |Ubuntu 22.04 Server定制版0602 资源与开发环境准备2.1 配置云主机首先登录开发者空间，登录后页面如下：点击配置云主机，按如下规格进行云主机配置。云主机名称：我的云主机/自定义CPU架构：X86规格：2 vCPUs 4 GB操作系统：Ubuntu系统镜像：公共镜像 Ubuntu 22.04 Server定制版确认以上配置正确，点击安装，进行云主机操作系统安装。安装完毕之后，点击进入桌面。环境准备中，大约需要3-5分钟，请您耐心等待…进入桌面后的默认效果如下：2.2 领取DeepSeek-V3-32K模型在云主机桌面底部菜单栏，点击打开火狐浏览器：用Firefox浏览器访问ModelArts Studio首页， 点击ModelArts Studio控制台，跳转到登录界面，按照提示登录，即可进入ModelArts Studio控制台：签署免责声明：进入ModelArts Studio控制台首页，在左侧菜单栏，选择模型推理中的在线推理，在免费服务中选择DeepSeek-V3-32K（NEW）模型，点击领取，领取200万免费token。3 安装并配置Kotaemon3.1 Kotaemon安装Kotaemon 是一个开源的、简洁且高度可定制的 RAG（Retrieval-Augmented Generation，检索增强生成）用户界面，专门设计用于与您的文档进行对话。无论是普通用户还是开发者，Kotaemon 都旨在提供一种直观、灵活且高效的方式来管理和交互您的文档内容。它不仅仅是一个简单的聊天工具，更是一个集成了先进 AI 技术的智能文档助手，能够帮助用户快速检索、理解和生成与文档相关的信息。项目地址：cid:link_4本次通过docker安装Kotaemon。首先先安装docker：参考文档：cid:link_1登录开发者空间云主机，更新软件包列表。sudo apt-get update安装Docker所需依赖包。sudo apt-get -y install ca-certificates curl创建/etc/apt/keyrings目录，并下载Docker的官方GPG密钥到该目录。sudo install -m 0755 -d /etc/apt/keyringssudo curl -fsSL https://mirrors.huaweicloud.com/docker-ce/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.ascsudo chmod a+r /etc/apt/keyrings/docker.asc将Docker仓库添加到系统的软件源列表。echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://mirrors.huaweicloud.com/docker-ce/linux/ubuntu \ $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \ sudo tee /etc/apt/sources.list.d/docker.list > /dev/null更新软件包列表。sudo apt-get update安装并运行Docker。sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-pluginsudo systemctl start docker设置以非 root 用户身份管理 Docker#由于云主机默认的用户是developer非root用户，需要设置以非 root 用户身份管理 Docker#创建组dockersudo groupadd docker#将您的用户添加到组dockersudo usermod -aG docker $USER重启云主机回到工作台，点击重启按钮，云主机会自动重启或者您还可以运行以下命令来激活对组的更改：newgrp docker下面的命令是设置 Docker 在系统启动时自动启动。sudo systemctl enable docker查看docker版本信息。docker -v回显如下类似信息，表示Docker安装成功。Docker到此已经安装完毕。接下来通过Docker安装Kotaemon，命令如下：docker run \-e GRADIO_SERVER_NAME=0.0.0.0 \-e GRADIO_SERVER_PORT=7860 \-v ./ktem_app_data:/app/ktem_app_data \-p 7860:7860 -it \ghcr.nju.edu.cn/cinnamon/kotaemon:main-ollama正在安装Kotaemon中：稍等几分钟，下面是安装依赖的日志：继续等待依赖安装完成，下面是安装成功且运行的截图：3.2 登录Kotaemon首页我们在浏览器输入链接：http://localhost:7860发现加载出了首页：默认的Username和Password均为 admin我们输入上述Username和Password，点击登录：登录成功：3.3 在华为云Maas上获取DeepSeek-V3-32K（NEW）模型api接口首先我们要先配置DeepSeek-V3-32K（NEW）模型api接口：我们打开ModelArts Studio中API Key管理的链接：https://console.huaweicloud.com/modelarts/?locale=zh-cn®ion=cn-southwest-2#/model-studio/authmanage点击创建API Key：在标签中填入：Kotaemon描述中填入：开发者空间的Kotaemon当然上述标签和描述的内容可以自定义：创建成功：我们在页面上也可以看到创建成功：注意：API Key仅会在新建后显示一次，请及时复制并妥善保存，若API Key丢失，请新建API Key。我们接着查看在线推理中DeepSeek-V3-32K（NEW）模型api接口信息：查看调用信息，要点击OpenAI SDK按钮：我们成功得到了DeepSeek-V3-32K（NEW）模型接口信息。3.4 配置Kotaemon我们回到开发者空间云主机的火狐浏览器，在Kotaemon登录成功的页面中，首先点击Resources 按钮：点击LLMs按钮：我们在LLMs中先配置DeepSeek-V3-32K（NEW）模型接口，点击Add按钮添加模型供应商：出现下面界面：缩小页面，可以看到全部配置信息：LLM name选项就是需要显示的模型供应商的模型（自定义），本案例设置为华为云下面继续设置LLM vendors，我们这里必须选择ChatOpenAI最后的选项Specification用于配置模型的接口信息这里默认只给出了api_key和model，因为这里默认是OpenAI来提供模型，所以我们需要手动添加base_url指定模型的接口地址，注意：这里添加base_url，不能直接在api_key：null行最后通过换行，来添加一行，需要按住shift+enter 才能添加新的一行。我们将之前得到的Api key、API地址、模型名称填入选项中：我们已经填好信息，把下面的Set default 设置为默认模型勾选一下（1），点击添加模型（2）：浏览器的右上角会出现添加成功的消息：我们点击View视图查看添加的模型：发现已经成功添加华为云为默认的LLMs：我们点击华为云，测试DeepSeek-V3模型是否连接正常：在Test connection中点击Test：测试发现，- Connection success. Got response: Hello! How can I assist you today? 以及右上角会显示infoLLM 华为云 connect successfully说明连接华为云成功注意：如果出现- Connection failed. Got error: Error code: 400 - {'error_code': 'ModelArts.4905', 'error_msg': 'Failed to check the authorization request header. '}说明api_key配置错误.请检查api_key是否填写正确。如果出现- Connection failed. Got error: Error code: 404 - {'detail': 'Not Found'}说明API地址 base_url 配置错误，需要配置正确的地址如果出现- Connection failed. Got error: Error code: 404 - {'object': 'error', 'message': 'The model `deepseek-V3` does not exist.', 'type': 'NotFoundError', 'param': None, 'code': 404}说明模型名称model配置错误，需要将名称配置为：DeepSeek-V3最后我们要保存配置：浏览器右上角会显示保存成功：接下来我们配置Embeddings 嵌入式模型：我们这里docker镜像采用了Ollama 捆绑包，所以使用容器内ollama提供嵌入式模型：nomic-embed-text我们勾选使用ollama为默认的嵌入式模型，然后测试其模型：点击Test：出现连接成功的提示：最后，要保存配置：右上角显示保存成功：最后检查LLMs和Embeddings是否配置正确：下面设置其他选项：首先点击Settings按钮，然后点击Retrieval settings：我们修改1个选项，将LLM for relevant scoring修改为默认：然后点击保存设置： 4 使用Kotaemon搭建本地AI知识库然后我们点击Chat回到首页：我们可以上传我们的个人笔记、知识文档，点击Files按钮，上传pdf文件：上传完成后，正在为文件创建索引：这里创建索引的时间是根据文件的大小和嵌入式模型的响应速度决定的，文件过大，创建索引时间可能过长。下面是文件创建索引成功：点击这个文件：上述文件已经加入我们的知识库了点击Chat按钮，返回首页我们先选中文件，点击Search In File(s)：选择文件：首页我们要设置AI回答的语言为中文，点击下方红色方框的小按钮：点击Language下方的按钮：选择中文Chinese：选择完成后：我们可以对这个文件进行提问了：第一个问题：总结这个文件回答的不错这里由于开发者空间自带的firefox的版本太低，无法显示思维导图因此使用chrome浏览器。首先安装下载Google Chrome 的安装包：wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb然后安装Google Chromesudo dpkg -i google-chrome-stable_current_amd64.deb查看是否安装成功：dpkg -l | grep google-chrome然后点击首页的左下角的所有应用程序按钮：然后点击运行程序：点击向下的箭头：选择chrome浏览器，启动即可：输入链接：http://localhost:7860/填入默认的Username和Password （均为admin）选择刚才的发现思维导图成功显示：点击Export按钮，可以在新窗口查看思维导图：打开了新窗口：点击Preview按钮，可以预览源文件可以浏览源文件：我们的AI知识库的搭建就完成了！5 总结与展望本次使用的Kotaemon的开源框架中关于RAG的一小部分应用，还有许多其他功能，开发者可以参考下面开源地址链接进行指导：Kotaemon项目地址：cid:link_4华为云Maas提供的DeepSeek-V3-32K模型响应速度挺快，虽然仅仅是体验，后续马上也要开通商用按量服务，应该速度更快！ 我正在参加【案例共创】第3期 基于华为开发者空间+DeepSeek完成AI应用构建开发最佳实践https://bbs.huaweicloud.com/forum/thread-0218176004967264062-1-1.html

引言：在华为合作伙伴大会2025上，随着AI的广泛应用，海量数据需要随时访问，价值提升后的数据需要长时间保存，这使得热温数据存储空间需求急剧增加，加速存储全闪化成为大势所趋。在AI训练和推理中，数据存储可以发挥更大的作用，比如通过存储增强计算，提升AI训练集群利用率30%；通过长记忆存储，提升推理效率5倍。此外，随着AI的发展，企业IT架构正在向存算分离演进。 交流：最近的华为合作伙伴大会2025上，AI的行业化落地，需要大量高效的存储体系存储海量数据，大家觉得数据存储产品对AI有什么影响？

Docker，这个容器引擎，虽然强大，但偶尔也会因为一些巧合状态，留下一些残留文件或内存，导致资源浪费。特别是如果你没有及时清理这些残留文件和数据，Docker可能会占用大量内存，甚至影响其他服务的性能。在如今时代，内存资源的重要性不言而喻。你是否也遇到过类似的问题：Docker 进程长时间运行，内存占用持续不降？清理磁盘空间，但发现 Docker 过程占用 files？虽然知道 Docker 可以清理，但具体该清理哪些文件？清理 Docker 的资源（如未使用的镜像、容器、网络和卷）是一个常见的操作，可以帮助释放磁盘空间并保持环境整洁。以下是详细的步骤和命令，帮助你安全且有效地清理 Docker 环境。1. 清理未使用的容器运行中的容器不会被自动删除，但你可以先停止所有容器，然后删除它们。停止所有容器docker stop $(docker ps -aq) docker ps -aq：列出所有容器的 ID。docker stop：停止指定的容器。删除所有容器docker rm $(docker ps -aq) 如果只想删除已停止的容器，可以使用：docker container prune这会提示确认，并删除所有已停止的容器。2. 清理未使用的镜像未使用的镜像是指没有被任何容器引用的镜像。删除所有未使用的镜像docker image prune -a-a 参数表示删除所有未使用的镜像（包括未标记的镜像）。如果只删除悬空镜像（即没有标签的镜像），可以省略 -a：docker image prune强制删除特定镜像如果需要删除某个特定镜像，可以使用：docker rmi <IMAGE_ID> <IMAGE_ID> 是镜像的 ID 或名称。3. 清理未使用的网络Docker 网络可能会随着时间积累未使用的网络。删除未使用的网络docker network prune这会删除所有未被容器使用的网络。4. 清理未使用的卷Docker 卷用于持久化数据，但未使用的卷会占用磁盘空间。删除未使用的卷docker volume prune这会删除所有未被容器挂载的卷。5. 一键清理所有未使用的资源Docker 提供了一个便捷的命令，可以一次性清理所有未使用的容器、镜像、网络和卷：docker system prune -a-a 参数会删除所有未使用的资源，包括未被引用的镜像。不加 -a 只会清理悬空资源（例如悬空镜像）。注意： 使用此命令时请谨慎，因为它会删除所有未被引用的资源。6. 检查磁盘使用情况在清理之前或之后，可以检查 Docker 的磁盘使用情况，以确认清理效果。docker system df 输出示例：TYPE TOTAL ACTIVE SIZE RECLAIMABLE Images 10 2 2.5GB 2.0GB (80%) Containers 5 1 500MB 400MB (80%) Local Volumes 3 1 1.2GB 1.0GB (83%) 7. 手动清理日志文件如果你发现 Docker 容器的日志文件占用了大量磁盘空间，可以通过以下方式限制日志大小或手动清理日志。限制日志大小编辑 Docker 的配置文件（通常是 /etc/docker/daemon.json），添加以下内容：{ "log-driver": "json-file", "log-opts": { "max-size": "10m", "max-file": "3" } } max-size：单个日志文件的最大大小。max-file：保留的日志文件数量。然后重启 Docker 服务：sudo systemctl restart docker手动清理日志找到容器的日志文件路径（通常位于 /var/lib/docker/containers/<CONTAINER_ID>/<CONTAINER_ID>-json.log），然后清空日志文件：sudo sh -c 'echo "" > /var/lib/docker/containers/<CONTAINER_ID>/<CONTAINER_ID>-json.log' 总结通过上述步骤，你可以全面清理 Docker 的资源并释放磁盘空间。以下是推荐的清理顺序：停止并删除所有容器。删除未使用的镜像。删除未使用的网络和卷。使用 docker system prune -a 进行一键清理。检查磁盘使用情况，确保清理效果。

【直播详情】星闪（NearLink），是中国的新一代无线短距通信技术。与传统短距传输技术方案相比，星闪在功耗、速度、覆盖范围和连接性能全面领先，可以在智能终端、智能家居、智能汽车、智能制造等各类细分场景下实现更极致的应用。本次为期两天的课程将深入讲解OpenHarmony操作系统及其与星闪技术的结合应用，涵盖WS63E星闪开发板的详细介绍、“OpenHarmony+星闪“的创新实践等，旨在帮助学员全面掌握相关技术并进行实际操作。【报名直播】点击报名【直播时间】日期时间课程授课老师直播地址3月29日（全天）09:00~12:00一、OpenHarmony与星闪介绍齐耀龙观看直播二、WS63E星闪开发板介绍三、“OpenHarmony+星闪”实验环境搭建四、编写入门程序“Hello World”14:00-18:00星闪点对点通讯原理与实战3月30日（半天）09:00-12:00一、高校“OpenHarmony+星闪”课程建设分享观看直播二、交流研讨  

 OpenTiny企业级前端开发解决方案，正在寻找热爱分享的技术达人！加入我们的直播讲师团，与众多开发者一起分享你的经验，推动技术普惠，同时打造个人技术影响力！报名链接：https://www.wjx.cn/vm/tw7FOgC.aspx# 

面对海量物联网设备产生的日志数据，要实现高效存储与分析以快速定位故障隐患，可参考以下方法：数据采集与传输优化数据采集：在物联网设备端，采用高效的数据采集策略，如设置合理的采样频率和数据精度，避免采集过多无用数据，减少数据传输量。选择合适的传输协议：根据物联网设备的特点和网络环境，选择合适的传输协议，如MQTT、CoAP等，这些协议具有低功耗、高可靠性等特点，能够有效提高数据传输效率。采用边缘计算：在靠近物联网设备的边缘节点上进行数据处理，对采集到的数据进行初步过滤、聚合和分析，只将有价值的数据传输到云端或数据中心，减少网络传输压力。数据存储选择合适的存储系统：根据数据的特点和需求，选择合适的存储系统，如分布式文件系统、时序数据库、关系型数据库等。对于海量的物联网日志数据，时序数据库如InfluxDB、OpenTSDB等具有高效的写入和查询性能，能够很好地满足需求。数据预处理：在存储之前，对数据进行预处理，如数据清洗、格式转换、数据压缩等，提高数据质量和存储效率。数据分层存储：根据数据的访问频率和重要性，将数据分为热数据、温数据和冷数据，分别存储在不同的存储介质中，如热数据存储在高性能的固态硬盘中，冷数据存储在大容量的硬盘中，以降低存储成本。数据分析与故障定位建立数据分析模型：根据物联网设备的运行特点和故障模式，建立相应的数据分析模型，如故障预测模型、异常检测模型等，通过对历史数据的学习和分析，实现对故障隐患的预测和预警。实时数据分析：采用实时流处理技术，对实时采集到的日志数据进行分析，及时发现设备故障和异常行为，如设备掉线、数据异常变化等。数据可视化：将分析结果以直观的图表、图形等形式展示出来，便于运维人员快速理解和定位故障，如绘制设备运行状态图、故障趋势图等。关联分析：对不同设备、不同时间段的日志数据进行关联分析，挖掘潜在的故障隐患和故障传播路径，如通过分析设备之间的通信日志，发现设备之间的通信故障和依赖关系。系统管理与维护建立完善的监控体系：对存储系统和分析系统进行实时监控，及时发现系统故障和性能瓶颈，如监控存储系统的存储空间、读写性能、网络带宽等指标，以及分析系统的计算资源利用率、任务执行情况等。定期维护和优化：定期对存储系统和分析系统进行维护和优化，如数据备份、数据清理、系统升级、算法优化等，确保系统的稳定运行和高效性能。加强安全管理：采取有效的安全措施，保障日志数据的安全性和完整性，如数据加密、访问控制、安全审计等，防止数据泄露和被篡改。

当多个物联网设备在同一狭小空间密集部署时，避免信号干扰、保障通信质量可以从以下几个方面入手：合理规划频率与信道选择合适频段：不同的物联网设备通常在不同频段上工作，如EU 868MHz、US 915MHz和CN 470MHz等。根据实际应用场景、网络需求以及法规限制来选择合适的频段，避免与其他无线设备的频率冲突，减少干扰。信道管理：合理的信道分配可以确保不同设备在通信过程中不会相互干扰。采用信道切换技术，如自适应频率跳变，在通信过程中动态地切换频率，以避开干扰频段。同时，进行信道监测，实时检测信道状态，及时发现并解决潜在的干扰问题。控制发射功率与优化工作参数调整发射功率：适当降低物联网设备的发射功率，以减少对周围环境的干扰，特别是当设备密集部署时，更应控制发射功率，避免相互干扰。优化工作参数：合理设置物联网设备的串口速率、空中速率等参数，以适应不同的通信需求和环境条件，减少不必要的内部干扰。采用抗干扰技术扩频技术：采用扩频因子来提高抗干扰能力，通过分散信号能量到更宽的频率范围内，降低单个频率点上的干扰影响。跳频技术：在数据传输过程中使用跳频技术，通过频繁改变传输频率来避免在同一频率上长时间受到干扰。CSS调制技术：利用CSS（连续相位移键控）调制技术，提高信号在复杂环境下的抗干扰能力。前向纠错编码：在发送端添加冗余信息，接收端可以利用这些冗余信息进行错误检测和纠错，提高通信的可靠性。优化天线设计选择合适的天线：根据应用环境和需求选择合适的天线类型，如定向天线或全向天线，以提高信号的收发效率和抗干扰能力。优化天线布局：合理布置天线的位置和朝向，以减少多径干扰和电磁屏蔽效应。应用并发干扰消除技术采用先进的并发干扰消除技术，能够同时解码多个相互冲突的数据包，从而有效减少干扰对通信的影响。加强电源管理选择优质电源：使用稳定可靠的电源为物联网设备供电，以减少电源波动对设备性能的影响。优化电源布局：合理布局电源线和地线，以减少电磁干扰和电源噪声。定期检查与维护定期检查设备：定期对物联网设备进行检查和维护，确保设备处于良好的工作状态。更新固件和软件：及时更新设备的固件和软件，以修复已知的问题和提高设备的性能。避免环境干扰减少外部干扰源：尽量避免在物联网设备周围放置其他无线设备或电磁辐射源，以减少外部干扰。选择良好的通信环境：在部署物联网设备时，选择开阔、无遮挡的通信环境，以提高信号的传输质量和稳定性。

以下是一些优化算法以提升低算力物联网设备上边缘计算应用运算效率的方法：算法选择与设计选择轻量级算法：在满足应用需求的前提下，尽量选择计算复杂度低、资源消耗少的算法。例如，在图像识别领域，可以选择MobileNet、ShuffleNet等轻量级卷积神经网络，它们在保证一定准确率的同时，能够显著降低模型的计算量和存储需求。算法并行化与分布式计算：对于一些可以并行执行的算法任务，将其分解为多个子任务，分配到不同的计算单元或边缘节点上并行计算，最后再将结果进行合并。例如，在数据加密和解密过程中，可以采用并行计算的方式提高运算速度。近似算法和启发式算法：在一些对精度要求不是绝对严格的场景下，可以使用近似算法或启发式算法来替代复杂的精确算法。这些算法通常能够在较短的时间内得到一个接近最优解的结果，从而提高运算效率。模型优化与压缩模型剪枝：通过去除模型中不重要的连接、神经元或层，减少模型的参数量和计算量。例如，在神经网络中，可以采用L1或L2正则化等方法进行剪枝，去除权重较小的连接。量化与定点化：将模型中的参数从高精度的数据类型（如32位浮点数）转换为低精度的数据类型（如8位整数），可以减少数据存储和计算开销。同时，定点化可以将浮点数运算转换为整数运算，进一步提高计算效率。知识蒸馏：利用一个较大的、训练好的教师模型来指导一个较小的学生模型的训练，使学生模型能够学习到教师模型的知识和特征，从而在保持较高准确率的情况下，减少模型的复杂度和计算量。数据处理与优化数据预处理：在边缘设备上对采集到的数据进行预处理，如数据清洗、特征提取、数据归一化等，减少后续算法处理的数据量和计算复杂度。例如，在图像识别中，可以先对图像进行裁剪、缩放等预处理操作。数据采样与降维：对于大规模的数据集，可以采用数据采样的方法，选择具有代表性的样本进行计算，减少数据量。同时，通过主成分分析（PCA）等降维方法，将高维数据转换为低维数据，降低算法的计算复杂度。数据缓存与重用：在边缘设备上设置数据缓存机制，将经常使用的数据缓存起来，避免重复计算和数据传输，提高数据访问速度和运算效率。资源管理与调度动态资源分配：根据边缘设备的实时算力情况和任务优先级，动态地分配计算资源。例如，对于实时性要求高的任务，可以优先分配更多的资源，确保任务的及时完成。任务卸载与迁移：将一些计算密集型的任务从低算力的边缘设备卸载到附近算力较强的设备（如边缘服务器或其他边缘节点）上进行计算，或者在不同的边缘设备之间进行任务迁移，以平衡设备间的负载，提高整体运算效率。能耗管理：优化算法的执行过程，降低设备的能耗。例如，通过调整算法的计算频率、数据传输频率等方式，在满足任务需求的前提下，减少设备的能量消耗。硬件加速与优化硬件选型与优化：选择适合边缘计算应用的硬件平台，如具有专门的AI加速芯片（如GPU、FPGA、ASIC等）的设备，或者对现有硬件进行优化，如调整硬件的时钟频率、内存配置等，提高硬件的计算性能。编译优化与指令集优化：针对特定的硬件平台，对算法进行编译优化，选择合适的编译器和编译选项，生成高效的机器码。同时，利用硬件支持的特殊指令集（如SIMD指令集）对算法进行优化，提高计算效率。异构计算与协同优化：结合不同类型的计算资源（如CPU、GPU、FPGA等）进行异构计算，将不同的算法任务分配到最适合的计算单元上执行，实现计算资源的最大化利用。

 【直播回放】直播回放地址【活动总结】   华为开发者布道师技术沙龙·直播间精彩回顾 【第1期】联接高校人才培养与前沿产业技术，成就学生未来 / 李一浩老师【第2期】逐梦之旅：学生开发者到华为开发者布道师的蜕变 / 杨阳同学【第3期】昇思MindSpore：AI 领域的创新力量与跨平台之路 / 陈新杰同学【第4期】基于OpenHarmony计算机学科人才培养经验分享 / 周睿老师【第5期】计算机核心课程贯通式实践教学体系介绍 / 赵欢老师、李博经理、杨科华老师【第6期】OpenHarmony应用开发之网络数据请求与数据解析 / 倪红军老师【第7期】华为开发者空间玩转DeepSeek / 马欣老师 官网直播间观众问题回答摘要：序号问题答复12457+如果要在多台云主机上部署 Ollama，实现集群化运行，需要进行哪些额外的配置和操作？首先是集群编排方面，需要创建专用命名空间（如ollama），通过Deployment配置多副本Pod，确保服务高可用。其次，存储方面，使用NFS、GlusterFS或云平台提供的分布式存储（如AWS EBS）挂载到所有节点，统一存储模型文件。网络安全需考虑启用HTTPS加密及HTTP基本认证；开放云主机防火墙端口（如11434、8080）并配置反向代理。26251+在华为开发者空间中利用 DeepSeek 打造编程知识库时，如何引入开源社区的资源和知识，丰富知识库内容？在利用DeepSeek构建编程知识库时，可通过以下方式整合开源资源：一是可以提取开源项目中的示例代码、API文档及开发者注释，结合社区维护的Wiki和FAQ形成结果；二是可以结合MaxKB等开源知识库系统，利用其RAG技术将Stack Overflow、GitHub Trending等开源平台的问答数据与DeepSeek的推理能力融合，实现动态知识更新。三是进行分层知识管理：基于DeepSeek的开源策略，将基础编程语法、算法等通用知识开放共享，同时通过社区反馈迭代领域专属内容（如框架源码解析37336+在部署DeepSeek模型时，如果遇到性能瓶颈问题，可以怎么优化？在部署DeepSeek模型遇到性能瓶颈时，可通过以下策略优化：1. 模型架构优化：采用MoE架构动态激活专家网络，结合FP8混合精度量化减少显存占用；利用结构化稀疏和动态路由降低计算冗余2. 系统层并行设计：实施CPU与GPU进程分离，通过ZStack AIOS平台实现多机多卡并行，避免Python GIL锁竞争并提升吞吐量（单卡推理时吞吐提升达2.7倍）3. 显存与计算优化：使用Paged Attention管理显存碎片，结合Radix Attention缓存重复计算数据，减少KV-Cache读取开销4. 解码加速技术：启用推测性解码（Speculative Decoding），用小模型预生成候选结果再由DeepSeek验证，可提升解码效率1.8倍。5. 硬件协同：部署多卡分布式推理（如昇腾NPU集群），通过自适应运算精度切换平衡算力与带宽限制40420 + 针对企业在使用DeepSeek，华为云提供了哪些服务？为云为部署DeepSeek模型的企业提供五大核心服务：1. 高性能推理加速：基于昇腾云服务与自研引擎，实现DeepSeek R1/V3模型推理性能对标高端GPU（如H100），单卡吞吐提升2.7倍，支持政务、金融等高并发场景2. 一站式开发平台（ModelArtsStudio）：提供数据预处理、训练到部署的全流程支持，支持本地化部署及模型蒸馏优化，帮助今日人才等企业快速构建70个“AI数智员工”3. 开发者生态：昇腾社区提供DeepSeek系列模型一键获取及免费Token测试，原生鸿蒙系统的小艺助手App已集成DeepSeek-R14. 行业定制方案：针对政务、能源等领域深度优化，如深圳福田政务系统已实现240个场景智能化应用5. 本地部署混合云：华为云除了支持盘古大模型外，也内生集成了多个业界主流的基础模型，实现开箱即用。凭借其强大的基础设施、灵活的部署方式、一站式的开发工具和完善的安全体系，帮助企业快速本地化部署DeepSeek专属大模型。50420 + 在 DeepSeek 和华为云的合作中，面临的最大技术挑战是什么？华为云是如何解决的？在DeepSeek与华为云的合作中，主要面临以下技术挑战及解决方案：昇腾芯片适配难题：昇腾芯片原生不支持CUDA代码，需重构底层算子。华为通过HCCL通信库和CANN架构优化模型计算流程，结合MLA多头潜在注意力架构降低KV缓存开销，使推理性能提升30%。算力效率与成本平衡：国产芯片训练效率低于CUDA生态。采用FP8混合精度量化和Paged Attention显存管理，将DeepSeek-R1推理成本压缩至OpenAI的3%，并通过动态路由优化降低计算冗余。开源生态商业化闭环：开源模式缺乏商业工具链。华为推出ModelEngine开发平台，集成模型蒸馏与微调工具，支持企业快速部署行业定制方案（如华运智远矿山AI健康管家系统12小时完成部署）。多模态能力短板：图像/视频生成弱于闭源竞品。基于昇腾Janus Pro架构和华为云数据湖技术，实现跨模态特征融合，工业质检场景准确率达98%。66251+编程知识库中的知识存在争议或错误时，如何建立有效的反馈和修正机制？在大模型知识库中建立有效的反馈和修正机制，首先需要提供便捷的反馈渠道，例如页面按钮、表单或API接口，方便用户提交争议或错误信息。设立专业审核团队或利用社区专家对反馈进行验证，确保修正的准确性，同时使用版本管理系统记录每次修改，便于追溯和回滚，确保知识库的稳定性。公开反馈处理进度和结果，及时通知用户修正情况，增强信任感，并通过积分、荣誉或物质奖励，鼓励用户积极参与反馈和修正。通过这些措施，确保知识库的准确性、可靠性和持续改进，从而提升整体质量和用户满意度。70420 + 华为云结合DeepSeek后，将会有哪些新的应用？有哪些新的应用场景？华为云结合 DeepSeek 后，将催生多种新应用和场景。在 “ 智能客服 “ 领域，可提供更精准的语义理解和对话交互，提升用户体验。在  “金融风控 “中，通过深度学习和数据分析，实现更高效的风险预测和欺诈检测。在 “医疗健康 “ 方面，结合 DeepSeek 的 NLP 能力，可加速病历分析、辅助诊断和个性化治疗推荐。在  “智能制造 “ 中，优化生产流程，实现设备故障预测和智能维护。此外，还能应用于 “教育 “领域的个性化学习推荐，以及  “零售 “ 行业的智能推荐系统和库存管理优化，推动各行业智能化升级。82457+云主机资源有限时，如何优化 Ollama 的配置减少资源占用，同时保证基本功能正常运行？在云主机资源有限时，优化Ollama配置可通过以下核心策略：1. 量化与显存优化,使用INT4/INT8量化技术，将模型显存占用压缩至原体积的1/4，,2. 环境变量调优,通过OLLAMA_NUM_PARALLEL=2（按GPU数量×1.5比例调整）控制并发量，3. 存储与网络优化,通过OLLAMA_HOST=0.0.0.0:11434实现多设备负载均衡，配合代理提升内网访问效率。4. 计算资源调度，启用混合精度计算，CPU模式下设置OLLAMA_NUM_THREAD=8匹配核心数，分块处理长文本并缓存历史结果减少重复推理。96188+如何利用华为云Mass的高可用性或扩展性来增强Dify应用？利用华为云 Mass 的高可用性和扩展性，可以显著增强 Dify 应用的稳定性和性能。华为云Mass 业界SOTA大模型覆盖度99%，预置最优超参配置，基于昇腾算子、显存优化，大模型训练与推理性能大幅提升；并围绕大模型性能与精度评价体系构建标准化自动流水线。此外，提供模型调优、压缩、部署、评测等全栈工具，功能覆盖大模型全生命周期，支持用户即开即用，低门槛使用各类大模型,确保数据的高可靠性和一致性，从而为 Dify 提供稳定、高效的基础设施支持。100420 + 在华为云平台上部署DeepSeek时，有哪些关键的技术挑战需要克服？华为云提供了哪些解决方案来应对这些挑战？以DeepSeek为典型的大模型，带动了算力需求的持续增长，算力结构已从“预训练为主”走向“预训练+后训练/二次训练”。部署大模型的挑战在于，一方面，国内大模型的你追我赶，带来模型选择的不确定性;另一方面，应用场景的快速变化，对于企业的能力构建和调整也增加了很多困难。华为云可提供澎湃可靠算力，支持DeepSeek、Llama、Qwen等主流大模型，加速企业智慧转型。华为云同时直接提供Moldearts Lite的昇腾云服务器模式，并且提供了专业服务，协助企业快速用上用好DeepSeek。针对大模型行业方案的安全能力构建，华为云针对大模型的训练数据准备阶段、模型训练和调优阶段、模型部署和推理阶段分别提供安全云服务和方案，保障云上大模型的安全。110420 +对于DeepSeek目前有哪些模型，分别适用于哪些行业？DeepSeek推出的通用大语言模型包括DeepSeek-V3‌\ DeepSeek-R1‌主要用于文本生成、文本理解、对话交互等任务。多模态模型包括DeepSeek-VL‌,能够处理文本、图像等不同模态的数据，实现跨模态的理解与生成。此外，DeepSeek还推出了‌DeepSeek-R1-Zero‌和‌DeepSeek-R1-Distill‌等模型。其中，DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练的模型，展现出了卓越的推理能力。而DeepSeek-R1-Distill模型则是基于知识蒸馏法，将大型模型的推理模式蒸馏到小型模型中，使其推理能力得到优化。不同的行业可根据具体的需求 选择不同的模型。126188+如何通过Dify+DeepSeek调用华为云语音识别（ASR）和语音合成（TTS）服务，构建一个语音交互应用？首先需要注册并登录华为云，开通ASR和TTS服务，其次安装并配置好Dify平台和DeekSeek。编写代码将语音文件发送到华为云ASR API，获取识别结果。将ASR识别结果作为输入，传递给Dify应用进行处理。将Dify应用的输出文本传递给TTS API，生成语音反馈。这是构建语音应用的基本步骤，可以对应用进行不断的优化和持续更新136188+如果用Dify+DeepSeek处理用户敏感信息时，如何实现端到端加密？主要需要这么几步：首先是，客户端生成密钥*存储于本地（如浏览器安全存储），服务端不接触密钥；然后语音/文本在客户端加密为密文（含 nonce 和认证标签），仅传输密文至服务端； 接着Dify/DeepSeek 直接传递或调用第三方服务（如华为云 ASR/TTS）处理密文，全程不解密； 之后，客户端解密结果，服务端返回的加密响应由客户端解密后展示；其他还要注意的有，全程 HTTPS 传输，结合代理服务隔离敏感操作，密钥通过用户密码或硬件安全模块管理，日志脱敏，并满足 GDPR 等合规要求，确保数据仅在终端明文暴露。146188+对于异步的任务，dify应该如何处理？有其他华为云服务可以嵌入吗？Dify 使用 Celery 来处理分布式任务和异步任务，尤其是在高并发场景下，需要高效地调度和执行任务。Dify 在启动应用时加载 Celery 配置，并确保在高并发的任务处理中使用 Gevent 作为并发模型，优化任务执行性能。Celery 作为分布式任务队列框架，能够高效调度任务，确保任务的并发执行，同时避免阻塞主线程。同时，Dify 使用多个队列来分类任务，这使得不同类型的任务可以被分别调度并执行，从而提升系统的可扩展性和灵活性。最后，通过 Gevent 作为 Celery 的并发模型，Dify 实现了高效的任务执行，尤其在处理大量 I/O 密集型任务时，能够显著提升性能和降低资源消耗。   可嵌入的服务有CCE和华为云API网关。通过华为云容器引擎（CCE）实现Dify的微服务化改造，提升任务调度的灵活性与资源利用率。还可以使用异步通信优化，通过华为云API网关统一管理Dify的外部接口，结合消息队列服务（DMS）实现任务请求的异步化处理，缓解高并发压力156188+若Dify需持久化数据到华为云关系型数据库（RDS），应该如何做呢？为将Dify数据持久化至华为云RDS，需依次完成以下步骤：创建RDS实例（选型匹配、网络配置于同一VPC，设置主备高可用）；安全加固（IP白名单、最小权限账号、SSL加密）；代码适配（通过环境变量注入连接参数，优化数据库连接池，验证字符集及数据模型兼容性）；部署高可用方案（自动备份+跨区域容灾，读写分离与代理负载均衡）；集成监控工具（跟踪性能指标、优化慢查询）；实施灰度发布与回滚机制确保平稳迁移。结合弹性扩缩容与成本优化策略，实现安全、高性能、高可用的数据持久化架构。160420 +对于小微企业来说使用DeepSeek能带来哪些帮助和利益产出，更多的使用还是基于各种应用场景带来的便利？DeepSeek对小微企业的核心价值在于场景适配性——其功能设计贴合企业日常痛点（如人力不足、资金有限、合规复杂），通过自动化、数据智能与低门槛服务，帮助企业在以下方面实现“小投入、高回报”：效率提升：减少重复劳动，聚焦核心业务；风险控制：规避经营盲区，保障合规安全；创新加速：低成本获取技术能力，增强市场竞争力。实际应用中，小微企业可根据需求选择功能模块（如财务、客服、政策分析），逐步实现数字化转型176251+如何对模型供应商提供的模型进行版本管理？有两个基本方法，唯一标识符绑定和元数据管理。使用供应商提供的模型名称+版本号（如 OpenAI 的 gpt-4-0613）作为唯一标识符，直接锁定具体版本，避免自动更新导致的不兼容问题。元数据管理指的是参考数据模型管理中的编码规则，通过码段（如日期码、流水码）和字段属性配置，为模型版本附加元数据，便于分类与检索。180420 +开发者如何在华为云上快速搭建基于DeepSeek的开发环境,有哪些推荐的工具和流程？具体步骤如下：首先，登录华为云，搜索ModelArts Studio服务；其次，进入ModelArts Studio控制台首页，签署免责声明及服务授权，添加授权页面中，选择新增委托-普通用户-全选服务列表，点击创建；最后，进入ModelArts Studio控制台首页，选择模型部署-预置服务，领取免费token，并完成体验操作，可立即开启模型对话体验。同时，在MaaS平台，用户通过三种方式进行大模型使用：一是通过平台内体验。在模型部署页面选择预置服务中任意模型，并领域免费额度后点击体验；二是接口调用。在模型部署界面，选择预置服务，并找到调用选项，获取调用示例代码；三是MaaS DeepSeek模型-部署为独占实例。进入模型广场选择对应的模型，选择资源池进行部署。192457+在华为开发者空间中添加新模型，需要经过哪些技术流程和验证步骤？华为开发者空间如果本地部署，可以使用Ollama和Dify这样的大模型工具，用于添加新模型，先通过Ollama部署本地模型，再通过Didy大模型开发平台调用本地模型，并开放接口。随后可以在CodeArts中通过Continue插件集成新模型。验证步骤可以通过命令行中运行ollama命令、Dify接口验证 以及CodeArts中验证。200288+请问老师是所有的项目都需要建立知识图谱么，或者说什么时候外挂知识库，什么时候要用到知识图谱，比如在法律咨询智能体这种，需要外挂知识库还是知识图谱。在大模型项目中，是否使用知识图谱或外挂知识库需根据场景需求判断： 外挂知识库适用场景是，当任务侧重快速检索或事实性问答 （如法律条文查询、简单政策解答）时，直接外挂结构化知识库即可。知识库以文档或数据库形式存储，成本低且维护简单，适合需要高频调用但无需复杂推理的场景。若涉及复杂推理、多实体关联或跨领域知识融合 （如法律案例的相似性分析、合同纠纷中的风险链路推演），知识图谱通过实体-关系的语义网络能提供深度支持。例如法律咨询智能体中，知识图谱可将法条、判例、司法解释关联，辅助生成逻辑严谨的解决方案。此外，知识图谱还能提升模型的可解释性，减少“幻觉”风险。法律领域对准确性和严谨性要求极高，需结合两者：知识库存储基础法条（如《合同法》条款），而知识图谱用于案例关联、风险预测和动态法律逻辑推演216251+如何实时监测模型供应商模型的运行状态和性能指标？ 如果模型部署在自己的服务器上，可以使用监控工具（如Prometheus、Grafana），收集和可视化模型的关键性能指标（KPI），如响应时间和准确度。其次，建立可靠的日志系统，详细记录模型的输入、输出及异常信息，方便后期分析。此外，设置条件监测和告警机制，对模型性能变化进行实时检测，并在偏离预设阈值时发送通知。定期评审模型表现也是重要一环，通过将实际结果与预期结果进行对比，识别潜在问题。最后，建立用户反馈机制，鼓励用户报告模型运行中的不良体验，以便快速响应并优化调整。通过这些措施，企业能确保模型始终高效运行，及时解决潜在问题。222457+仓颉程序中的内存管理机制是怎样的，如何避免内存泄漏和溢出？仓颉，作为一款现代编程语言，将安全性置于核心地位。它采用先进的静态类型系统，确保在编译阶段即能捕获类型不匹配的错误，从而显著减少运行时类型错误的风险。同时，仓颉还通过自动内存管理机制，如垃圾回收，来避免内存泄漏和悬挂指针等问题，保证内存安全，并内置了对 null 安全的支持。除了编译时的类型检查，仓颉还提供了丰富的运行时检查功能，如数组越界检查、类型转换验证、数值溢出检测和字符串编码合规性检查等，这些都能确保程序在运行时能够及时发现并报告错误，从而防止程序崩溃或产生不正确的结果。232457+若用户线程 t 在进行 I/O 操作时资源不可用，系统如何处理该线程的状态变化？当用户线程 t 在进行 I/O 操作但资源不可用时，操作系统将该线程的状态更改为“阻塞”。在阻塞状态下，线程暂停执行并释放所占用的 CPU 资源，允许其他线程继续处理任务，这样提高了系统的整体效率。线程 t 的阻塞将持续，直到 I/O 操作完成或资源变得可用。一旦所需资源可用，系统会通过事件通知机制（如信号量或条件变量）唤醒线程 t，使其重新进入就绪状态。然后，操作系统的调度程序决定线程执行的顺序，确保公平性和效率。这种处理方式有效避免了因资源不可用而导致的 CPU 空转，提高了多线程应用的响应速度。244392 +对于希望使用DeepSeek进行AI驱动的应用开发的企业来说，他们应该从哪里开始？华为云提供了哪些资源和支持？想要使用 DeepSeek 进行 AI 驱动的应用开发的企业，可以从了解 DeepSeek 的基本功能和应用场景开始。企业应该研究华为云提供的 API 文档和使用案例，掌握如何有效利用该平台。参加华为云的专业培训课程和技术研讨会，可以帮助团队迅速提升相关技能。另外，建议企业选择一个小型的试点项目进行试验，逐步积累经验以便于扩展应用至更复杂的情境。此外，华为云的支持社区也非常重要，企业可以在这个社区中找到所需的技术支持，获取最佳实践指南。借助这些资源，企业能更顺利地进行 AI 开发。254392 +请问对于，DeepSeek的模型部署后，我还想自己喂一些资料，加深对于某个行业的深度理解，对于这方面，有什么好的建议? 有这么几点建议供参考。一是做好数据适配与预处理：收集行业相关数据（如内部文档、客户记录等），清洗去除冗余信息并按模型要求格式化。例如，将非结构化文本转为带标注的标准化数据集； 二是针对性微调模型：在已部署的模型基础上，使用行业数据进行微调。调整学习率、迭代次数等参数，重点关注业务核心指标（如准确率、召回率），可结合工具如MindSpore、昇腾硬件进行加速训练。若技术能力有限，建议寻求专业团队支持。三是进行场景化验证与迭代：将微调后的模型嵌入具体业务场景（如客户服务、行业知识库），通过A/B测试评估效果，并持续补充新数据优化模型。参考DeepSeek在医疗、制造业的案例经验，建立反馈闭环机制

【直播详情】本次讲座主要从银行业务系统的数据库设计开始，通过openGauss数据库技术，逐渐将数据库的分析、设计、实现进行进阶，全面展现openGauss的建库表、数据封装、密态、性能调优、AI等特征，为成为优秀的开发者打下良好的基础。【直播时间】2025/03/20 周四 19:00-20:30【直播地址】观看直播  

 旧版免费服务将于2025年3月25日24时（UTC+08:00）下线，下线后免费额度和调用接口将停用。我们同时推出全新升级的免费服务DeepSeek-R1-32K和DeepSeek-V3-32K。为保障您的业务延续，请及时前往在线推理 > 预置服务 > 免费服务切换至新服务接口，并完成内容及相关数据的备份。您可重新领取新服务的200万Tokens免费额度。 旧版免费服务将于2025年3月25日24时（UTC+08:00）下线，届时免费额度和调用接口将停用。已为您上线全新升级的免费服务，您可以重新领取新服务200万Tokens免费额度。为避免影响您的业务运营，请及时迁移至新版免费服务接口，并完成内容及相关数据的备份。

Manus作为一款AI Agent，在多个方面展现出了相较于传统AI Agent的优势，这也是它继DeepSeek之后引起轰动的原因：技术创新与执行能力自主执行任务：Manus是全球首款真正意义上的通用AI Agent，与传统AI仅能生成想法不同，它能在现实世界执行任务，自主完成从规划到执行的全过程，交付完整成果。例如，在求职招聘场景中，它可以自动解压收到的简历压缩包，按照预设的筛选标准，如学历、工作经验、技能专长等，逐页查看简历内容并精准筛选出合适的候选人，大大节省了人力和时间成本。多工具调用与复杂任务处理：Manus能够在虚拟环境中调用各类工具，来完成编写和执行代码、浏览网页、操作应用等复杂任务。在分析股票价格之间的相关性的场景中，Manus先是通过API访问雅虎金融等信息网站，获取股票历史数据，同时还会交叉验证数据准确程度，避免被单一信息来源误导。之后，它使用Python进行数据分析和可视化，引入金融相关的专业工具进行深入分析，最终通过数据可视化图表搭配详尽的综合分析报告，向用户清晰地反馈其中的因果关系。用户体验与需求满足降低使用门槛：以往Cursor类产品操作复杂，对普通用户门槛高，而Manus大大降低了使用门槛，让更多人能够轻松上手。它可以像人类实习生一样解压简历文件并逐页查看筛选，还能分析股票数据、规划旅行、创建教育内容、分析财务报告等，解决了传统AI“只会说不会做”的难题，完美契合中小企业降本增效的急切需求。满足多样化需求：Manus擅长处理工作与生活中的各类任务，无论是求职简历筛选、房产研究、股票分析，还是高考填报志愿、旅行路线规划、按需做PPT等，都能根据用户需求导出成品，为用户提供了全方位的解决方案。营销推广与市场策略社交媒体传播：Manus在社交媒体上通过科技博主测评和用户生成内容（UGC）引发了热烈讨论，如分享“用Manus做副业月入过万”等案例，在抖音、微博等平台迅速传播开来，提高了产品的知名度和影响力。邀请码制度与稀缺性营造：Manus采用邀请码制度，营造了产品的稀缺性与神秘感，刺激更多人在社交平台上求码，进一步扩大了产品的影响力。虽然这种方式被质疑为“饥饿营销”，但在一定程度上确实引发了用户的好奇心和获取欲望。行业背景与发展趋势AI技术迭代与物联网融合：AI技术的迭代促使物联网设备智能化程度大幅跃升，Manus这类智能工具可以对生产线上各类设备运行数据进行深度分析，预测设备故障，优化生产流程，拓宽了AI的应用场景和市场空间，为其引起轰动提供了行业基础。市场对AI智能体的期待：当前市场都在期待AI的超级应用能够像iPhone一样带来变革性的影响，而Manus作为一款具有高度智能化、自主性和广泛应用场景潜力的AI Agent，符合市场对AI发展的期待，因此受到了广泛关注。

使用BC260Y-CN，如何使用AT+QIOPEN发送get指令？本人小白，还请大神告知格式：AT+QIOPEN=0,0,\"TCP\",\"ip.com\",0升级包url:https://124.70.218.131:8943/iodm/dev/v2.0/upgradefile/applications/176c8a50519243d4a8142cdfc821b6b0/devices/67c9b83e4c58cc795ad8c350_866330074008487/packages/67d2da89e89983487391583f升级包token:d47af73f0652ea4c49a7eb81683fd6cf79569c8caa4317824a0ea09652721a8a