如何免费使用稳定的deepseek

server/2025/3/1 4:46:08/

0、背景:

在AI辅助工作中,除了使用cursor做编程外,使用deepseek R1进行问题分析、数据分析、代码分析效果非常好。现在我经常会去拿行业信息、遇到的问题等去咨询R1,也给了自己不少启示。但是由于官网稳定性很差,很多第三方平台不一定可靠或者满血,我推荐下大家可以去尝试下云服务的方案

使用方法:可以本地装对话软件,推荐Cherry Studio、Chatbox。然后在云服务上做注册,如果使用邀请码注册,会两个人都给一定的充值。用起来价格很便宜,基本用了很多很多也只要1元左右

1、先下载一个 AI对话助手工具 cherry studio(下载地址 https://cherry-ai.com/download)

       这个后端可以对接各种 大模型工具,譬如 deepseek,豆包,通义千问等

2、可以通过 硅基 或者 火山方舟提供的云服务

这是火山的 注册的链接,一般新用户有15元代金券(硅基我没用)

https://www.volcengine.com/experience/ark?utm_term=202502dsinvite&ac=DSASUQY5&rc=49QILHMU

注册人脸识别后,然后开始做下面的步骤:

    1)开通管理: 我选择的是deepseek-R1

2)生产apiKey管理(在开通管理的下面)

     生成key

3)打开 cherry studio 右侧下方的 控制按钮

选择 火山引擎,然后输入 在火山方舟上生成的 key;然后 选择 管理中的添加 把 火山方舟中生成的 模型id复制过来,粘贴上就可以了。

最终的效果是:


http://www.ppmy.cn/server/171465.html

相关文章

Cuppa CMS v1.0 任意文件读取(CVE-2022-25401)

漏洞简介: Cuppa CMS v1.0 administrator/templates/default/html/windows/right.php文件存在任意文件读取漏洞 漏洞环境: 春秋云镜中的漏洞靶标,CVE编号为CVE-2022-25401 漏洞复现 弱口令行不通 直接访问administrator/templates/defau…

如何实现某短视频平台批量作品ID的作品详情采集

声明: 本文仅供学习交流使用,请勿用于非法用途。 在短视频平台的数据分析和内容监测中,批量采集作品详情是一个常见的需求。本文将介绍如何使用 Python 编写一个高效的爬虫程序,根据批量作品 ID 实现作品详情的批量采集。 1. 需求分析 输入:一批作品 ID。输出:每个作品 …

大模型架构与训练方向

一、核心知识领域 ‌模型架构设计‌ 掌握Transformer、MoE(Mixture-of-Experts)、RetNet等主流架构的原理与实现细节,需深入理解注意力机制、位置编码、稀疏激活等技术‌13。学习多模态融合架构(如CLIP、Flamingo)&…

STM32 物联网智能家居 (七) 设备子系统--风扇控制

STM32 物联网智能家居 (七) 设备子系统–风扇控制 一、概述 下面我们来讲解设备子系统中的风扇控制,这是我们设备子系统中的最后一章,相信前面大家一家掌握了这种架构分层的编程思想,后续会很容易将程序进行扩展和开发。 上一节我们介绍了OLED屏幕的编程思想,有很多小伙…

MySQL-数据库的基本操作

一、数据库的操作 在这之前,记得下载好MySQL哦~设置密码的时候记得设置一个简单的,千万不要忘记了! 这样就是登录成功咯。 ① 显示数据库 📖 show databases:显示当前的数据库 ② 创建数据库 📖 create d…

Spring 核心技术解析【纯干货版】- XII:Spring 数据访问模块 Spring-R2dbc 模块精讲

在现代应用架构中,高并发、低延迟的需求推动了 响应式编程 的发展,而传统的 JDBC 由于其 同步阻塞 机制,在高吞吐场景下可能成为瓶颈。R2DBC(Reactive Relational Database Connectivity) 作为 响应式关系型数据库访问…

第4章 4.4 EF Core数据库迁移 Add-Migration UpDate-Database

4.4.1 数据库迁移原理 总结一下就是: 1. 数据库迁移命令的执行,其实就是生成在数据库执行的脚本代码(两个文件:数字_迁移名.cs 数字_迁移名.Designer.cs),用于对数据库进行定义和修饰。 2. 数据库迁移…

【文献阅读】A Survey on Model Compression for Large Language Models

大语言模型模型压缩综述 摘要 大语言模型(LLMs)已成功变革了自然语言处理任务。然而,其庞大的规模和高昂的计算需求给实际应用带来了挑战,尤其是在资源受限的环境中。模型压缩已成为应对这些挑战的关键研究领域。本文对大语言模…