当前位置: 首页 » 资讯 » 新科技 » 正文

我用扣子Coze搭建了一个超频版DeepSeek-R1

IP属地 北京 编辑:杨凌霄 蓝鲸财经 时间:2025-03-04 15:31:54

文 | 阑夕

DeepSeek-R1发布已经一月有余,接入这个爆火的模型,也成了各大AI应用共飨盛宴的财富密码。

但是,直接复制(部署)一个不宕机的DeepSeek-R1,明摆着只是想吃这一波流量,并没有创造新的价值出来。

何况开源的意义之一,也在于群策群力,把一项技术成果交到更多的开发者手上,推动应用场景的百花齐放。

所以当扣子宣布独家支持Deepseek FunctionCall之后,连我作为没有任何代码基础的「外行」,都意识到这是一次改造DeepSeek-R1的绝佳机会,然后用了一个晚上的时间,搭建出了一款超频版DeepSeek-R1。

这是一个以DeepSeek-R1为核心的智能体,同时赋予了DeepSeek-R1看视频、出海报、画脑图、甚至写PPT的多模态能力。

在演示我的小作品之前,可以先把3个概念解释清楚:

- 扣子是什么?

扣子是字节旗下的AI应用搭建平台,可以调用各个大模型的能力,打造个性化的智能体,使用流程就像搭积木一样,无论拥有编程技能的专业用户,还是没有任何代码基础的普通用户,都能把自己的想法「产品化」。

- FunctionCall是什么?

直译过来是「函数调用」,其实就是支持大模型通过专有接口使用外部工具完成任务,而不再只能在自己的知识库和能力值以内穷尽所思,比如实时联网就是一种FunctionCall。

- 超频是什么?

DeepSeek-R1作为一款优秀的推理模型,不支持多模态实在可惜,有了FunctionCall之后,就能对DeepSeek-R1进行超频,开发出它原本并不具备的新性能。

解释完毕,再来看看超频版DeepSeek-R1的体验怎么样。

我可以让它基于指定的文章制作思维导图,比如随便找了一篇分析虎嗅上的爱马仕经营策略的文章,把链接贴上就可以了:

而这是它最后提交给我的:

接着我继续让超频版DeepSeek-R1再做一版PPT给我:

而在完成任务时,它也表现出了推理模型的长处,替我考虑到了PPT的色彩搭配应该和爱马仕的品牌主色调(橙色)保持一致,并完整的制作出了一份20多页的可下载PPT文件:

我也可以让超频版DeepSeek-R1去帮我「看」视频,然后提炼重要内容给我,同样直接贴上视频链接就可以了:

即使原视频是英文表达,但是不需要额外强调,超频版DeepSeek-R1也会自动根据上下文对话给出翻译之后的总结:

然后我要求生成一张符合这个主题的海报出来:

而超频版DeepSeek-R1也非常认真的交付了工作成果:

和其他联网版DeepSeek-R1主要还是通过搜索引擎来获取信息不同,超频版DeepSeek-R1可以实时调取各大平台的热搜,给出最新的结果:

而且能够根据要求给出具体的视频播放:

现在能够明白为什么要起超频版DeepSeek-R1这么一个名字了吧?相当于我给自己定制了一款解锁额外潜能的DeepSeek-R1,基础模型有的能力,这里一样不漏,基础模型没有的能力,这里一应俱全。

原理也非常简单,就是前面说过的,利用扣子提供的FunctioCall,让DeepSeek-R1从「基层员工」变成「中层干部」,可以带着团队来完成老板(用户)的要求。

这是我为超频版DeepSeek-R1配备的「下属」,那些它不会的工作,都可以交出去解决,然后协作出最后的结果:

比如为那篇爱马仕的报道制作思维导图的任务,就是DeepSeek-R1拉着链接读取和TreeMind两个插件一起做完的,我把整个过程的思维链贴出来你们就能看明白了:

简单来说,DeepSeek-R1先是通过链接读取这个插件,获得了访问URL的权限,然后读完了整篇文章,并梳理出了做图的思路和结构,使用TreeMind设计出了交付给我的成品。

其他的几个演示也是一样,就像是由DeepSeek-R1来牵头主导一个项目,它并不只传话的角色,而是发挥着推理模型擅长的思考作用,把任务拆解得更加细致,并分工出去逐步推进,最后再来验收,如果中间出了问题——比如某个插件的参数返回错误无法完成任务——它还会重新相处替代方案。

这就是扣子平台好玩的地方,它是一个上限很高、同时下限也很低的平台,专业的开发者可以用它做出非常复杂的应用,但像我这样不通代码的普通用户,也能照着图纸整出一些跑得起来的智能体,就像乐高玩具,大神和小白都能搭建他们想要的东西,获得的乐趣是一样的。

制作这个超频版DeepSeek-R1的工作台很简单:

在操作布局上,分为左中右三个区域:

左边是对智能体的整体提示词设定,可以定义模型的性格特点、对话风格、工作原则等等,权重很高,它在每次思考时都会以这里的提示词作为最优先级的考虑;

中间是在挑选模型之后对于细分能力的开发,我主要用的就是插件部分,其余的还支持知识库导入、创建定时任务、增强记忆关联等,都有非常成熟的使用方案;

免责声明:本网信息来自于互联网,目的在于传递更多信息,并不代表本网赞同其观点。其内容真实性、完整性不作任何保证或承诺。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕。

全站最新