Page Assist - 本地Deepseek模型 Web UI 的安装和使用

Page Assist

Page Assist是一个开源的Chrome扩展程序,为本地AI模型提供一个直观的交互界面。通过它可以在任何网页上打开侧边栏或Web UI,与自己的AI模型进行对话,获取智能辅助。这种设计不仅方便了用户随时调用AI的能力,还保护了用户的隐私,因为所有的交互都是在本地完成的。
下载见本文绑定的资源,链接:https://blog.csdn.net/m0_56734068/article/details/143179789

扩展过程

1.下载后进“管理扩展程序菜单”,点击打包扩展程序。

2.选择你解压“pageassist-1.4.4-chrome.zip”存放的位置。

3.完成后,点“详情”得到如下说明。

4. 此页面往下翻,检查“固定到工具栏”是否为打开状态。打开后chrome浏览器地址栏后出现一个对话按钮。


使用过程

点对话框按钮,即打开deepseek网页用户界面web-ui,前提是你已部署好大模型了。

测试一

随便给个数学题目:1+2+3+...+100 

3.点击答案下方的第二个按钮“复制到剪切板” Copy to clipboard,就得到答案的markdown标记语言。如以上答案贴在代码框里,如下:

<think>
I will use the formula for the sum of the first n natural numbers, which is \( \frac{n(n + 1)}{2} \).Since there are 100 terms in this sequence, I substitute \( n = 100 \) into the formula.Calculating this gives me \( \frac{100 \times 101}{2} = 5050 \).
</think>To find the sum of the first 100 natural numbers (1 + 2 + 3 + ... + 100), we can use the formula for the sum of an arithmetic series:\[
S_n = \frac{n(n + 1)}{2}
\]Where:
- \( S_n \) is the sum of the first \( n \) natural numbers.
- \( n \) is the number of terms.**Step-by-Step Solution:**1. **Identify the Number of Terms (\( n \))**:  In this case, we are summing the first 100 natural numbers.\[n = 100\]2. **Plug the Value into the Formula**:  \[S_{100} = \frac{100 \times (100 + 1)}{2}\]3. **Simplify the Expression**:  \[S_{100} = \frac{100 \times 101}{2} = 50 \times 101 = 5050\]4. **Final Answer**:  \[1 + 2 + 3 + \dots + 100 = \boxed{5050}\]

而直接贴在发文的编辑框里,发表后就和web-ui里的显示一样了,包括用普通字符难以表达的数学公式也用LaTex公式展示出数学中正确的表达。 


<think>
I will use the formula for the sum of the first n natural numbers, which is \( \frac{n(n + 1)}{2} \).

Since there are 100 terms in this sequence, I substitute \( n = 100 \) into the formula.

Calculating this gives me \( \frac{100 \times 101}{2} = 5050 \).
</think>

To find the sum of the first 100 natural numbers (1 + 2 + 3 + ... + 100), we can use the formula for the sum of an arithmetic series:

\[
S_n = \frac{n(n + 1)}{2}
\]

Where:
- \( S_n \) is the sum of the first \( n \) natural numbers.
- \( n \) is the number of terms.

**Step-by-Step Solution:**

1. **Identify the Number of Terms (\( n \))**:  
   In this case, we are summing the first 100 natural numbers.
   
   \[
   n = 100
   \]

2. **Plug the Value into the Formula**:  
   
   \[
   S_{100} = \frac{100 \times (100 + 1)}{2}
   \]
   
3. **Simplify the Expression**:  
   
   \[
   S_{100} = \frac{100 \times 101}{2} = 50 \times 101 = 5050
   \]

4. **Final Answer**:  
   
   \[
   1 + 2 + 3 + \dots + 100 = \boxed{5050}
   \]


测试二

y''+2y'+3y=0 请解这个微分方程,并写出答题过程。

DS大约化了3分钟时间解决问题。用14b和8b两种模型回答,最终结果一致的,思考过程写题经过有点不一样。

14b: (如下所示,回答的<think>部分写在代码框里)


<think>
好,我现在要解这个二阶常系数线性微分方程:y'' + 2y' + 3y = 0。嗯,让我慢慢想一想。首先,这个方程看起来是齐次的,也就是说,它没有非齐次项,所以应该可以用特征方程法来解。那什么是特征方程呢?对,应该是把y''替换成r²,把y'替换成r,然后把方程中的y''、y'和y都变为相应的多项式,这样就得到一个关于r的二次方程。所以,我来代入一下。原来的微分方程是y'' + 2y' + 3y = 0,特征方程就是把y''替换成r²,y'替换成r,y替换成1,所以得到:
r² + 2r + 3 = 0。接下来,我需要解这个二次方程。用求根公式:r = [-b ± √(b² - 4ac)] / (2a),这里a=1,b=2,c=3。那代入进去就是:
r = [-2 ± √(4 - 12)] / 2 = [-2 ± √(-8)] / 2。哎呀,这里有个问题,√(-8)等于多少呢?应该是虚数单位i乘以√8,所以继续计算:
√(-8) = i√8,而√8可以化简为2√2,所以r的两个解就是:
r = [-2 ± 2i√2] / 2。接下来,我要把这个分母2约掉,得到:
r = -1 ± i√2。所以,这个微分方程有复数根,形式是α + βi,其中α = -1,β = √2。因为这些根都是复数,所以解的结构应该涉及到指数函数和三角函数。我记得对于这样的根,通解是:
y(t) = e^(α t) [C1 cos(β t) + C2 sin(β t)],
其中C1和C2是常数,由初始条件决定。不过,我觉得这不够全面,因为有时候可能还会有实数的指数部分,不过这里根已经是复数了,所以应该直接用这个形式。对吧?那我再检查一下,特征方程是否正确:r² + 2r +3 =0,没错。解出来的r确实是-1 ± i√2,这样写出通解也是正确的。不过,我还记得有时候复数根也可以用欧拉公式来表达,但可能这里直接使用指数和正弦、余弦函数更方便一些。嗯,总结一下,微分方程y'' + 2y' +3y=0的解是:
y(t) = e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)],
其中C1和C2是任意常数。不过,为了确保没错,我再检查一下是否有计算错误的地方。首先,特征方程r² + 2r +3=0的判别式D = b² -4ac=4-12=-8,是正确的,所以根是复数。然后代入解的时候也没有问题,得到了r=-1 ± i√2,所以没错。另外,如果我把这个解带回原微分方程,看看是否满足:
首先计算y = e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)],
那么y' = -e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)] + e^(-t)[-C1 √2 sin(√2 t) + C2 √2 cos(√2 t)],
而y''则是[e^(-t)][C1 cos(√2 t) + C2 sin(√2 t)] - 2e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)] + e^(-t)[-C1 (√2)^2 sin(√2 t) - C2 (√2)^2 cos(√2 t)]。嗯,这可能有点繁琐,不过我可以简化一下计算:让我更仔细地算一遍导数:
y = e^{-t} (C1 cos(√2 t) + C2 sin(√2 t)),
那么y' = -e^{-t}(C1 cos(√2 t)+C2 sin(√2 t)) + e^{-t}(-C1 √2 sin(√2 t) + C2 √2 cos(√2 t))。
这是因为,导数的计算是:-e^{-t}乘以括号里的部分,加上e^{-t}乘以对cos和sin求导后的项。然后y''就是:
首先,对y'求导,
= [-e^{-t}(C1 cos + C2 sin) + e^{-t}(-C1 √2 sin + C2 √2 cos)]的导数,
那这部分等于:
-e^{-t}(C1 cos + C2 sin) + [ -e^{-t}(C1 cos + C2 sin) ) 的导数,记得用乘积法则?
不对,其实应该是这样:
y' = (-C1 cos(√2 t) - C2 sin(√2 t)) e^{-t} + (-C1 √2 sin(√2 t) + C2 √2 cos(√2 t)) e^{-t},
所以y''就是把这两项再次导数:
首先,第一部分是(-C1 cos + -C2 sin)e^{-t},
它的导数是:
[C1 √2 sin(√2 t) - C2 √2 cos(√2 t)] e^{-t} +
+ (-C1 cos + -C2 sin)e^{-t},
然后第二项是(-C1 √2 sin + C2 √2 cos)e^{-t},
它的导数是:
[ -C1 (√2)^2 cos - C2 (√2)^2 sin ] e^{-t}
+ (-C1 √2 sin + C2 √2 cos) e^{-t}。这样计算可能比较复杂,换种方式,我是否可以用更系统的方法来代入原方程呢?另一种方法是,用特征方程法求出通解之后,再验证一下代入是否正确,不过其实已经得到了标准形式,所以或许不需要详细验证了。或者,假设我有通解y = e^{-t}(C1 cos(√2 t) + C2 sin(√2 t)),
然后带回原方程:y'' + 2y' +3y=0,计算各个导数:
先算y = e^{-t} (C1 cos + C2 sin),
那么y’ = -e^{-t}(C1 cos + C2 sin) + e^{-t}(-C1 √2 sin + C2 √2 cos),
接下来,y’’ 就是对y’求导:
= [e^{-t}(C1 cos + C2 sin)] - 2(e^{-t})(C1 cos + C2 sin)
+ e^{-t}[ (-C1 (√2)^2 sin - C2 (√2)^2 cos) ]
等一下,这可能太繁琐了,换个思路:或者,可以利用微分方程的线性性质,将解带入原方程,看看是否等于0。不过这可能花费比较多时间,我觉得或许可以接受这个通解,因为它来自正确的特征方程,并且步骤是对的,所以应该没问题。综上所述,这个微分方程y'' + 2y' +3y=0的解是:
y(t) = e^{-t}[C1 cos(√2 t) + C2 sin(√2 t)],
其中C1和C2由初始条件给出。所以,我觉得这个过程没问题,得到的通解也是正确的。**答案**
微分方程 \( y'' + 2y' + 3y = 0 \) 的解为:
\[
y(t) = e^{-t} \left[ C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right]
\]
其中 \( C_1 \) 和 \( C_2 \) 是常数。所以,最终答案是:
\[
\boxed{y(t) = e^{-t} \left( C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right)}
\]
</think>

首先,我们考虑解二阶常系数线性微分方程 \( y'' + 2y' + 3y = 0 \)。

1. **特征方程法**:
   将 \( y'' \)、\( y' \) 和 \( y \) 分别替换为 \( r^2 \)、\( r \) 和 1,得到特征方程:
   \[
   r^2 + 2r + 3 = 0
   \]

2. **求解特征方程**:
   使用二次公式解得:
   \[
   r = \frac{-2 \pm \sqrt{4 - 12}}{2} = \frac{-2 \pm \sqrt{-8}}{2} = -1 \pm i\sqrt{2}
   \]

3. **通解形式**:
   特征根为复数 \( -1 + i\sqrt{2} \) 和 \( -1 - i\sqrt{2} \),因此解的形式为:
   \[
   y(t) = e^{-t} \left[ C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right]
   \]
   其中 \( C_1 \) 和 \( C_2 \) 是常数。

最终答案为:
\[
\boxed{y(t) = e^{-t} \left( C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right)}
\]


8b:


<think>
嗯,我现在得解这个微分方程:y'' + 2y' + 3y = 0。好吧,先想想这是什么类型的方程。首先,这是一个二阶线性常系数齐次微分方程。一般来说,这样的方程可以用特征方程的方法来解。那我就按照步骤一步步来。第一步,写出特征方程。原方程的特征方程应该是:r² + 2r + 3 = 0。对吧?因为二阶的话,y''对应的是r²,系数不变;y'对应的是一次项,所以是2r,而常数项就是原来的常数,这里是3。接下来,解这个二次方程。用求根公式:r = [-b ± √(b² - 4ac)] / (2a),这里a=1,b=2,c=3。代入进去的话:r = [-2 ± √(4 - 12)] / 2
√里面是4-12=-8,所以平方根变成虚数了,记作i√8,也就是2√2 i。那这样,解就是:r = (-2 ± 2√2 i)/2。约分一下,分子分母都除以2,得 r = -1 ± √2 i。这说明特征方程的根是复数,形式为α ± βi,其中α=-1,β=√2。根据微分方程的解法,这种情况下通解的形式应该是:y(x) = e^{α x} [C1 cos(βx) + C2 sin(βx)],对吧?所以代入进去的话,就是:y(x) = e^{-x} [C1 cos(√2 x) + C2 sin(√2 x)]嗯,这里我得确认一下步骤是否正确。特征方程的根是正确的吗?我们再算一遍:r² + 2r +3=0,
判别式 D = (2)^2 -4*1*3 = 4 -12 = -8,
所以√D = √(-8) = 2i√2,
所以r=(-2 ± 2i√2)/2=-1±i√2,
对的,没有问题。那通解的形式是否正确?对于复根α ± βi,确实对应的解是e^{α x} (C1 cos(βx)+ C2 sin(βx))。没问题。有没有可能犯了什么错误呢?比如求特征方程的时候是不是哪里符号弄反了?让我再检查一下:原微分方程是y'' + 2y' +3y=0,对应的是r² +2r+3=0,没错。那根的计算也没问题。判别式算对了,√里面的结果也正确,得出的结果没问题。所以,我觉得通解应该是正确的:y(x)=e^{-x}[C1 cos(√2 x)+ C2 sin(√2 x)]或者也可以写成其他的形式,比如用欧拉公式表示为 e^{-x} [A e^{i√2 x} + B e^{-i√2 x}],但一般来说,更习惯于将解写成实数形式的余弦和正弦函数。综上所述,这个微分方程的通解就是上面那样。
</think>

为了求解二阶线性常系数齐次微分方程 \( y'' + 2y' + 3y = 0 \),我们首先写出其特征方程:

\[ r^2 + 2r + 3 = 0 \]

使用求根公式得到:

\[ r = \frac{-2 \pm \sqrt{(2)^2 - 4 \cdot 1 \cdot 3}}{2 \cdot 1} = \frac{-2 \pm \sqrt{-8}}{2} = -1 \pm i\sqrt{2} \]

由于特征方程的根是复数 \( -1 \pm i\sqrt{2} \),对应的通解形式为:

\[ y(x) = e^{-x} \left( C_1 \cos(\sqrt{2}x) + C_2 \sin(\sqrt{2}x) \right) \]

其中,\( C_1 \) 和 \( C_2 \) 是常数。

**答案:**

微分方程的通解为:

\[ y(x) = e^{-x} \left( C_1 \cos(\sqrt{2} x) + C_2 \sin(\sqrt{2} x) \right) \]


其它

DS占用内存情况 

大致情况:14b占用9G内存,8b占用5.8G,

DS与openAI的对比

如下图所示,deepseek的各项指标基本与openAI齐平各有出入,怪不到老美从跳脚要制裁到各大公司选择接入,打不过就加入吧。

华为小艺接入DS

最后附带一个新闻:在我编辑此文前一会会,收到手机通知消息,告知小艺已接入deepseek-R1,指纯血鸿蒙版的小艺App,5.0之前的老版本的是“智慧语音”暂时还没有。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/69217.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

GRN前沿:STGRNS:一种基于transformer的可解释方法,用于从单细胞转录组数据推断基因调控网络

1.论文原名&#xff1a;STGRNS: an interpretable transformer-based method for inferring gene regulatory networks from single-cell transcriptomic data 2.发表日期&#xff1a;2023.4.2 摘要&#xff1a; 动机&#xff1a;单细胞RNA测序&#xff08;scRNA-seq&#xf…

OpenAI 实战进阶教程 - 第四节: 结合 Web 服务:构建 Flask API 网关

目标 学习将 OpenAI 接入 Web 应用&#xff0c;构建交互式 API 网关理解 Flask 框架的基本用法实现 GPT 模型的 API 集成并返回结果 内容与实操 一、环境准备 安装必要依赖&#xff1a; 打开终端或命令行&#xff0c;执行以下命令安装 Flask 和 OpenAI SDK&#xff1a; pip i…

深入浅出:旋转变位编码(RoPE)在现代大语言模型中的应用

在现代大语言模型&#xff08;LLMs&#xff09;中&#xff0c;位置编码是一个至关重要的组件。无论是 Meta 的 LLaMA 还是 Google 的 PaLM&#xff0c;这些模型都依赖于位置编码来捕捉序列中元素的顺序信息。而旋转变位编码&#xff08;RoPE&#xff09; 作为一种创新的位置编码…

DeepSeek 部署过程中的问题

文章目录 DeepSeek 部署过程中的问题一、部署扩展&#xff1a;docker 部署 DS1.1 部署1.2 可视化 二、问题三、GPU 设置3.1 ollama GPU 的支持情况3.2 更新 GPU 驱动3.3 安装 cuda3.4 下载 cuDNN3.5 配置环境变量 四、测试 DeepSeek 部署过程中的问题 Windows 中 利用 ollama 来…

基础算法——二维前缀和

二维前缀和 我们先前已经了解了前缀和思想&#xff0c;二维前缀和感觉上就是一维前缀和的进阶&#xff0c;下面 &#xff0c;我们剖析一下两种前缀和。 一维前缀和 一维前缀和的核心就是这两个公式&#xff0c;二维前缀和也差不多的嘞 下面我们来推理一下二维前缀和 已知&a…

每日Attention学习19——Convolutional Multi-Focal Attention

每日Attention学习19——Convolutional Multi-Focal Attention 模块出处 [ICLR 25 Submission] [link] UltraLightUNet: Rethinking U-shaped Network with Multi-kernel Lightweight Convolutions for Medical Image Segmentation 模块名称 Convolutional Multi-Focal Atte…

2. K8S集群架构及主机准备

本次集群部署主机分布K8S集群主机配置主机静态IP设置主机名解析ipvs管理工具安装及模块加载主机系统升级主机间免密登录配置主机基础配置完后最好做个快照备份 2台负载均衡器 Haproxy高可用keepalived3台k8s master节点5台工作节点(至少2及以上)本次集群部署主机分布 K8S集群主…

游戏引擎学习第89天

回顾 由于一直没有渲染器&#xff0c;终于决定开始动手做一个渲染器&#xff0c;虽然开始时并不确定该如何进行&#xff0c;但一旦开始做&#xff0c;发现这其实是正确的决定。因此&#xff0c;接下来可能会花一到两周的时间来编写渲染器&#xff0c;甚至可能更长时间&#xf…

链式结构二叉树(递归暴力美学)

文章目录 1. 链式结构二叉树1.1 二叉树创建 2. 前中后序遍历2.1 遍历规则2.2 代码实现图文理解 3. 结点个数以及高度等二叉树结点个数正确做法&#xff1a; 4. 层序遍历5. 判断是否完全二叉树 1. 链式结构二叉树 完成了顺序结构二叉树的代码实现&#xff0c;可以知道其底层结构…

Kubernetes 中 BGP 与二层网络的较量:究竟孰轻孰重?

如果你曾搭建过Kubernetes集群,就会知道网络配置是一个很容易让人深陷其中的领域。在负载均衡器、服务通告和IP管理之间,你要同时应对许多变动的因素。对于许多配置而言,使用二层(L2)网络就完全能满足需求。但边界网关协议(BGP)—— 支撑互联网运行的技术 —— 也逐渐出…

Linux提权--John碰撞密码提权

​John the Ripper​&#xff08;简称 John&#xff09;是一个常用的密码破解工具&#xff0c;可以通过暴力破解、字典攻击、规则攻击等方式&#xff0c;尝试猜解用户密码。密码的弱度是提权攻击中的一个重要因素&#xff0c;如果某个用户的密码非常简单或是默认密码&#xff0…

大数据学习之Spark分布式计算框架RDD、内核进阶

一.RDD 28.RDD_为什么需要RDD 29.RDD_定义 30.RDD_五大特性总述 31.RDD_五大特性1 32.RDD_五大特性2 33.RDD_五大特性3 34.RDD_五大特性4 35.RDD_五大特性5 36.RDD_五大特性总结 37.RDD_创建概述 38.RDD_并行化创建 演示代码&#xff1a; // 获取当前 RDD 的分区数 Since ( …

[创业之路-286]:《产品开发管理-方法.流程.工具 》-1- IPD两个跨职能团队的组织

IPD&#xff08;集成产品开发&#xff09;中的两个重要跨职能组织是IPMT&#xff08;集成产品管理团队&#xff09;和PDT&#xff08;产品开发团队&#xff09;。 在IPD&#xff08;集成产品开发&#xff09;体系中&#xff0c;IRB&#xff08;投资评审委员会&#xff09;、IPM…

DeepSeek 提示词之角色扮演的使用技巧

老六哥的小提示&#xff1a;我们可能不会被AI轻易淘汰&#xff0c;但是会被“会使用AI的人”淘汰。 在DeepSeek的官方提示库中&#xff0c;有“角色扮演&#xff08;自定义人设&#xff09;”的提示词案例。截图如下&#xff1a; 在“角色扮演”的提示词案例中&#xff0c;其实…

第二个Qt开发实例:在Qt中利用GPIO子系统和sysfs伪文件系统实现按钮(Push Button)点击控制GPIO口(效果为LED2灯的灭和亮)

引言 本文承接博文 https://blog.csdn.net/wenhao_ir/article/details/145420998 里的代码&#xff0c;在那里面代码的基础上添加上利用sysfs伪文件系统实现按钮(Push Button)点击控制GPIO口的代码&#xff0c;进而实现LED2灯的灭和亮。 最终的效果是点击下面的LED按钮实现LED…

登山第十七梯:矩形拟合——无惧噪声

文章目录 一 摘要 二 资源 三 内容 (文章末尾提供源代码) 一 摘要 目前,获取点集的矩形拟合结果的主要方法是计算其最小外包直立矩形或者旋转矩形。这些方法简单、易用,在数据质量良好的情况下能够较好的贴合矩形形状。然而,在数据缺失时,最小外包围盒方法将会…

57. Uboot图形化界面配置

一、Uboot图形化配置方法 1、通过终端配置。 2、进入到uboot的源码根目录下。 3、首先默认配置 make mx6ull_alientek_emmc_defconfig //默认配置 4、输入make menuconfig。打开图形化配置界面。 5、注意&#xff0c;新电脑需要安装ncurses库。sudo apt-get install libncurs…

kalman滤波器C++设计仿真实例第三篇

1. 仿真场景 水面上有条船在做匀速直线航行&#xff0c;航行过程中由于风和浪的影响&#xff0c;会有些随机的干扰&#xff0c;也就是会有些随机的加速度作用在船身上&#xff0c;这个随机加速度的均方差大约是0.1&#xff0c;也就是说方差是0.01。船上搭载GPS设备&#xff0c;…

(2025|ICLR,音频 LLM,蒸馏/ALLD,跨模态学习,语音质量评估,MOS)音频 LLM 可作为描述性语音质量评估器

Audio Large Language Models Can Be Descriptive Speech Quality Evaluators 目录 1. 概述 2. 研究背景与动机 3. 方法 3.1 语音质量评估数据集 3.2 ALLD 对齐策略 4. 实验结果分析 4.1 MOS 评分预测&#xff08;数值评估&#xff09; 4.2 迁移能力&#xff08;在不同…

stm32生成hex文件详解

1.产生的map文件干啥的&#xff1f; 2.组成情况&#xff1f;&#xff1f;&#xff1f; 废话少说&#xff0c;直接上代码具体内容况&#xff1a; Component: ARM Compiler 5.06 update 7 (build 960) Tool: armlink [4d3601]Section Cross Referencesstartup_stm32f103xe.o(S…