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…

vite共享配置之---css相关

vite和webpack都有对样式的处理&#xff0c;涉及到的有css、sass、scss、postcss、模块化&#xff0c;以下是vite和webpack对样式的处理方式 特性ViteWebpackCSS 处理方式自动处理&#xff0c;无需配置&#xff0c;使用浏览器的原生支持需要配置 style-loader 和 css-loader&a…

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…

MATLAB中matches函数用法

目录 语法 说明 示例 匹配文本 使用模式匹配十六进制数 匹配多个字符串 忽略大小写 matches函数的功能是确定模式是否与字符串匹配。 语法 TF matches(str,pat) TF matches(str,pat,IgnoreCasetrue) 说明 TF matches(str,pat) 会在指定模式与 str 有匹配时返回 1…

【信息系统项目管理师】第20章:高级项目管理 详解

更多内容请见: 备考信息系统项目管理师-专栏介绍和目录 文章目录 20.1 项目集管理20.2 项目组合管理20.3 组织级项目管理20.4 量化项目管理20.5 项目管理实践模型本章是将第三版的第20章、第21章、第18章、第25章、第2章的PRINCE2进行了合并,包括项目集管理、项目组合管理、组…

个人笔记---关于详解threadlocal 上下文环境存储的最佳数据类型

个人原因很久没有写代码,对于一些基础的数据类型有一些忘记,可以根据gpt和我当时的问答进行复习 关于拦截器,由于在请求的到达controller处理器之前,拦截器(当然过滤器也可以实现,我感觉都差不多)就把上下文设置在了线程副本中,那么这个请求到处理器的这些代码进行查询出来的上…

vue3 的 onScopeDispose 是什么作用

onScopeDispose 是 Vue 3 中用于管理响应式副作用的一个重要 API&#xff0c;主要用于在当前活跃的 effect 作用域上注册一个处理回调函数。当这个作用域停止时&#xff0c;所注册的回调函数会被调用。这种机制使得开发者能够有效地清理和管理资源&#xff0c;尤其是在组合式函…

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…

医疗信息分析与知识图谱系统设计方案

医疗信息分析与知识图谱系统设计方案 0. 系统需求 0.1 项目背景 本系统旨在通过整合医疗机构现有的信息系统数据&#xff0c;结合向量数据库、图数据库和开源AI模型&#xff0c;实现医疗数据的深度分析、疾病预测和医疗知识图谱构建&#xff0c;为医疗决策提供智能化支持。 …

QImage与AVFrame互转

未验证&#xff0c;仅供参考&#xff0c;此方法感觉不是很好 先是AVFrame转QImage #pragma execution_character_set("utf-8")static int decode_write_frame(AVCodecContext *avctx, AVFrame *frame, int *frame_count, AVPacket *pkt, int last) {int len, got_f…

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…

PySPARK带多组参数和标签的SparkSQL批量数据导出到S3的程序

设计一个基于多个带标签SparkSQL模板作为配置文件和多组参数的PySPARK代码程序&#xff0c;实现根据不同的输入参数自动批量地将数据导出为Parquet、CSV和Excel文件到S3上&#xff0c;标签和多个参数&#xff08;以“_”分割&#xff09;为组成导出数据文件名&#xff0c;文件已…

如何安装LangChain软件包

前言 LangChain是一个强大的框架&#xff0c;用于构建使用大型语言模型&#xff08;LLMs&#xff09;的应用程序。它提供了一系列软件包和工具&#xff0c;帮助开发人员将LLMs集成到他们的工作流程中。然而&#xff0c;由于其模块化设计&#xff0c;LangChain生态系统可能会让…

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…

nuxt3中使用useFetch请求刷新不返回数据或返回html结构问题解决-完整nuxt3useFetchtch请求封装

前言 如果使用nuxt3写项目&#xff0c;可以查看nuxt3实战&#xff1a;完整的 nuxt3 vue3 项目创建与useFetch请求封装&#xff0c;此篇内容有详细步骤 但在此篇内容中useFetch请求在页面有多个请求的情况下&#xff0c;或者放在客户端渲染情境下是失败的&#xff0c;所以在此篇…

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…

JS:将JS对象格式化为php语法形式(完美支持无unicode编码匹配的正则)

/*** 格式化Object数据为php语法形式* param {*} obj 任意数据* param {String} spaceLen 缩略符长度&#xff1a;必须在2~65536之间&#xff0c;否则默认为2* return {String} 格式化后的PHP语法字符串*/ function formatToPhp(obj, spaceLen) {formatToPhp function (obj, s…