你有没有想过，有一天可以轻松从海量复杂文档中找到藏针的信息 ？如果你正为企业化私有信息提取困难而头痛不已 ？

近期，DeepSeek-R1模型凭借其在数学推理、代码生成和自然语言推理Reasoning等领域的卓越性能，引起广泛关注，从AI界火出圈了。很少有一种技术既能充当幕后扛旗的无名英雄，又能兼具网红明星的气质。而DeepSeek做到了这一点。作为提升生产力的利器，DeepSeek正吸引着众多个人开发者与企业用户的兴趣，他们纷纷寻求在本地环境中部署DeepSeek-R1模型，以充分利用其强大的AI能力。

我们先拆解下这个工作流，这个工作流主要是有开始、条件分支、rookie_rss(第三方插件）、代码执行、变量聚合器、系统时间（第三插件）、llm大语言模型、直接回复等。其中本次工作流用到了一个新的第三方组件，名字叫做rookie_rss。我们首先介绍一下rookie_rss安装使用。

以 deepseek r1 模型为例：访问https://ollama.com/library/deepseek-r1，默认为 7b 模型，如需其他模型，可以在当前页搜索所需模型模型详情页复制安装命令ollama run deepseek-r1安装完成后在终端执行：

DeepSeek，作为一款功能强大的AI工具，在信息检索与处理方面有着独特优势。而飞书多维表格凭借其灵活的数据管理和协作能力，为构建个性化知识库提供了绝佳平台。飞书多维表格自接入了deepseek之后，二者的强强联手，极大提高了工作效率。这个选题是我一直都想做还没开始做的，今天我就为大家带来一个超实用的教程 —— 使用 DeepSeek 结合飞书多维表格，打造属于你的 AI 知识库，让工作和学习效

RAG系统通过引入知识库，扩展了LLM对专业领域和实时信息的支持能力，使其在回答专业问题时更加准确高效。

1、在携程的面试中，体会到了面试不仅是对专业知识的检验，更是对个人素质的全面考察。2、面试前的准备至关重要，在面试前，尽可能的去了解够企业文化和公司状况，以及提前了解公司面试时可能出现的面试题，一般网上会有企业面经分享。有需要的话可以自己去找面试题先背一背。3、在面试过程中，也要关注面试技巧。尽可能的多展示自己的优势和特长。交流的过程中注意条理性，保持冷静灵活应变。4、虽然这次面试我挂掉了，但是也

大语言模型（LLMs）在自然对话、推理甚至代码生成方面展现了卓越的能力。然而，它们本质上受到参数中编码的知识和在推理时可用的固定上下文窗口的限制。一个没有外部访问权限的LLM只能依赖其训练数据，无法轻松更新知识或执行超出其内置能力的操作。为了克服这一限制，最近的研究工作集中于通过外部工具和函数调用能力来增强LLMs。通过调用工具（例如网络搜索、数据库、计算器）通过定义的函数或API，LLM可以获取

AI 智能体在企业落地过程中通过 MCP 标准协议获取数据，随着可用的 MCP 工具越来越多，逐步达到几十万个 MCP 工具，甚至几百万个，MCP 工具通过系统提示词注册给大模型时候，将会导致以下两个问题：

不知道大家有没有想过这个问题？我这两天对这个问题还深入思考了一下，思考的初衷是来源于现在这么多的开源大模型，而且挺多是多模态场景，而Embedding模型相对单模且英文语料居多，如果能复用大模型的output layer，是不是会加速手头上的实验进展。