趕AI大潮:在VSCode中使用DeepSeek及近百種模型的極簡方法

1 趕AI大潮:在VSCode中使用DeepSeek及近百種模型的極簡方法

1.1 背景

??DeepSeek在春節期間突然大行其道,欣喜國力大增的同時,對于普通IT工作者,如何才能享受這一波AI紅利,讓自己的工作更出彩呢?
??很多人在大量的宣傳攻勢下都知道了DeepSeek官網,然而當大家興沖沖的來到DeepSeek官網,隨便提兩個問題就得到了“服務器繁忙,請稍后再試。”的標準答案后,大家的積極性未免就大打折扣了!

??有沒有途徑既可以使用到DeepSeek大模型或其他AI模型,又沒有經濟負擔呢?

  • 部署DeepSeek-R1本地模型?看看網上各博主介紹的硬件投資,應該足可以打消您的沖動!
  • 使用云AI算力平臺前提是要找到足夠經濟的選擇!

注:
為了在VSCode中使用到經濟好用,甚至免費的AI算力,我們可以去硅基流動的模型市場上逛一圈。
硅基流動提供了兩種選擇:

  • 免費模型deepseek-ai/DeepSeek-R1-Distill-Llama-8BQwen/Qwen2.5-Coder-7B-Instruct等近30種可供選擇。
  • 收費模型deepseek-ai/DeepSeek-R1deepseek-ai/DeepSeek-V3等近60種價格不一的選擇。
    PS: 注冊贈送2000萬tokens可以薅很久DeekSeek模型。

1.2 準備過程

1.2.1 注冊AI平臺:進入AI的世界

在這里插入圖片描述

1.2.2 在VSCode中安裝Cline插件

在這里插入圖片描述

1.3 配置cline

1.3.1 打開cline:在VSCode側邊欄上選擇cline

如下圖所示:
在這里插入圖片描述

1.3.2 在cline中配置AI接口

??即配置準備工作中提到的AI平臺。
??如果第1次打開cline,會自動彈出配置窗口, 如果第1次沒有配置正確,找不到配置窗口,也不要緊,可以點擊下圖標識的位置:
在這里插入圖片描述

配置界面如下
在這里插入圖片描述

**參數說明 **:

  • API ProviderOpenAl Compatible
  • Base URL: https://api.siliconflow.cn/v1
  • API Key: 在硅基流動賬號中拷貝API,并粘貼,如下圖所示:
    在這里插入圖片描述

Model ID:進入硅基流動的模型廣場,可以篩選免費的模型,也可以使用其他收費模型(消耗贈送的tokens),如下所示:
在這里插入圖片描述

在這里插入圖片描述

注意:在模型廣場選中模型后點擊,在彈出頁面單擊復制模型名稱。 免費模型中Qwen/Qwen2.5-Coder-7B-Instruct生成的速度比較快,如果使用DeepSeek的話,deepseek-ai/DeepSeek-V3速度還可以(高峰期也比較慢)。deepseek-ai/DeepSeek-R1在編寫代碼方面,輸出速度不太讓人滿意。

1.4 在VSCode中使用DeepSeek

??前文已經將cline配置完畢,現在在VSCode中試一下給AI下發任務,看看效果如何。
??參考下圖,給AI提出任務:
在這里插入圖片描述

檢查AI生成的腳本是否達到預期
在這里插入圖片描述

注:第1個參數是生成文本行數,第2個參數是生成文本列數。
非常贊!完全達到了預期!!!沒有消耗我一個腦細胞!


作者聲明:本文用于記錄和分享作者的學習心得,可能有部分文字或示例來自AI平臺,如:豆包、DeepSeek(硅基流動)(注冊鏈接)等,由于本人水平有限,難免存在表達錯誤,歡迎留言交流和指教!
Copyright ? 2022~2025 All rights reserved.

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/70225.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/70225.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/70225.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【一文讀懂】HTTP與Websocket協議

HTTP協議 概述 HTTP (Hypertext Transfer Protocol),即超文本傳輸協議,是一種用于在客戶端和服務器之間傳輸超文本(例如網頁、圖片、音頻、視頻等)的通信協議。它是萬維網(WWW)的基礎,負責在瀏…

IDEA集成DeepSeek

引言 隨著數據量的爆炸式增長,傳統搜索技術已無法滿足用戶對精準、高效搜索的需求。 DeepSeek作為新一代智能搜索技術,憑借其強大的語義理解與深度學習能力,正在改變搜索領域的游戲規則。 對于 Java 開發者而言,將 DeepSeek 集成…

從零開始部署DeepSeek:基于Ollama+Flask的本地化AI對話系統

從零開始部署DeepSeek:基于OllamaFlask的本地化AI對話系統 一、部署背景與工具選型 在AI大模型遍地開花的2025年,DeepSeek R1憑借其出色的推理能力和開源特性成為開發者首選。本文將以零基礎視角,通過以下工具鏈實現本地化部署: …

圖論入門算法:拓撲排序(C++)

上文中我們了解了圖的遍歷(DFS/BFS), 本節我們來學習拓撲排序. 在圖論中, 拓撲排序(Topological Sorting)是對一個有向無環圖(Directed Acyclic Graph, DAG)的所有頂點進行排序的一種算法, 使得如果存在一條從頂點 u 到頂點 v 的有向邊 (u, v) , 那么在排序后的序列中, u 一定…

第1章大型互聯網公司的基礎架構——1.2 客戶端連接機房的技術1:DNS

客戶端啟動時要做的第一件事情就是通過互聯網與機房建立連接,然后用戶才可以在客戶端與后臺服務器進行網絡通信。目前在計算機網絡中應用較為廣泛的網絡通信協議是TCP/IP,它的通信基礎是IP地址,因為IP地址有如下兩個主要功能。 標識設備&…

全面解析鴻蒙(HarmonyOS)開發:從入門到實戰,構建萬物互聯新時代

文章目錄 引言 一、鴻蒙操作系統概述二、鴻蒙開發環境搭建三、鴻蒙核心開發技術1. **ArkUI框架**2. **分布式能力開發**3. **原子化服務與元服務** 四、實戰案例:構建分布式音樂播放器五、鴻蒙開發工具與調試技巧六、鴻蒙生態與未來展望結語 引言 隨著萬物互聯時代…

Android:播放Rtsp視頻流的兩種方式

一.SurfaceView Mediaplayer XML中添加SurfaceView: <SurfaceViewandroid:id"id/surface_view"android:layout_width"match_parent"android:layout_height"match_parent"/> Activity代碼&#xff1a; package com.android.rtsp;impor…

Next.js【詳解】CSS 樣式方案

全局樣式 Global CSS 默認已創建&#xff0c;即 src\app\globals.css&#xff0c;可根據需要修改 默認在全局布局中導入 src\app\layout.tsx import "./globals.css";組件樣式 CSS Modules 新建文件 src\app\test\styles.module.css .red {color: red;}導入目標頁面…

LVS相關原理

一、LVS集群的體系結構 1.1 LVS簡介 LVS 是 Linux Virtual Server 的簡稱&#xff0c;也就是 Linux 虛擬服務器 , 是一個由章文嵩博士發起的自由軟件項目&#xff0c;它的官方站點是 www.linuxvirtualserver.org 。現在 LVS 已經是 Linux標準內核的一部分&#xff0c;在Linux2…

【2025深度學習系列專欄大綱:深入探索與實踐深度學習】

第一部分:深度學習基礎篇 第1章:深度學習概覽 1.1 深度學習的歷史背景與發展軌跡 1.2 深度學習與機器學習、傳統人工智能的區別與聯系 1.3 深度學習的核心組件與概念解析 神經網絡基礎 激活函數的作用與類型 損失函數與優化算法的選擇 1.4 深度學習框架簡介與選擇建議 第2…

Java與C語言中取模運算符%的區別對比

博客主頁&#xff1a; [小????????] 本文專欄: Java 文章目錄 &#x1f4af;前言&#x1f4af;C語言中的取模運算符 %基本行為示例 注意事項示例&#xff1a;負數取模 &#x1f4af;Java中的取模運算符 %基本行為示例 對浮點數的支持示例&#xff1a;浮點數取模 符…

OpenCV機器學習(4)k-近鄰算法(k-Nearest Neighbors, KNN)cv::ml::KNearest類

操作系統&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 編程語言&#xff1a;C11 算法描述 cv::ml::KNearest 是 OpenCV 機器學習模塊中的一部分&#xff0c;它提供了實現 k-近鄰算法&#xff08;k-Nearest Neighbors, KNN&#xff09;的…

過于依賴chatgpt編程會有哪些弊端?

過于依賴ChatGPT編程可能會帶來以下問題&#xff1a; 1. 基礎不扎實&#xff0c;容易“變菜” 以前遇到代碼還會琢磨哪里不懂、怎么改&#xff0c;現在直接復制粘貼&#xff0c;時間長了可能連基本的語法和邏輯都搞不清楚。就像考試總抄答案&#xff0c;真讓你自己寫的時候腦子…

紅隊視角出發的k8s敏感信息收集——Kubernetes API 擴展與未授權訪問

針對 Kubernetes 第三方組件與 Operator 的詳細攻擊視角分析&#xff0c;涵蓋 Service Mesh、Helm Releases 和 Database Operators 的潛在風險及利用方法。 攻擊鏈示例 1. 攻擊者通過未授權的 Tiller 服務部署惡意 Helm Chart → 2. 創建后門 Pod 并橫向移動至 Istio 控制平…

3D與2D機器視覺機械臂引導的區別

3D與2D機器視覺在機械臂引導中的主要區別如下&#xff1a; 數據維度 2D視覺&#xff1a;僅處理平面圖像&#xff0c;提供X、Y坐標信息&#xff0c;無法獲取深度&#xff08;Z軸&#xff09;數據。 3D視覺&#xff1a;處理三維空間數據&#xff0c;提供X、Y、Z坐標及物體的姿態…

日常開發中,使用JSON.stringify來實現深拷貝的坑

使用JSON.stringify的方式來實現深拷貝的弊端 弊端一&#xff1a;無法拷貝NaN、Infinity、undefined這類值 無法拷貝成功的原因&#xff1a; 對于JSON來說&#xff0c;它支持的數據類型只有null、string、number、boolean、Object、Array&#xff0c;所以對于它不支持的數據類…

AI大模型(如GPT、BERT等)可以通過自然語言處理(NLP)和機器學習技術,顯著提升測試效率

在軟件測試中,AI大模型(如GPT、BERT等)可以通過自然語言處理(NLP)和機器學習技術,顯著提升測試效率。以下是幾個具體的應用場景及對應的代碼實現示例: 1. 自動生成測試用例 AI大模型可以根據需求文檔或用戶故事自動生成測試用例。 代碼示例(使用 OpenAI GPT API): …

【Linux】Ubuntu Linux 系統——Node.js 開發環境

??大家好&#xff0c;我是練小杰&#xff0c;今天星期五了&#xff0c;同時也是2025年的情人節&#xff0c;今晚又是一個人的舉個爪子&#xff01;&#xff01; &#x1f642; 本文是有關Linux 操作系統中 Node.js 開發環境基礎知識&#xff0c;后續我將添加更多相關知識噢&a…

Dockerfile 編寫推薦

一、導讀 本文主要介紹在編寫 docker 鏡像的時候一些需要注意的事項和推薦的做法。 雖然 Dockerfile 簡化了鏡像構建的過程&#xff0c;并且把這個過程可以進行版本控制&#xff0c;但是不正當的 Dockerfile 使用也會導致很多問題。 docker 鏡像太大。如果你經常使用鏡像或者…

mysql 學習16 視圖,存儲過程,存儲函數,觸發器

視圖&#xff0c; 存儲過程&#xff0c; 存儲函數 觸發器