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

news2025/2/6 22:17:58

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.coloradmin.cn/o/2293975.html

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,一经查实,立即删除!

相关文章

Spring Boot篇

为什么要用Spring Boot Spring Boot 优点非常多&#xff0c;如&#xff1a; 独立运行 Spring Boot 而且内嵌了各种 servlet 容器&#xff0c;Tomcat、Jetty 等&#xff0c;现在不再需要打成 war 包部署到 容器 中&#xff0c;Spring Boot 只要打成一个可执行的 jar 包就能独…

基于SpringBoot的在线远程考试系统的设计与实现(源码+SQL脚本+LW+部署讲解等)

专注于大学生项目实战开发,讲解,毕业答疑辅导&#xff0c;欢迎高校老师/同行前辈交流合作✌。 技术范围&#xff1a;SpringBoot、Vue、SSM、HLMT、小程序、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容&#xff1a;…

python实现多路视频,多窗口播放功能

系列Python开发 文章目录 系列Python开发前言一、python实现多路视频播放功能二、代码实现1. http申请视频流地址并cv2播放功能 三、打包代码实现生成可执行文件 总结 前言 一、python实现多路视频播放功能 服务端开发后通常需要做功能测试、性能测试&#xff0c;通常postman、…

Java设计模式:行为型模式→责任链模式

Java 责任链模式详解 1. 定义 责任链模式&#xff08;Chain of Responsibility Pattern&#xff09;是一种行为型设计模式&#xff0c;它使多个对象都有机会处理请求&#xff0c;而不是由一个对象去处理这个请求。这种模式以链表的形式将多个处理对象串联起来&#xff0c;并通…

2025年02月05日Github流行趋势

项目名称&#xff1a;OCRmyPDF 项目地址url&#xff1a;https://github.com/ocrmypdf/OCRmyPDF项目语言&#xff1a;Python历史star数&#xff1a;15872今日star数&#xff1a;157项目维护者&#xff1a;jbarlow83, fritz-hh, apps/dependabot, mawi12345, mara004项目简介&…

关于大数据

在大数据背景下存在的问题&#xff1a; 非结构化、半结构化数据&#xff1a;NoSQL数据库只负责存储&#xff1b;程序处理时涉及到数据移动&#xff0c;速度慢 是否存在一套整体解决方案&#xff1f; 可以存储并处理海量结构化、半结构化、非结构化数据 处理海量数据的速…

离散浣熊优化算法(DCOA)求解大规模旅行商问题(Large-Scale Traveling Salesman Problem,LTSP),MATLAB代码

大规模旅行商问题&#xff08;Large-Scale Traveling Salesman Problem&#xff0c;LTSP&#xff09;是经典旅行商问题&#xff08;TSP&#xff09;在规模上的扩展&#xff0c;是一个具有重要理论和实际意义的组合优化问题&#xff1a; 一、问题定义 给定一组城市和它们之间的…

Page Assist实现deepseek离线部署的在线搜索功能

前面文章Mac 基于Ollama 本地部署DeepSeek离线模型 实现了deepseek的离线部署&#xff0c;但是部署完成虽然可以进行问答和交互&#xff0c;也有thinking过程&#xff0c;但是没办法像官方一样进行联网搜索。今天我们介绍一款浏览器插件Page Assist来实现联网搜索&#xff0c;完…

win10系统安装和部署DeepSeek以及python实现

DeepSeek之python实现API应用 1、下载和安装 https://github.com/ollama/ollama/releases/latest/download/OllamaSetup.exe 傻瓜式安装 2、测试安装成功 ollama -v3、拉取模型 选择模型版本:1.5B 版本适合配置一般、想尝鲜、轻度使用的用户;8B 版本适合 16GB 内存以上…

C++六大默认成员函数

C六大默认成员函数 默认构造函数默认析构函数RAII技术RAII的核心思想优点示例应用场景 默认拷贝构造深拷贝和浅拷贝 默认拷贝赋值运算符移动构造函数&#xff08;C11起&#xff09;默认移动赋值运算符&#xff08;C11起&#xff09;取地址及const取地址操作符重载取地址操作符重…

3D图形学与可视化大屏:什么是片段着色器,有什么作用。

一、片段着色器的概念 在 3D 图形学中&#xff0c;片段着色器&#xff08;Fragment Shader&#xff09;是一种在图形渲染管线中负责处理片段&#xff08;像素&#xff09;的程序。它的主要任务是确定每个像素的颜色和其他属性&#xff0c;如透明度、深度等。片段着色器是可编程…

人类心智逆向工程:AGI的认知科学基础

文章目录 引言:为何需要逆向工程人类心智?一、逆向工程的定义与目标1.1 什么是逆向工程?1.2 AGI逆向工程的核心目标二、认知科学的四大支柱与AGI2.1 神经科学:大脑的硬件解剖2.2 心理学:心智的行为建模2.3 语言学:符号与意义的桥梁2.4 哲学:意识与自我模型的争议三、逆向…

低代码系统-产品架构案例介绍、蓝凌(十三)

蓝凌低代码系统&#xff0c;依旧是从下到上&#xff0c;从左至右的顺序。 技术平台h/iPaas 指低层使用了哪些技术&#xff0c;例如&#xff1a;微服务架构&#xff0c;MySql数据库。个人认为&#xff0c;如果是市场的主流&#xff0c;就没必要赘述了。 新一代门户 门户设计器&a…

Autosar-以太网是怎么运行的?(Davinci配置部分)

写在前面&#xff1a; 入行一段时间了&#xff0c;基于个人理解整理一些东西&#xff0c;如有错误&#xff0c;欢迎各位大佬评论区指正&#xff01;&#xff01;&#xff01; 目录 1.Autosar ETH通讯软件架构 2.Ethernet MCAL配置 2.1配置对应Pin属性 2.2配置TXD引脚 2.3配…

洛谷网站: P3029 [USACO11NOV] Cow Lineup S 题解

题目传送门&#xff1a; P3029 [USACO11NOV] Cow Lineup S - 洛谷 | 计算机科学教育新生态 (luogu.com.cn) 前言&#xff1a; 这道题的核心问题是在一条直线上分布着不同品种的牛&#xff0c;要找出一个连续区间&#xff0c;使得这个区间内包含所有不同品种的牛&#xff0c;…

STM32 ADC模数转换器

ADC简介 ADC&#xff08;Analog-Digital Converter&#xff09;模拟-数字转换器 ADC可以将引脚上连续变化的模拟电压转换为内存中存储的数字变量&#xff0c;建立模拟电路到数字电路的桥梁 12位逐次逼近型ADC&#xff0c;1us转换时间 输入电压范围&#xff1a;0~3.3V&#xff0…

结合深度学习、自然语言处理(NLP)与多准则决策的三阶段技术框架,旨在实现从消费者情感分析到个性化决策

针对电商个性化推荐场景的集成机器学习和稳健优化三阶段方案。 第一阶段:在线评论数据处理&#xff0c;利用深度学习和自然语言处理技术进行特征挖掘&#xff0c;进而进行消费者情感分析&#xff0c;得到消费者偏好 在第一阶段&#xff0c;我们主要关注如何通过深度学习和自然语…

机器学习8-卷积和卷积核

机器学习7-卷积和卷积核 卷积与图像去噪卷积的定义与性质定义性质卷积的原理卷积步骤卷积的示例与应用卷积的优缺点优点缺点 总结 高斯卷积核卷积核尺寸的设置依据任务类型考虑数据特性实验与调优 高斯函数标准差的设置依据平滑需求结合卷积核尺寸实际应用场景 总结 图像噪声与…

SpringBoot使用 easy-captcha 实现验证码登录功能

文章目录 一、 环境准备1. 解决思路2. 接口文档3. redis下载 二、后端实现1. 引入依赖2. 添加配置3. 后端代码实现4. 前端代码实现 在前后端分离的项目中&#xff0c;登录功能是必不可少的。为了提高安全性&#xff0c;通常会加入验证码验证。 easy-captcha 是一个简单易用的验…

DIY Shell:探秘进程构建与命令解析的核心原理

个人主页&#xff1a;chian-ocean 文章专栏-Linux 前言&#xff1a; Shell&#xff08;外壳&#xff09;是一个操作系统的用户界面&#xff0c;它提供了一种方式&#xff0c;使得用户能够与操作系统进行交互。Shell 是用户与操作系统之间的桥梁&#xff0c;允许用户通过命令行…