weiliang_Handan的博客

访问模型库：https://ollama.com/library/deepseek-r1。官网直达：https://ollama.com/download。② 接口地址：http://localhost:11434/v1。4090 显卡，32B模型，输出速度： 31 token/s。• 高性能设备：32B版本（32GB内存+12GB显存）官网：https://chatboxai.app/zh。• 入门级：1.5B版本（4GB内存+核显可运行）• 进阶推荐：7B版本（8GB内存+4GB显存）

DeepSeek及其作为通用人工智能工具的应用，详细阐述了它的能力范围，包括智能对话、文本生成、代码辅助、自然语言理解等。文章着重介绍了如何有效利用提示语（Prompt）与DeepSeek交互，特别是针对推理模型与通用模型的不同策略，并提供了丰富的场景化应用示例和提示语设计技巧。此外，文档还探讨了提升AI生成内容质量的方法，如引入元叙事框架、情感融入策略等，并分析了在人机共生时代，如何培养AI思维、整合力、引导力与判断力等核心能力，强调人在AI内容生成中的主导作用

人工智能代理（AI Agent）是一种能够感知环境、做出决策并执行操作的智能系统。它可以是软件程序，也可以是物理设备，例如机器人或聊天机器人。AnAI agentAI Agent 代表了人机交互方式的一次重大飞跃。无论你是开发者、创业者还是企业管理者，现在都是探索 AI Agent 如何提升运营效率、改善客户体验并开启新机遇的最佳时机。保持好奇，保持学习，今天就开始尝试构建属于你自己的 AI Agent！

直接上干货：prompt:示例：示例：将如下html代码保存到 test.html文件，浏览器打开即可

RAG、DeepSearch、DeepResearch 对比分析

该文件介绍了一个AI驱动的对冲基金系统，用户可以选择不同的分析师和模型进行股票交易决策。系统的主要流程包括：解析命令行参数、选择AI分析师、决定使用本地或云端LLM模型、创建工作流、生成图形、验证日期格式、设置投资组合、运行系统并输出交易结果。示例中，用户选择了Aswath Damodaran作为分析师，并使用本地Ollama模型的gemma3:27b进行分析。系统对AAPL和MSFT进行了分析，并给出了中立的交易建议，认为当前数据不足以支持明确的买入或卖出信号，建议持有。

本文介绍了一个基于Python的AI对冲基金项目中的回测功能实现。通过使用本地模型ollama的gemma3 (27B)进行测试，项目展示了如何选择分析师和模型，并生成回测结果。回测结果显示，投资组合的现金余额为$91,410.60，总持仓价值为$10,786.40，总价值为$102,197.00，回报率为+2.20%，夏普比率为8.05，索提诺比率为197.47，最大回撤为0.02%。回测过程中，对AAPL、MSFT和NVDA等股票进行了持仓操作，最终在2025年4月23日对NVDA进行了买入操作。该项目