黄铜技术手册 & 铜阀工况指南

由于公测期访问并发量巨大，部分主干节点可能触发流量限流保护。建议按如下顺序排查：

1. 访问 DeepSeek 网页版分流通道路由，系统会自动测速并引导至空闲分流节点。
2. 清除本地浏览器 DNS 缓存与 Cookie，或在无痕窗口（Incognito）尝试重新载入。
3. 对于高可靠生产业务，强烈建议接入 DeepSeek API 开放平台，享受企业级 SLA 与高吞吐保障。

DeepSeek 官方开源了基于 Qwen 与 Llama 骨干蒸馏的 1.5B 到 70B 模型。本地离线执行步骤如下：

# 1. 启动轻量 7B 蒸馏版 (显存推荐 >= 6GB)
ollama run deepseek-r1:7b

# 2. 或启动超轻量 1.5B 版 (可在普通 CPU 笔电运行)
ollama run deepseek-r1:1.5b

# 3. 验证本地 REST 服务
curl http://localhost:11434/api/chat -d '{
  "model": "deepseek-r1:7b",
  "messages": [{"role": "user", "content": "你好，请解释强化学习"}]
}'

本地部署的权重数据 100% 留存在本地设备，无网络通信开销，适合涉密或断网工况。

DeepSeek API 完全遵循 OpenAI Chat Completion 协议规范，只需配置两个环境变量即可实现代码无缝平移：

OPENAI_BASE_URL="https://api.deepseek.com"
OPENAI_API_KEY="sk-your-deepseek-api-key"
MODEL_NAME="deepseek-reasoner"  # 开启满血深度思考 R1

当调用 deepseek-reasoner 时，流式返回中包含 reasoning_content 独占字段，用于前端实时呈现模型缜密的思维链过程。

DeepSeek Harness 是一套用于检验大模型真实推理水准的自动化基准评测挽具，全面集成了 MATH-500、AIME 2024、Codeforces 竞技编程及长文本召回测试。它支持自动化拉起 Docker 沙盒环境，对模型生成代码进行真实编译与单元测试，彻底杜绝数据污染与虚假跑分。

DeepSeek-R1 是通过纯强化学习（Pure RL）自发探索解题路径的。过分冗长、限定思维框架或带有 Few-Shot 样本的 System Prompt 往往会压制模型探索新奇解题步骤的自由度，反而导致推理质量下降。推荐直接给出清晰的数学逻辑题目或工程需求，让模型自由展开思维链即可获得最佳效果。