-
知乎这波可谓是走对路子了，最好的开源推理模型，和中文互联网上最优秀的语料结合，让直答的专业能力大大增强。
-
有人问和直接用 deepseek 有啥不一样？不一样之处在于，直答在参考来源上，给了知乎社区最高的权重，更偏向解决专业问题。
-
面对复杂和小众问题，Deepseek R1 加持了也不一定好用，而且 R1 其实幻觉问题更严重，在使用结果时需要小心。不过我认为，其推理过程比结果更有价值。
测试 1：知乎上有哪些大模型话题优秀答主？列举 10 个，并模仿他们语气，来介绍一些 Deepseek R1 的亮点
先来个相对简单的问题吧。
不知道其他答主觉得风格对不对，但就我这段风格模仿，只能给个 80 分吧哈哈，不过它采用递进的方式，确实有点像我，我写东西就很喜欢递进。
但是写多了，容易露馅。例如我让它继续模仿我，它虽然写得挺好，但语气就更不像我了，至少我写技术文章时，基本不会一上来就「兄弟们」。
测试 2：写一个喂饭级的 DeepSeek 部署教程
简单的问题难不倒 R1，那就上点难度。
我年前写了一篇在安卓上部署 DeepSeek 的教程，
并在文末表示想在 ios 上试试部署。
刚好知乎直答接入 DeepSeek R1，那就用直答来帮助我写这个教程吧。
于是，我让给我写一个完整的喂饭级教程，怎么在苹果手机上部署并运行 DeepSeek R1 7B 开源模型
当然，一开始，知乎直答也和 DeepSeek App 一样，响应不过来了，看来知乎直答得赶紧扩容。
重新问了一遍，好了。
从上面标红的部分可以看到，它参考了很多知乎上的文章，包括我之前写的一篇文章，在参考来源第 7 条。
其最后给出的回答也是有理有据的，甚至给出了所需工具的下载链接，虽然链接不太对（第一个跳转到官网而非 App store，第二个 404），但名字对了，自己去搜一下就好了。
甚至还给出进阶设置。
不
过，App Store 上并没有名为 MLC LLM 的应用，如果要用，则需要自己从源代码中 build。
虽然 MLC LLM 网站上推荐了名为 mlc chat 应用，但这个应用不能导入外部模型。
不过，在我搜索应用的过程中，找到其他可以导入模型的 app，例如 LLM Farm，On-Device AI 等，大家可以试试。
测试 3：用 DeepSeek R1 和 In-Context Lora，制作四宫格漫画
出了个更垂直的题目考考直答。要它根据 DeepSeek R1 和 In-Context Lora，制作四宫格漫画
可以看到，它把知乎文章和回答作为主要参考来源，其中第一篇是我之前写的文章。
不过这篇文章写的是插画而不是四宫格漫画。我出这个问题，是想看看其举一反三的能力。
参考来源中，除了知乎，它也搜索了 CSDN，个人博客等各种数据。
DeepSeek 根据搜索结果，进行了如下思考过程。
可以看到，每一步都是对的。
总体来说思路是对的，不过很多细节都没优化好，例如怎么让 AI 生成四宫格，而不是四个大小不一的图片。
可以追问，让它再详细点。
但 ComfyUI 里面跑代码不方便，于是我可以继续问。
然而，正如社区发现的，DeepSeek R1 的幻觉问题还是挺严重的，例如红框部分，其实并没有 In-Context Lora 的插件，In-Context Lora 是一系列权重。
当然，你可以去纠正它。
但给出的回答依然还是有幻觉。
当然这个例子我测试的问题有点多，就不一一截图了。
这个例子表明，当你用一个不算很热门的技术框架时，而且其中涉及很多步骤时，R1 很大概率会出现幻觉，无法做出你想要的效果。
