参数 说明 云间高速(标准版) 选择需要配置的云间高速网络实例。 连接名称 定义需要创建的跨域连接名称。 带宽配置方式 跨域连接配置方式。 目前仅支持“ 从带宽包分配（包年/包月） ”模式。 带宽包 选择需要使用的带宽包。 带宽 配置跨地域连接的带宽值。 单位：Mbps。 地域A/地域B（云企业路由器） 选择需要连接的两个区域（云企业路由器） 高级配置 “ 自动学习对端（云企业路由器）路由 ”：选择开启，表示两端的云企业路由器自动同步各自默认路由表中的路由；选择关闭，则表示不自动同步，您可以通过自定义路由进行配置

推荐搭配 需求管理、代码托管、编译构建、部署、测试计划、制品仓库。 实现结果 需求管理可视化，准确度量软件开发过程，上下游合作伙伴高效协作。 高校/培训机构 研发挑战 受应试教育影响，学生对课堂理论知识接受能力强，而运用知识解决实际问题偏弱；多数学生在个人能力发展过程中忽略了对动手能力、职业素养、团队协作意识等方面的培养；精心制定的教学计划与内容难以跟随IT行业快速变化的技术理论与前沿趋势；学科竞赛、实验项目推进、综合实训缺少统一规范化的流程与平台。 推荐搭配 需求管理、代码托管、代码检查、编译构建、测试计划、部署、制品仓库。 实现结果 在实践中学习软件开发，用实践项目培养人才。

配置 说明 云企业路由器 选择云企业路由器名称。 本文选择华北2创建的云企业路由器。 资源归属 本文选择本账号。 关联路由表 选择云企业路由器的路由表。 本文选择默认路由表。 实例类型 选择云企业路由器加载的实例类型。 本文选择虚拟私有云VPC。 网络实例 选择已创建的VPC。 本文选择VPC1. 子网 选择VPC的子网。 本文选择10.10.0.0/24。 高级配置（自动路由学习） 自动传播网络实例系统路由至云企业路由器路由表（默认开启）。 本文选择开启。 高级配置（自动路由同步） 自动同步本侧云企业路由器关联路由表中的路由 （默认开启）。 本文选择开启。

步骤八：配置Anaconda深度学习库。 1. 在操作系统界面，单击左下角的 ，在弹出菜单中选择 Anaconda Prompt。 2. 在打开的 Anaconda Prompt 命令行窗口中，执行以下命令，创建虚拟环境。 conda create n xxxenv python3.9 说明 xxxenv 为环境名，python3.11 为 Python 版本，您可根据实际需求进行修改。 如下所示即为安装成功。 您可使用以下命令进入或退出已创建的虚拟环境。进入虚拟环境后，即可按照实际需求安装包。 激活命令 conda activate xxxenv 退出命令 conda deactivate 步骤九：安装PyTorch。 前往PyTorch 官网，使用官网推荐的安装代码。本文已安装 CUDA 版本为11.3，在已创建的 xxxenv 虚拟环境中执行如下命令进行安装： CUDA 11.3 conda install pytorch1.10.1 torchvision0.11.2 torchaudio0.10.1 cudatoolkit11.3 步骤十：安装TensorFlow。 1. 执行以下命令，安装 TensorFlowgpu2.6.0。 pip install tensorflowgpu2.6.0 i 2. 执行以下命令，安装 keras。 pip install keras i 深度学习库的安装已基本完成。您可参考本文方法安装更多所需要的包，并利用 Anaconda 自带的 jupyter notebook、Spyder 工具或者安装 PyCharm 等工具开始代码学习。

监测数据泄露事件 数据库访问对应的返回结果中，包含大量的价值信息，单次操作访问的数据量过大、数据导出操作过于频繁也可能指向数据泄露，天翼云数据库审计能够监测众多可能导致数据泄露的操作，包括撞库、数据库外联、大流量返回、非授权访问等。 监测违规操作事件 部分主体的内部工作人员会存在违规行为，联合外部攻击者，共同窃取价值数据谋取私利，天翼云数据库审计能够监测应用账号违规操作、运维人员违规操作、数据库探测等具备潜在内部违规风险的行为。 提升安全意识 详细分析报表定期发送，全面了解数据库性能、语句、访问、会话、告警等多方情况，智能学习数据库行为习惯，对于超出基线的行为及时预警，防患于未然。

本文为您介绍容器安全卫士的产品优势。 容器安全卫士对云原生应用进行多维度检测和防护，产品优势如下： 一键管理便捷 贴合云原生特点，全组件采用容器化部署，实现客户端一键部署、一键卸载。安全能力随业务集群变动自动跟随防御，无需人工干预。 全面完整专业 集成国际、国内、官方等多种漏洞源，基于ClamAV、自研等多种病毒引擎，为您提供专业的安全风险检测。 动静结合智能 采用静态动态双结合的检测方式，自动形成业务行为基线，基于学习引擎，实时发现未知安全风险，实现智能化防护。 全链加密安全 容器安全卫士各个组件交互过程中，全链采用加密传输，敏感数据加密存储，客户端不暴漏任何端口，保护您的同时也注重自身安全。

CUDA Samples（原称 NVIDIA CUDA SDK Samples）是 NVIDIA 官方提供的一系列示例程序，涵盖 CUDA 核心技术（如并行计算、内存管理、流处理）、深度学习加速、图形渲染、异构计算等多个领域。这些示例不仅是学习 CUDA 编程的核心资料，也是验证 CUDA 环境是否正常工作的重要工具。此文档旨在在提供 CUDA Samples 的获取、环境准备、编译流程及常见问题解决的完整指导，适用于 Linux、Windows 主流操作系统。 一、 前置条件 1.1 硬件要求 需搭载 NVIDIA 显卡 ，且显卡需支持 CUDA 架构（可通过 NVIDIA 官方文档 查询显卡兼容性）。 建议显卡计算能力（Compute Capability）≥ 3.5（主流显卡均满足，如 GTX 10 系列及以上、Tesla 系列）。 1.2 软件环境要求 需完成「CUDA 工具链 + 编译工具」的环境搭建，不同系统的依赖如下： 系统类型 核心依赖组件 说明 Linux(CentOS) CUDA Toolkit12.4、GCC/G++、Make、CMake GCC 版本需与 CUDA 12.4 兼容（支持 GCC 12 及以下） Linux(Rocky) CUDA Toolkit12.8、GCC/G++、Make、CMake GCC 版本需与 CUDA 12.8 兼容（支持 GCC 13 及以下） Windows CUDA Toolkit、Visual Studio 需安装 Visual Studio 2019 及以上（含 C++ 编译组件），且版本与 CUDA Toolkit 匹配

参数 说明 云间高速 请选择已经创建的云间高速实例。 云企业路由器（区域） 请选择已经创建的云企业路由器实例。 资源归属 请选择资源归属类型“本账号”/“跨账号”。 关联路由表 请选择关联的路由表。 实例类型 请选择类型：【云专线】。 网络实例 请选择已经创建的【云专线】实例。 权重 （可选）配置链路路由权重，可输入类范围（0~255）。 链路冗余 （可选）是否启用冗余模式，若启用，需指定目标冗余组进行加入。同一冗余组内的网络实例默认隔离路由传播。 高级配置（自动路由学习） 自动传播网络实例系统路由至云企业路由器路由表（默认开启）。 高级配置（自动路由同步） 自动同步本侧云企业路由器关联路由表中的路由 （默认开启）。

参数 说明 云间高速 请选择已经创建的云间高速实例。 云企业路由器（区域） 请选择已经创建的云企业路由器实例。 资源归属 请选择资源归属类型“本账号”/“跨账号”。 关联路由表 请选择关联的路由表。 实例类型 请选择类型：“VPN网关”。 网络实例 请选择已经创建的VPN网关实例。 权重 （可选）配置链路路由权重，可输入类范围（0~255）。 链路冗余 （可选）是否启用冗余模式，若启用，需指定目标冗余组进行加入。同一冗余组内的网络实例默认隔离路由传播。 自动路由学习 自动传播网络实例系统路由至云企业路由器路由表（默认开启）。 自动路由同步 自动同步本侧云企业路由器关联路由表中的路由 （默认开启）。

本章节向您介绍通过企业路由器实现同区域VPC互通的步骤三内容。 约束与限制 VPC网段（CIDR）不能重叠。 本示例中，ER路由表使用的是“虚拟私有云（VPC）”连接的传播路由，由ER自动学习VPC网段作为目的地址，不支持修改，因此重叠的VPC网段会导致路由冲突。 如果您已有的VPC存在网段重叠，则不建议您使用传播路由，请在ER路由表中手动添加静态路由，目的地址可以为VPC子网网段或者范围更小的网段。 本示例中4个ECS位于同一个安全组内，如果您的ECS位于不同的安全组，需要在安全组中添加规则放通网络。 操作步骤 步骤1：创建4个VPC及子网。 步骤2：创建4个ECS。

本节先简要介绍了Llama2模型的基本信息，接着详述了如何在GPU云主机中搭建模型运行环境。基于此，推出了预装 LLaMA27BChat大模型和模型运行环境的GPU云主机镜像，使您能够快速搭建Llama 2推理和微调环境。 什么是Llama2 Meta在7月18日发布了可以免费用于学术研究或商业用途的Llama2开源大语言模型。 ! Llama的训练方法是先进行无监督预训练，再进行有监督微调，训练奖励模型，根据人类反馈进行强化学习。 Llama 2的训练数据比Llama 1多40%，用了2万亿个tokens进行训练，并且上下文长度是Llama 1的两倍。 目前提供7B 、13B、70B三种参数量的版本。 根据Meta公布的官方数据，Llama 2在许多基准测试上都优于其他开源语言模型，包括推理、编程、对话能力和知识测试，在帮助性、安全性方面甚至比部分闭源模型要好。 Llama 2Chat在Llama 2的基础上针对聊天对话场景进行了微调和安全改进，使用 SFT (监督微调) 和 RLHF (人类反馈强化学习)进行迭代优化，以便更好的和人类偏好保持一致，提高安全性。 Llama 2Chat更专注于聊天机器人领域，主要应用于以下几个方面： 客户服务：Llama 2Chat可以用于在线客户服务，回答关于产品、服务的常见问题，并向用户提供帮助和支持。 社交娱乐：Llama 2Chat可以作为一个有趣的聊天伙伴，与用户进行随意、轻松的对话，提供笑话、谜语、故事等娱乐内容，增加用户的娱乐体验。 个人助理：Llama 2Chat可以回答一些日常生活中的问题，如天气查询、时间设置、提醒事项等，帮助用户解决简单的任务和提供一些实用的功能。 心理健康：Llama 2Chat可以作为一个简单的心理健康支持工具，可以与用户进行交流，提供情绪调节、压力缓解的建议和技巧，为用户提供安慰和支持。

(3) 训练参数配置 必填: Name, Text file选择刚才上传的文件。 其他参数的设定需要有足够的背景知识, 这里不做详细介绍, 您可自行学习模型训练时的基本参数。 (4) 启动训练 在启动前保证Model页已经Load过基础模型。 注意 Llama 27b模型的训练默认fp16精度大约消耗18G显存, 入门款T4显卡机型无法支持, 需要在加载基础模型时选择loadin8bit以降低内存占用。 点击页面右下方 Start LoRA Training按钮, 下方将会出现提示文字, 等待模型完成训练与保存。 注意 1.在此阶段您可能会遇到各类问题导致训练失败, 建议参考 常见例如: 中文不是utf8编码, 显存不足等。 2.由于huggingface.io网站访问受限, 学习机在启动服务时需要检查是否在启动脚本run.sh里写入了export HFHUBOFFLINE1, 否则在训练启动和结束时都会自动访问huggingface网站导致超时失败。 3.完成训练后的基础模型已经被训练影响, 需要重新reload一次基础模型以恢复初始状态。

本文主要介绍使用私网NAT网关为VPC内计算实例实现线上线下互通入门指引 用户本地数据中心（IDC）通过云专线接入虚拟私有云（VPC），VPC中的ECS需要转换成IDC指定的私网网段进行通信，详情可见下方的组网图。 图 组网图 下列配置指导仅以VPC Peering做示例，实际专线配置以云专线指导为准。 假设用户IDC（Peering目的VPC）网段为10.0.0.0/24，中转VPC子网网段为10.1.0.0/24。 实现方式如下： 1. 通过云专线（Peering）将用户IDC（Peering目的VPC）与中转VPC连通。 2. 搭建私网NAT网关，将业务VPC与目的网段（Peering目的VPC）连通。 您将按以下流程学习如何创建和使用私网NAT网关。 图 入门流程

指标 指标名称 含义 取值范围 测试对象 监控周期 networkincomingbitsrate 网络流入带宽 云专线连接侧入站数据的比特率。 单位：bit/s ≥0 bits/s 物理连接和历史物理连接 1分钟 networkoutgoingbitsrate 网络流出带宽 云专线连接侧出站数据的比特率。 单位：bit/s ≥0 bits/s 物理连接和历史物理连接 1分钟 networkincomingbytes 网络流入流量 云专线连接侧入站数据的字节数。 单位：byte ≥0 bytes 物理连接和历史物理连接 1分钟 networkoutgoingbytes 网络流出流量 云专线连接侧出站数据的字节数。 单位：byte ≥0 bytes 物理连接和历史物理连接 1分钟 networkincomingpacketsrate 网络流入包速率 云专线连接侧入站数据包速率。 单位：Packet/s ≥ 0 packets/s 物理连接和历史物理连接 1分钟 networkoutgoingpacketsrate 网络流出包速率 云专线连接侧出站数据包速率。 单位：Packet/s ≥ 0 packets/s 物理连接和历史物理连接 1分钟 networkincomingpackets 网络流入包量 云专线连接侧入站数据包数。 单位：Packet ≥ 0 packets 物理连接和历史物理连接 1分钟 networkoutgoingpackets 网络流出包量 云专线连接侧出站数据包数。 单位：Packet ≥ 0 packets 物理连接和历史物理连接 1分钟 networkstatus 端口状态 云专线物理连接的端口状态。 0DOWN 1UP 物理连接和历史物理连接 1分钟 bgpreceiveroutenumv4 接收到的IPV4路由条目数 虚拟接口通过BGP协议学习到的IPV4的路由条目数。 ≥0 个 虚拟接口 1分钟 bgpreceiveroutenumv6 接收到的IPV6路由条目数 虚拟接口通过BGP协议学习到的IPV6的路由条目数。 ≥0 个 虚拟接口 1分钟 bgppeerstatusv4 IPv4 BGP PEER状态 IPv4 BGP PEER状态 0DOWN 1ACTIVE 虚拟接口 1分钟 bgppeerstatusv6 IPv6 BGP PEER状态 IPv6 BGP PEER状态 0DOWN 1ACTIVE 虚拟接口 1分钟 inerrors 网络流入错误包量 云专线连接侧入站错误数据包数 0232 物理连接 1分钟

技术亮点 TeleChat12Bbot 在模型结构、训练数据、训练方法等方面进行了改进，在通用问答和知识类、代码类、数学类榜单上相比TeleChat7Bbot均有大幅提升。 在模型结构方面，使用小规模的模型尝试多种模型结构的组合，选择最优结构。相比TeleChat7Bbot模型，TeleChat12Bbot模型采用了词嵌入层与输出层解耦的结构，将词嵌入层和输出lm head层参数分开，有助于增强训练稳定性和收敛性。 在训练数据方面，收集了覆盖书籍、百科、新闻、政务、法律、医药、专利、论文、数学、代码等诸多方面的大量中英文数据；通过优化数据清洗策略大幅提升数据的文本干净度、观点无偏性、内容有效性、格式规范性。 在训练方法方面，使用科学数据配比学习与课程学习的方法，使用小参数模型在多种数据配比的数据上拟合，得到对各个数据集难度的先验估计；训练过程中每隔一段时间自动化评估当前模型在所有数据集上的loss，以及在评测集上的生成效果，动态提升较难学习的数据集权重，保证模型在各个数据集上都有较佳的拟合效果。 模型结构 采用标准的 Decoderonly 结构设计了 TeleChat 模型，并在模型维度做了如下的一些改进： 位置编码：我们引入了 Rotary Embedding 的位置编码方法。该方法将相对位置信息集成到 selfattention 机制中，不仅增强了模型对位置信息的捕捉能力，还具备较好的位置外推性。此外，Rotary Embedding 与 FlashAttention v2 配合使用时，能够显著提升模型的训练速度，大约提高了20%。 激活函数：为了优化模型的计算效率和性能，我们选用了 SwiGLU 激活函数来替代传统的 GELU 激活函数。同时，为了进一步减少计算量，我们将 ffnhiddensize 设置为小于原始 SwiGLU 结构中推荐的4倍隐藏层大小。这一调整有助于在保证模型性能的同时，降低计算成本。 层标准化：在模型架构中，我们采用了基于 RMSNorm 的 PreNormalization 方法。这种方法在层标准化过程中，通过引入 RMS（Root Mean Square，均方根）归一化，使得模型在训练过程中更加稳定，有助于提升收敛速度和模型性能。 词嵌入层与输出层解耦：在 TeleChat12Bbot 版本中，我们将词嵌入层和输出层的参数进行了解耦。这种设计使得词嵌入层和输出lm head层可以独立地进行优化，从而增强了模型的训练稳定性和收敛性。这一改进对于提升大模型的训练效果和性能尤为重要。 综上所述，通过对 TeleChat 模型在位置编码、激活函数、层标准化以及词嵌入层与输出层解耦等方面的改进，我们旨在打造一个更加高效、稳定且性能优异的对话生成模型。

技术亮点 TeleChat12Bbot 在模型结构、训练数据、训练方法等方面进行了改进，在通用问答和知识类、代码类、数学类榜单上相比TeleChat7Bbot均有大幅提升。 在模型结构方面，使用小规模的模型尝试多种模型结构的组合，选择最优结构。相比TeleChat7Bbot模型，TeleChat12Bbot模型采用了词嵌入层与输出层解耦的结构，将词嵌入层和输出lm head层参数分开，有助于增强训练稳定性和收敛性。 在训练数据方面，收集了覆盖书籍、百科、新闻、政务、法律、医药、专利、论文、数学、代码等诸多方面的大量中英文数据；通过优化数据清洗策略大幅提升数据的文本干净度、观点无偏性、内容有效性、格式规范性。 在训练方法方面，使用科学数据配比学习与课程学习的方法，使用小参数模型在多种数据配比的数据上拟合，得到对各个数据集难度的先验估计；训练过程中每隔一段时间自动化评估当前模型在所有数据集上的loss，以及在评测集上的生成效果，动态提升较难学习的数据集权重，保证模型在各个数据集上都有较佳的拟合效果。 模型结构 采用标准的 Decoderonly 结构设计了 TeleChat 模型，并在模型维度做了如下的一些改进： 位置编码：我们引入了 Rotary Embedding 的位置编码方法。该方法将相对位置信息集成到 selfattention 机制中，不仅增强了模型对位置信息的捕捉能力，还具备较好的位置外推性。此外，Rotary Embedding 与 FlashAttention v2 配合使用时，能够显著提升模型的训练速度，大约提高了20%。 激活函数：为了优化模型的计算效率和性能，我们选用了 SwiGLU 激活函数来替代传统的 GELU 激活函数。同时，为了进一步减少计算量，我们将 ffnhiddensize 设置为小于原始 SwiGLU 结构中推荐的4倍隐藏层大小。这一调整有助于在保证模型性能的同时，降低计算成本。 层标准化：在模型架构中，我们采用了基于 RMSNorm 的 PreNormalization 方法。这种方法在层标准化过程中，通过引入 RMS（Root Mean Square，均方根）归一化，使得模型在训练过程中更加稳定，有助于提升收敛速度和模型性能。 词嵌入层与输出层解耦：在 TeleChat12Bbot 版本中，我们将词嵌入层和输出层的参数进行了解耦。这种设计使得词嵌入层和输出lm head层可以独立地进行优化，从而增强了模型的训练稳定性和收敛性。这一改进对于提升大模型的训练效果和性能尤为重要。 综上所述，通过对 TeleChat 模型在位置编码、激活函数、层标准化以及词嵌入层与输出层解耦等方面的改进，我们旨在打造一个更加高效、稳定且性能优异的对话生成模型。

本节介绍天翼云电脑（公众版）的产品定义，以便您了解云电脑。 天翼云电脑是云计算技术和终端相结合的创新型产品。依托中国电信优质云网资源，结合自主研发的CLINK数据安全传输协议，具备多重数据安全防护机制，实现安全高效的云电脑使用体验。即开即用，便捷访问，适配多种终端类型。 天翼AI云电脑亦称天翼量子AI云电脑，天翼云电脑。 天翼云电脑（公众版） 为个人/家庭用户提供安全、快速的云电脑使用服务，满足日常办公、娱乐、在线学习需要，多终端支持，随时随地使用智能终端一键接入云电脑。 产品架构图 说明 关于天翼云电脑（公众版）的产品规格说明，请参考 关于天翼云电脑（公众版）的产品功能说明，请参考 关于天翼云电脑（公众版）的客户端下载，请前往

本节介绍天翼云电脑(OpenClaw版)下载并安装Skiils的操作步骤。 OpenClaw云电脑预置了哪些Skills？ 如何下载并安装Skills？ 访问skills库 搜索并选择skill 下载skill压缩包 解压并放置到skills目录 生效skills 如何分享自己的使用技能 方式一：上传发布Skill 方式二：单独分享skill给好友 如何将OpenClaw的Skills迁移至其他云电脑？ OpenClaw云电脑预置了哪些Skills？ 天翼云电脑（OpenClaw版）预置了以下Skiils，开箱即用： cctvnewsfetcher （获取央视新闻联播指定日期的内容） chinatelecommail（发送和接收邮件） findskills（帮助发现和安装新技能） selfimproving（自我反思、自我批评、自我学习和记忆组织） skillvetter（安装技能前进行安全审计） stockwatcher（管理个人股票观察列表，查看股票表现） summarize（总结网页、PDF、图片、音频、YouTube 内容） tavilysearch（AI 优化的网页搜索） 如何下载并安装Skills？ 1.

第8章 服务SLA 每轮培训天翼云提供培训接口人，协调拉通培训所需资源，按约定培训时长提供服务。提供实操所需设备、平台资源，保证学员实际操作时长，并安排导师现场演示、指导、答疑等。 交付质效提升支持服务，天翼云提供产品接口人，协调支持需求明确，并按需组织方案评审、问题处理等服务，并提供相应输出物。 第9章 客户责任 客户应指派一位负责人作为双方接口协调接口，完成信息互通，并组织本公司学员完成天翼云学堂中理论课程学习、通过考试。 全部参培学员需提前准备个人电脑，用于实际操作。 第10章 服务完成 客户学员完成实操课程培训，参加实操考试，签署培训结束确认书，培训中心发出结业证书。 注意 注：集成交付培训服务开始后，不支持退订；学员中途主动退出，视为完成培训；实操考试通过情况以个人成绩为准，不做必过承诺。

实例类型 简介 使用说明 适用场景 单机实例 采用单个数据库节点部署架构。与主流的主备实例相比，它只包含一个节点，但具有高性价比。 单机版出现故障后，无法保障及时恢复。 个人学习。微型网站。中小企业的开发测试环境。 主备实例 采用一主一备的经典高可用架构，支持跨AZ高可用，选择主可用区和备可用区不在同一个可用区（AZ）。主实例和备实例共用一个IP地址。 备机提高了实例的可靠性，创建主机的过程中，会同步创建备机，备机创建成功后，用户不可见。当主节点故障后，会发生主备切换，数据库客户端会发生短暂中断，数据库客户端需要支持重新连接。 大中型企业的生产数据库。覆盖互联网、物联网、零售电商、物流、游戏等行业的应用。

本页为您介绍数据传输服务DTS的产品规格。 数据传输服务DTS产品规格说明 数据传输服务DTS提供如下可用的产品规格： 任务类型 分类 适用场景 参考性能 数据迁移 小规格 小规格实例，一般仅用于个人学习或者非生产环境下的产品体验和功能验证 1000RPS 数据迁移 中规格 小型企业及个人在线业务的去O迁移或上云 3000RPS 数据迁移 大规格 中小型企业及个人在线业务的去O迁移或上云 5000RPS 数据迁移 超大规格 大型型企业在线业务的去O迁移或上云 7000RPS 数据迁移 极大规格 超大型企业在线业务的去O迁移或上云 12000RPS 数据同步 小规格 小规格实例，一般仅用于个人学习或者非生产环境下的产品体验和功能验证 1000RPS 数据同步 中规格 小型企业及个人在线业务的数据复制与灾备 3000RPS 数据同步 大规格 中小型企业在线业务的数据复制与灾备 5000RPS 数据同步 超大规格 大型企业核心业务的本地同城灾备或异地灾备环境搭建 7000RPS 数据同步 极大规格 超大型企业核心业务的本地同城灾备或异地灾备环境搭 12000RPS 数据同步 特大规格 特大型企业核心业务的本地同城灾备或异地灾备环境搭建 30000RPS 说明 如需进行MySQL实例间双向同步、PostgreSQL实例间双向同步，请务必在订购时选择订购数据同步大规格及以上规格。您可以在订购时选择同步拓扑双向同步，此时系统将自动为您限制仅能选择数据同步大规格及以上规格；如订购时未选择双向同步，那么仅当您订购的数据同步实例是大规格及以上规格时，还可以在在实例配置配置迁移对象及高级配置环节选择双向同步。 订购MySQL>MySQL、PostgreSQL>PostgreSQL数据同步实例小规格，将不支持启动任务后修改同步对象，如需动态修改同步对象请选择订购中规格及以上规格。 当用户订购DDS/MongoDBDDS/MongoDB迁移链路、数据架构类型为分片，分片数>5时，可订购极大规格。 当用户订购DDS/MongoDBDDS/MongoDB同步链路、数据架构类型为分片，分片数>5时，可订购极大规格；分片数>9时，可订购特大规格。 各规格的线上运行性能受网络环境、源实例和目标实例的性能、延迟等因素影响，实际的性能数字会有差异。

实用功能 提供数据导入/导出、SQL变更等实用功能，通过DMS企业可以更高效地使用数据库，减少第三方工具的使用，提高整体工作效率。 数据导入：支持多种数据库类型，支持SQL、CSV、TXT、JSON、EXCEL文件格式。 数据导出：支持大规模数据导出，支持多种数据库类型，支持SQL、CSV、TXT、JSON、EXCEL文件格式。 SQL变更：支持为数据库实例提交SQL变更工单(DDL/DML)，审批通过后再执行。 简单易用 开箱即用，无需安装本地客户端，通过浏览器即可操作数据库，数据管理服务DMS提供的可视化管理功能，使得数据库管理变得更加简单和高效，降低了用户的学习成本和操作难度。 技术支持 数据管理服务团队提供了专业的技术支持服务，帮助企业解决数据库管理过程中遇到的问题，确保业务的顺利进行。 快速迭代 具有良好的可扩展性，可以随着企业的发展和需求进行相应的扩展和升级，并且能够及时响应市场需求和技术变化，不断优化和完善自身的功能和性能。

本文介绍DRDS的产品优势。 高性能 分布式服务架构，对比单机数据库服务，支持分库分表，能力线性提升。 支持读写分离，水平拆分后如果还存在较大的查询压力，可以开启读写分离，有效提供读扩展的同时提高开发灵活性。 弹性扩展 分层架构确保计算、存储均可线性扩展，完美解决单机数据库水平扩展瓶颈。 扩容过程对业务完全透明，无需业务中断。 简单易用 全面兼容MySQL协议和语法，兼容大部分MySQL客户端。 分片过程对业务无干预，使用流程如单机数据库，学习成本低。 支持可视化控制台，提供专有的运维管理指令。 高可用 通过弹性负载均衡实现无状态计算节点的高可用性，故障时流量自动切换，实现秒级容灾切换。 关联高可用存储节点，具备双机热备、数据备份和数据恢复的高可用特性。 支持多可用区部署，提供机房级别的高可用容灾架构。 低成本 提供完善的运维和技术支持，相比开源产品总体性价比更高。 支持多种规格配置，覆盖不同业务规模场景。

本文主要介绍创建知识库的内容。 接口描述 在租户下创建知识库 请求方法 POST 接口要求 无 URI /openapi/v1/infobases/create 请求参数 请求头header参数 参数 是否必填 参数类型 说明 示例 下级对象 ContentType 是 String json格式 application/json tenantId 是 String 租户ID 562b89493b1a40e1b97ea05e50dd8170 ctyuneoprequestid 是 String 用户请求 id，由用户构造，用户可以通过 uuid 等方法自行生成唯一字符串，用于日志请求追踪 33dfa732b27b464fb15a21ed6845afd5 eopdate 是 String 请求时间，由用户构造，形如 yyyymmddTHHMMSSZ。 20211221T163014Z host 是 String 终端节点域名，固定字段 kqaglobal.ctapi.ctyun.cn EopAuthorization 是 String 由天翼云官网 accessKey 和 securityKey 经签名后生成，参与签名生成的字段包括天翼云官网 accessKey 、securityKey、平台应用的appkey（非必须），用户请求id（非必须），请求时间，终端节点域名（非必须）以及请求体内容。 请求体body参数 参数 是否必填 参数类型 说明 示例 下级对象 name 是 String 知识库名称 学习资料 type 是 Array 知识库类型 1：通用 2：自定义 1 chunkConfigs 否 Array[Object] 切分策略列表 详情见chunkConfig对象 chunkConfig对象 参数 是否必填 参数类型 说明 示例 下级对象 chunkMode 是 String 切分策略。可选范围： LENGTH：按长度切分； H1：按一级标题（H1）切分； H2：按二级标题（H2）切分； REGEX：按正则表达式切分； RULE：默认，按规则（例如，特定的标记或段落格式）切分 RULE chunkOverlap 否 Int 分段重叠长度，需小于chunkSize 0 chunkSize 否 Int 分段长度 200 separator 否 String 分隔符 enablecontextExpansion 否 Boolean 是否启用上下文扩展模式 contextChunkMode 否 String 上下文片段切分策略，定义同chunkMode 仅当启用上下文扩展模式时生效 contextChunkOverlap 否 Int 上下文片段之间的重叠长度，表示当前文本切片与前一个文本切片的重叠字符数 仅当启用上下文扩展模式时生效 contextChunkSize 否 Int 控制用于大模型推理的上下文片段的最大字符长度上限 仅当启用上下文扩展模式时生效 contextSeparator 否 String 指定上下文片段切分所依据的字面量分隔字符串 仅当启用上下文扩展模式时生效 supportFileTypes 否 Array[Object] 该配置支持的文件类型。支持的文档类型范围：ALL、PDF、DOC、DOCX、TXT、WPS、PPTX、JPG、JPEG、PNG。其中ALL代表所有类型 请求代码示例 plaintext Curl X POST " H "ContentType: application/json" H "ctyuneoprequestid:33dfa732b27b464fb15a21ed6845afd5" H "tenantId:XXX" H "EopAuthorization:XXX" H "eopdate:20211109T104641Z" H "host:kqaglobal.ctapi.ctyun.cn" data '{ "name": "学习资料", "type": 1, "chunkConfigs": [ { "chunkMode": "LENGTH", "chunkOverlap": 0, "chunkSize": 100, "contextChunkMode": "LENGTH", "contextChunkOverlap": 0, "contextChunkSize": 406, "contextSeparator": "n", "enablecontextExpansion": true, "separator": "nn", "supportFileTypes": [ "pdf" ] } ] }' 返回值说明 1.请求成功返回响应参数 参数 参数类型 说明 示例 下级对象 statusCode String 返回状态，返回200表示成功 200 message String 返回Success Success returnObj Object 接口返回结果 returnObj表 returnObj表 参数 参数类型 说明 示例 下级对象 id Int 知识库ID 100 name String 知识库名称 学习资料 type String 知识库类型 1 categoryId Int 类目ID 20 createTime String 创建时间 20230508T15:14:00Z updateTime String 更新时间 20230508T15:14:00Z 2.请求失败返回响应参数 参数 参数类型 说明 示例 下级对象 statusCode String 错误码，放置API对应的错误码 40001 message String 失败信息 缺少鉴权信息 error String 返回对应的错误码 KQA40001 返回值示例 1.请求成功返回值示例 plaintext { "statusCode": "200", "error": null, "message": "Success", "returnObj": { "type": 2, "id": 281, "name": "test24", "categoryId": 124, "createTime": "20250918T16:23:57+08:00", "updateTime": "20250918T16:23:57+08:00" } } 2.请求失败返回值示例 plaintext { "statusCode": "40004", "error": "KQA40004", "message": "接口执行异常" } 状态码 http状态码 描述 200 表示请求成功 错误码说明 错误码 错误信息 错误描述 40006 知识库名称重复 用户下已有重名知识库 40007 类目不存在 用户不存在可用类目 40014 类目不唯一 用户类目不唯一，属于异常情况，联系技术支持

Models 单文档QA 多文档QA 摘要 Fewshot学习 代码补全 合成任务 Avg ChineseAlpaca27B64K 44.7 28.1 14.4 39.0 44.6 5.0 29.3 ChineseLLaMA27B64K 27.2 16.4 6.5 33.0 7.8 5.0 16.0 ChineseAlpaca213B16K 47.9 26.7 13.0 22.3 46.6 21.5 29.7 ChineseAlpaca213B 38.4 20.0 11.9 17.3 46.5 8.0 23.7 ChineseAlpaca27B16K 46.4 23.3 14.3 29.0 49.6 9.0 28.6 ChineseAlpaca27B 34.0 17.4 11.8 21.3 50.3 4.5 23.2 ChineseLLaMA213B16K 36.7 17.7 3.1 29.8 13.8 3.0 17.3 ChineseLLaMA213B 28.3 14.4 4.6 16.3 10.4 5.4 13.2 ChineseLLaMA27B16K 33.2 15.9 6.5 23.5 10.3 5.3 15.8 ChineseLLaMA27B 19.0 13.9 6.4 11.0 11.0 4.7 11.0

启用/停用业务用途标签 业务场景标签，用于标记API资产所使用的业务场景。开启标签识别，将在自学习过程中自动识别API接口的业务用途。 新增活跃度标签 点击【新增标签】按钮，可自定义活跃度标签内容。 配置项 是否必填 说明 标签名称 是 默认唯一标签是活跃度，不可修改。 标签内容 是 设置标签名称下可选的标签内容。 识别状态 是 是否打开识别状态，默认识别状态为关闭。 识别规则 是 规定在设定时间内请求高于设定的次数。 编辑活跃度标签 如需调整标签名称下的标签内容、识别状态及识别规则，可对应标签名称的操作栏点击【编辑】按钮。 删除活跃度标签 如需删除整个标签名称可在对应标签操作栏中点击【删除】按钮。

一键优化 当AI云电脑遇到卡顿情况时，可以进行检测优化 ，点击“一键优化”开启优化程序。 11. 网络检测 点击“检测网速”，可以检测当前网络的下载带宽，上传带宽，网络时延，抖动，丢包率，以及过去的网络时延变化统计。 12. 家庭管理 “翼家”默认对天翼量子AI云电脑（公众版）开放，家长可通过手机号邀请成员或管理员加入家庭管理。组建家庭关系后，家长和管理员可对家庭成员AI云电脑查看学习、绿色管控、远程接入、解绑AI云电脑等操作，详细见翼家帮助文档。 注意：政企版翼家功能默认关闭，如需开通请联系运维或邮件申请，将【企业租户账号】和【所在资源池】通过翼连>AI云电脑项目支撑中心>工作台>AI云电脑附加功能申请或邮箱发送至clouddesktop@chinatelecom.cn。 13.

前端监控专注于Web及小程序场景的监控，可采集用户访问、页面性能（首屏/白屏时间）、JS错误、API请求等核心指标。通过轻量SDK快速接入，支持主流框架及小程序平台，实时追踪页面加载性能、异常详情及接口成功率/延迟。提供多维数据分析与可视化错误堆栈，分钟级定位前端故障，助力优化用户体验与业务稳定性。 注意 目前前端监控为免费试用中，仅华东1资源池开放。 产品优势 轻量化接入 接入流程轻便灵活，支持 NPM、CDN 方式快速接入，仅需对业务代码做极少量修改；SDK体积较小，不会对应用性能造成影响。 多平台支持 支持Web应用以及微信、支付宝及字节等小程序，集成多维数据统计与性能瓶颈定位能力，降低多终端运维成本。 低成本 支持 Web 和多平台小程序的前端真实体验监控服务，学习成本较低，只要您掌握基础的前端知识即可放心使用。 全场景数据可视化洞察 实时统计首屏时间、API 成功率等核心指标，多维数据采集、关联，用户体验可视化，量化页面性能表现，快速定位业务转化瓶颈。

类 型 弹性云主机 轻量型云主机 轻量型云主机优势 应用场景 覆盖全量应用： 网站和应用程序托管 企业应用和业务系统 数据分析和大数据处理 游戏服务器和多媒体应用 图形渲染及高性能应用 适用于较轻量的应用： 开发和测试环境 小型网站和博客 个人项目和学习 云图、网盘等 适用于轻量型负载业务。 计费方式 包年包月、按需计费用户需分别选择实例类型规格，云盘类型规格，并单独购买弹性公网IP。 包年包月提供基础型、进阶型、随心购的资源套餐。 购买简单，价格更优惠。 管理方式 以弹性云主机服务控制台为中心，提供对于实例的管理及操作功能，用户还可分别前往云硬盘、网络、安全、备份等产品控制台对其余配套资源及服务进行管理和操作。 集成了计算、存储、网络资源控制台管理界面，实现一站式管理服务，用户通过轻量型云主机服务控制台，可完成对多方资源的管理及操作。 操作流程及方式更简单。

连接方式 IP地址 使用场景 说明 内网连接 内网IP地址 系统默认提供内网IP地址。 当应用部署在弹性云服务器上，且该弹性云服务器与RDSPostgreSQL实例处于同一区域，同一VPC时，建议单独使用内网IP连接弹性云服务器与关系型数据库实例。 安全性高，可实现RDSPostgreSQL的较好性能。 推荐使用内网连接。 公网连接 弹性公网IP 不能通过内网IP地址访问RDSPostgreSQL实例时，使用公网访问，建议单独绑定弹性公网IP连接弹性云服务器（或公网主机）与RDSPostgreSQL实例。 直接使用公网访问，灵活性好。但安全性不如内网连接。 推荐使用内网连接。 DMS连接 开箱即用，无需安装本地客户端，通过浏览器即可操作数据库，数据管理服务DMS提供的可视化管理功能，使得数据库管理变得更加简单和高效，降低用户的学习成本和操作难度。 操作便捷，无需其他服务器或软件即可随时随地连接实例。

技术亮点 DeepSeekR1 的技术亮点包括： ●大规模预训练：R1 模型在超大规模文本数据上进行预训练，学习到了丰富的语言知识和模式。 ●多任务学习：通过多任务学习框架，R1 模型能够在不同任务之间共享知识，提升泛化能力。 ●自适应微调：R1 模型支持针对特定任务的自适应微调，能够快速适应新任务和新领域。 ●高效推理：R1 模型在推理阶段采用了多种优化技术，确保在保持高性能的同时，具备较高的推理效率。 ●可解释性：R1 模型在设计中考虑了可解释性，能够提供一定程度的决策解释，增强用户信任。 通过这些技术亮点，DeepSeekR1在自然语言处理领域展现了强大的竞争力和应用潜力。 版本列表 版本列表 版本说明 DeepSeekR1 DeepSeekR1是一款具有671B参数大小的创新性大语言模型，在多个NLP基准测试中表现出色，具备较强的泛化能力和适应性。 相关资源及引用 相关资源 DeepSeekR1的使用协议见License 相关引用 plaintext @misc{deepseekai2025deepseekr1incentivizingreasoningcapability, title{DeepSeekR1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning}, author{DeepSeekAI and Daya Guo and Dejian Yang and Haowei Zhang and Junxiao Song and Ruoyu Zhang and Runxin Xu and Qihao Zhu and Shirong Ma and Peiyi Wang and Xiao Bi and Xiaokang Zhang and Xingkai Yu and Yu Wu and Z. F. Wu and Zhibin Gou and Zhihong Shao and Zhuoshu Li and Ziyi Gao and Aixin Liu and Bing Xue and Bingxuan Wang and Bochao Wu and Bei Feng and Chengda Lu and Chenggang Zhao and Chengqi Deng and Chenyu Zhang and Chong Ruan and Damai Dai and Deli Chen and Dongjie Ji and Erhang Li and Fangyun Lin and Fucong Dai and Fuli Luo and Guangbo Hao and Guanting Chen and Guowei Li and H. Zhang and Han Bao and Hanwei Xu and Haocheng Wang and Honghui Ding and Huajian Xin and Huazuo Gao and Hui Qu and Hui Li and Jianzhong Guo and Jiashi Li and Jiawei Wang and Jingchang Chen and Jingyang Yuan and Junjie Qiu and Junlong Li and J. L. Cai and Jiaqi Ni and Jian Liang and Jin Chen and Kai Dong and Kai Hu and Kaige Gao and Kang Guan and Kexin Huang and Kuai Yu and Lean Wang and Lecong Zhang and Liang Zhao and Litong Wang and Liyue Zhang and Lei Xu and Leyi Xia and Mingchuan Zhang and Minghua Zhang and Minghui Tang and Meng Li and Miaojun Wang and Mingming Li and Ning Tian and Panpan Huang and Peng Zhang and Qiancheng Wang and Qinyu Chen and Qiushi Du and Ruiqi Ge and Ruisong Zhang and Ruizhe Pan and Runji Wang and R. J. Chen and R. L. Jin and Ruyi Chen and Shanghao Lu and Shangyan Zhou and Shanhuang Chen and Shengfeng Ye and Shiyu Wang and Shuiping Yu and Shunfeng Zhou and Shuting Pan and S. S. Li and Shuang Zhou and Shaoqing Wu and Shengfeng Ye and Tao Yun and Tian Pei and Tianyu Sun and T. Wang and Wangding Zeng and Wanjia Zhao and Wen Liu and Wenfeng Liang and Wenjun Gao and Wenqin Yu and Wentao Zhang and W. L. Xiao and Wei An and Xiaodong Liu and Xiaohan Wang and Xiaokang Chen and Xiaotao Nie and Xin Cheng and Xin Liu and Xin Xie and Xingchao Liu and Xinyu Yang and Xinyuan Li and Xuecheng Su and Xuheng Lin and X. Q. Li and Xiangyue Jin and Xiaojin Shen and Xiaosha Chen and Xiaowen Sun and Xiaoxiang Wang and Xinnan Song and Xinyi Zhou and Xianzu Wang and Xinxia Shan and Y. K. Li and Y. Q. Wang and Y. X. Wei and Yang Zhang and Yanhong Xu and Yao Li and Yao Zhao and Yaofeng Sun and Yaohui Wang and Yi Yu and Yichao Zhang and Yifan Shi and Yiliang Xiong and Ying He and Yishi Piao and Yisong Wang and Yixuan Tan and Yiyang Ma and Yiyuan Liu and Yongqiang Guo and Yuan Ou and Yuduan Wang and Yue Gong and Yuheng Zou and Yujia He and Yunfan Xiong and Yuxiang Luo and Yuxiang You and Yuxuan Liu and Yuyang Zhou and Y. X. Zhu and Yanhong Xu and Yanping Huang and Yaohui Li and Yi Zheng and Yuchen Zhu and Yunxian Ma and Ying Tang and Yukun Zha and Yuting Yan and Z. Z. Ren and Zehui Ren and Zhangli Sha and Zhe Fu and Zhean Xu and Zhenda Xie and Zhengyan Zhang and Zhewen Hao and Zhicheng Ma and Zhigang Yan and Zhiyu Wu and Zihui Gu and Zijia Zhu and Zijun Liu and Zilin Li and Ziwei Xie and Ziyang Song and Zizheng Pan and Zhen Huang and Zhipeng Xu and Zhongyu Zhang and Zhen Zhang}, year{2025}, eprint{2501.12948}, archivePrefix{arXiv}, primaryClass{cs.CL}, url{ }

本文介绍在教学场景中科研智能体的使用。 操作步骤 1. 登录科研助手管理控制台。 2. 在控制台左侧导航栏中，选择【科研智能体】。 3. 在【科研智能体】页面中，单击左上角的【教学场景】。 4. 根据需求选择智能体、模版、示例或脑图展示，开启一段对话。 教材问答 1. 智能体：教材问答助手。 2. 功能说明：聚焦教材内容的智能问答助手，即时响应疑问，助力高效学习和备课。同时支持教材知识图谱生成。 3. 路径：侧边栏点击【教材问答】。 教案设计 1. 智能体：教案设计助手。 2. 功能说明：协助教师快速构建教案，提供教学目标与内容建议。（建议高数为主，不要出几何题） 3. 路径：侧边栏点击【教案设计】。 作业批改 1. 智能体：作业批改助手。 2. 功能说明： 智能批改用户上传的题目，自动标记错题并生成修改建议。 3. 路径：侧边栏点击【作业批改】。