快速上手!FastGPT+Claude 一键生成小红书爆款图文,轻松吸粉10万+!

向量数据库大模型机器学习

宝子们,今天来给大家安利一个超省心的宝藏组合——FastGPT搭配Claude,轻松搞定小红书图文,让你的内容轻松出圈!

在如今这个信息爆炸的时代,小红书作为一款超受欢迎的社交平台,每天都有海量的内容被分享和传播。而在这个竞争激烈的环境中,如何让你的内容脱颖而出,吸引更多的关注呢?答案就是——制作精美、有创意的图文!

在小红书这个“卷生卷死”的平台上,图文的质量直接决定了你的关注度。但别怕,有了FastGPT和Claude,你也能轻松成为图文高手!

一、案例展示

DeepSeek 发布的 NSA

效果图:

picture.image

提示词:

  
🚀 NSA简介:一种用于超快速长上下文训练和推理的硬件对齐和本地可训练的稀疏注意力机制!  
  
NSA的核心组成部分:  
•动态分层稀疏策略  
•粗粒度令牌压缩  
•细粒度令牌选择  
  
💡 通过针对现代硬件的优化设计,NSA加快了推理速度,同时降低了预训练成本,而不会影响性能。它在一般基准测试、长上下文任务和基于指令的推理方面与全注意力模型相匹配或优于全注意力模型。  
  
📖 如需了解更多详情,请点击此处查看我们的论文:https://arxiv.org/abs/2502.11089

DeepSeek 开源周 Day 1

效果图:

picture.image

提示词:

  
🚀 DeepSeek 开源周 Day 1:FlashMLA 开源,重新定义 AI 推理效率!  
  
🌟 核心亮点:  
- 分页 KV 缓存:显存管理优化,长文本处理成本大幅降低。  
- BF16 精度 + 低秩压缩:显存占用减少,推理效率显著提升。  
- 极致性能:在 H800 GPU 上性能逼近理论峰值,推理延迟降低 40%。  
  
🔍 应用场景:  
- 教育:实时解析长文档,秒级生成教案。  
- 金融:百页级文档秒级审查,显存占用极低。  
- 游戏:NPC 响应延迟 < 100ms,支持高并发处理。  
  
🔧 开发者友好:零改造接入,推理吞吐量翻倍。  
  
🌐 开源地址:[GitHub - deepseek-ai/FlashMLA](https://github.com/deepseek-ai/FlashMLA)

DeepSeek 开源周 Day 2

效果图:

picture.image

提示词:

  
🚀 DeepSeek 开源周 Day 2:DeepEP,解锁 MoE 模型通信瓶颈!  
  
🌟 核心亮点:  
- 高效通信:DeepEP 是首个专为 MoE 模型训练和推理设计的开源 EP 通信库,提供高吞吐量和低延迟的 all-to-all GPU 内核。  
- 低精度支持:支持 FP8 操作,显著减少计算资源消耗,提升训练和推理速度。  
- 异构带宽优化:针对 NVLink 和 RDMA 的协同优化,实测节点间通信带宽达 46 GB/s,接近硬件极限。  
- 计算与通信重叠:引入基于 hook 的通信-计算重叠方法,不占用 SM 资源。  
  
🌐 开源地址:[GitHub - deepseek-ai/DeepEP](https://github.com/deepseek-ai/DeepEP) 

DeepSeek 开源周 Day 3

效果图:

picture.image

提示词:

  
🚀 DeepSeek 开源周 Day 3:DeepGEMM,300 行代码实现极致性能!  
  
🌟 核心亮点:  
- 极致性能:仅用 300 行代码实现高性能矩阵乘法(GEMM),在 Hopper GPU 上达到 1350+ TFLOPS。  
- 低精度优化:支持 FP8 格式,提升计算速度和内存效率。  
- 简洁设计:核心逻辑简洁,易于理解和修改。  
- 广泛适用:支持密集模型和混合专家模型(MoE)。  
  
🌐 开源地址:[GitHub - deepseek-ai/DeepGEMM](https://github.com/deepseek-ai/DeepGEMM)

二、为啥要选FastGPT和Claude?

FastGPT本身就是一个超强大的AI工具,能快速处理各种信息,而Claude更是个“设计小能手”, 不仅能生成精美的SVG图文,还能根据你的需求调整风格。它生成的图文色彩柔和、布局合理,完全符合小红书平台上流行的“高颜值、有设计感、信息清晰”的特点。它们俩一搭配,简直就是“王炸组合”!

三、具体实现

FastGPT 地址:https://tryfastgpt.ai

  1. 工作流的新建和编辑

进入工作台后,创建一个新的工作流并进行编辑,如下图:

picture.image

创建【AI 对话】节点,如下图:

picture.image

选择AI模型:claude3.7

picture.image

输入提示词:

  
# 任务:  
请你制作适合小红书平台发布的精美卡片(SVG),竖屏,适合手机阅读。  
  
## 要求:  
- 符合小红书平台上流行的"高颜值、有设计感、信息清晰"的风格,柔和色调,既时尚又保持技术内容的专业性。  
- 整体结构舒展,同时保持视觉美感和信息清晰度。  
- 视觉舒适,设计精美,整体设计让小仙女们看了一眼沦陷!  
- 包含面向技术小白的通俗解读  
- 突出重要和关键信息   
- 不要包含“小白”、“炸裂”、“通俗”和平台极限词  
  
## 精美卡片(SVG)示例  
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 750 1250" width="750" height="1250">  
  <!-- 定义渐变和阴影 -->  
  <defs>  
    <linearGradient id="bgGradient" x1="0%" y1="0%" x2="0%" y2="100%">  
      <stop offset="0%" style="stop-color:#FFD4E5;stop-opacity:1" />  
      <stop offset="100%" style="stop-color:#AAE0FF;stop-opacity:1" />  
    </linearGradient>  
    <filter id="softShadow" x="-10%" y="-10%" width="120%" height="120%">  
      <feGaussianBlur in="SourceAlpha" stdDeviation="5" />  
      <feOffset dx="0" dy="3" result="offsetblur" />  
      <feComponentTransfer>  
        <feFuncA type="linear" slope="0.2" />  
      </feComponentTransfer>  
      <feMerge>  
        <feMergeNode />  
        <feMergeNode in="SourceGraphic" />  
      </feMerge>  
    </filter>  
  </defs>  
  <!-- 主背景 -->  
  <rect width="750" height="1250" fill="url(#bgGradient)" />  
  <!-- 装饰元素:几何形状 -->  
  <circle cx="50" cy="150" r="80" fill="#FFB6D9" opacity="0.5" />  
  <circle cx="700" cy="200" r="120" fill="#B6E5FF" opacity="0.4" />  
  <circle cx="120" cy="1200" r="100" fill="#FFC8A2" opacity="0.3" />  
  <circle cx="650" cy="1100" r="90" fill="#ADFFD6" opacity="0.3" />  
  <!-- 内容区域 -->  
  <rect x="75" y="280" width="600" height="880" rx="30" ry="30" fill="white" filter="url(#softShadow)" />  
  <!-- DeepSeek标志和标题区 -->  
  <rect x="75" y="140" width="600" height="180" rx="30" ry="30" fill="#615DFA" filter="url(#softShadow)" />  
  <!-- 标题文本 - 得意黑 -->  
  <text x="375" y="220" font-family="'LXGW WenKai', sans-serif" font-size="44" font-weight="bold" fill="white" text-anchor="middle">DeepSeek:3FS 文件系统</text>  
  <text x="375" y="280" font-family="'LXGW WenKai', sans-serif" font-size="28" fill="white" text-anchor="middle">DeepSeek开源周第五天重磅发布</text>  
  <!-- 技术解读区域 - 思源黑体 -->  
  <g font-family="'Noto Sans SC', sans-serif" fill="#333333">  
    <text x="105" y="360" font-size="26" font-weight="bold">这是什么?一句话解释👇</text>  
    <rect x="105" y="380" width="540" height="70" rx="15" ry="15" fill="#FFF4F9" />  
    <text x="125" y="425" font-size="22" fill="#333">3FS是一个能充分利用SSD存储和网络带宽的文件系统</text>  
      
    <!-- 核心数据指标 -->  
    <text x="105" y="490" font-size="26" font-weight="bold">🚀 性能有多强?</text>  
      
    <!-- 数据点1 -->  
    <rect x="105" y="510" width="255" height="120" rx="20" ry="20" fill="#E2F6FF" />  
    <text x="232.5" y="550" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">读取速度</text>  
    <text x="232.5" y="590" font-size="30" font-weight="bold" fill="#615DFA" text-anchor="middle">6.6 TiB/秒</text>  
      
    <!-- 数据点2 -->  
    <rect x="390" y="510" width="255" height="120" rx="20" ry="20" fill="#FFEFEF" />  
    <text x="517.5" y="550" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">排序性能</text>  
    <text x="517.5" y="590" font-size="30" font-weight="bold" fill="#FF6B95" text-anchor="middle">3.66 TiB/分钟</text>  
      
    <!-- 数据点3 -->  
    <rect x="105" y="650" width="255" height="120" rx="20" ry="20" fill="#F2FFEF" />  
    <text x="232.5" y="690" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">KVCache查询</text>  
    <text x="232.5" y="730" font-size="30" font-weight="bold" fill="#52BF90" text-anchor="middle">40+ GiB/秒</text>  
      
    <!-- 数据点4 -->  
    <rect x="390" y="650" width="255" height="120" rx="20" ry="20" fill="#FFF8E1" />  
    <text x="517.5" y="690" font-size="22" font-weight="bold" fill="#333" text-anchor="middle">集群规模</text>  
    <text x="517.5" y="730" font-size="30" font-weight="bold" fill="#FFA726" text-anchor="middle">180节点</text>  
    <!-- 为什么重要 -->  
    <text x="105" y="810" font-size="26" font-weight="bold">💡 为什么这很重要?</text>  
    <rect x="105" y="830" width="540" height="170" rx="15" ry="15" fill="#F5F5FF" />  
      
    <text x="125" y="865" font-size="22" fill="#333">• 让AI模型训练和推理数据管理更高效</text>  
    <text x="125" y="905" font-size="22" fill="#333">• 支持数据预处理、加载和检查点存储</text>  
    <text x="125" y="945" font-size="22" fill="#333">• 向量搜索和推理KVCache查询更快</text>  
    <text x="125" y="985" font-size="22" fill="#333">• 分离式架构保证数据一致性</text>  
    <!-- 开源链接 -->  
    <text x="105" y="1040" font-size="26" font-weight="bold">🔗 开源地址</text>  
    <rect x="105" y="1060" width="540" height="70" rx="15" ry="15" fill="#EDFFF5" />  
    <text x="125" y="1100" font-size="20" fill="#333">github.com/deepseek-ai/3FS</text>  
  </g>  
</svg>  
  
## 注意事项  
1.按照svg示例输出最终结果,只需要svg代码,不需要其他内容,也不需要额外说明。  
2.直接生成 svg 完整代码,我会复制,需要你用代码块  
3.除此之外不要有多余的解释,不要在开头加上任何说明

创建【代码运行】节点,如下图:

picture.image

Javascript代码如下:

  
function main({svg_str}){  
    // 使用正则表达式匹配代码块中的内容  
    const match = svg_str.match(/```svg\s*([\s\S]*?)```/);  
    if (!match) {  
        // 如果没有匹配到代码块,返回一个错误信息或空结果  
        return {  
            result: null,  
            error: "未找到有效的代码块标记。"  
        };  
    }  
    // 提取代码块中的 SVG 内容  
    const extractedSvg = match[1].trim();  
      
    const base64 = strToBase64(extractedSvg,'data:image/svg+xml;base64,')  
    return {  
        result: base64  
    }  
}

创建【指定回复】节点,如下图:

picture.image

  1. 发布运行

将工作流保存并发布,在【聊天】中开始新对话,如下图:

picture.image

我这边直接在【聊天】中使用,效果如下:

picture.image

picture.image

Claude生成的图文色彩搭配超柔和,设计感十足,绝对能让你的小红书页面瞬间提升档次。

四、 小技巧大放送

  1. 资料精简

别一股脑把所有内容都塞进去,挑重点,不然图文会显得很乱。比如,你可以只保留最关键的数据、最重要的观点,让内容更精炼。

  1. 分段制作

内容多的话,分几段,多做几张图,每张图突出一个主题,效果更好。比如,你可以把DeepSeek开源周的内容分成“技术亮点”“应用场景”“开源链接”等几个部分,每部分生成一张图。

  1. 编辑调整

生成的SVG文件可以用VSCode编辑,或者直接丢到PPT里调整,轻松搞定。比如,你可以调整文字的位置、颜色,或者添加一些自己的设计元素。

五、总结

有了FastGPT和Claude,小红书图文不再是难题!快试试这个超实用的组合,让你的内容轻松收获点赞和关注,成为小红书上的“流量明星”!

完整工作流我已放入网盘,可自行领取!若有疑问或需要指导,欢迎加我微信“gyh_jokeny”!

  
我用夸克网盘分享了「FastGPT 工作流」,点击链接即可保存。  
链接:https://pan.quark.cn/s/01eb47c744d6

☝ 点上方卡片,关注我!

点个"在看 " ,你最好看! picture.image

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论