99国产精品欲av蜜臀,可以直接免费观看的AV网站,gogogo高清免费完整版,啊灬啊灬啊灬免费毛片

網(wǎng)易首頁(yè) > 網(wǎng)易號(hào) > 正文 申請(qǐng)入駐

DeepSeek賦能AI Agent,挖掘智能應(yīng)用新潛能

0
分享至

DeepSeek作為人工智能領(lǐng)域的創(chuàng)新先鋒,憑借其突破性技術(shù)為現(xiàn)有AI Agent賦予了更強(qiáng)大的任務(wù)執(zhí)行與決策支持功能。而企業(yè)接入DeepSeek將帶來(lái)哪些創(chuàng)新與實(shí)踐價(jià)值,DeepSeek該如何打破發(fā)展瓶頸,其落地場(chǎng)景與效果表現(xiàn)如何等問(wèn)題仍需探索。

本文將結(jié)合數(shù)勢(shì)科技的實(shí)踐,探討如何通過(guò)DeepSeek和現(xiàn)有大模型的整合,推動(dòng)企業(yè)在數(shù)字化經(jīng)營(yíng)中的新變革。

分享嘉賓|岑潤(rùn)哲 數(shù)勢(shì)科技 數(shù)據(jù)智能產(chǎn)品總經(jīng)理

內(nèi)容已做精簡(jiǎn),如需獲取專家完整版視頻實(shí)錄和課件,請(qǐng)掃碼領(lǐng)取。

01

DeepSeek的到來(lái),對(duì)于大數(shù)據(jù)分析和應(yīng)用領(lǐng)域,是“天然的利好”

數(shù)據(jù)應(yīng)用賽道中,DeepSeek帶來(lái)了諸多改變與優(yōu)勢(shì)。在數(shù)據(jù)分析領(lǐng)域,DeepSeek接入后,其在數(shù)學(xué)及編程能力的增強(qiáng)具有顯著優(yōu)勢(shì),極大地提升了對(duì)復(fù)雜數(shù)據(jù)的處理、統(tǒng)計(jì)與分析 能 力。在數(shù)據(jù)應(yīng)用領(lǐng)域,代碼能力與數(shù)學(xué)能力至關(guān)重要。DeepSeek到來(lái)后,無(wú)論是前期的數(shù)據(jù)清洗和特征挖掘,中期構(gòu)建指標(biāo)體系與指標(biāo)語(yǔ)義層,還是后期的數(shù) 據(jù)可視化及報(bào)告生成等環(huán)節(jié),其數(shù)學(xué)能力與推理能力的提升,對(duì)數(shù)據(jù)應(yīng)用的全鏈路機(jī)制都產(chǎn)生了積極影響。特別是在復(fù)雜數(shù)據(jù)清洗、數(shù)據(jù)可視化以及深度報(bào)告生成方面,DeepSeek都帶來(lái)了諸多利好。


從技術(shù)視角來(lái)看,其思維鏈對(duì)數(shù)據(jù)分析極為有利。在數(shù)勢(shì)服務(wù)的眾多金融機(jī)構(gòu)中,以往大模型存在一個(gè)問(wèn)題:雖然能給出答案,但答案的推導(dǎo)過(guò)程是黑盒化的。而在DeepSeek的 論文中,能夠從V3的基礎(chǔ)模型做強(qiáng)化模型成為DeepSeek-R1-Zero, 強(qiáng)化學(xué)習(xí)不僅獎(jiǎng)勵(lì)準(zhǔn)確性,還注重過(guò)程與結(jié)構(gòu)的規(guī)范性。這一機(jī)制的優(yōu)勢(shì)在于,不僅能準(zhǔn)確進(jìn)行數(shù)據(jù)分析,還能將條理清晰的推理思路總結(jié)呈現(xiàn)給用戶。例如,用戶進(jìn)行企業(yè)經(jīng)營(yíng)分析時(shí),應(yīng)該從哪些維度選取何種指標(biāo),DeepSeek能將思考過(guò)程以步驟的形式呈現(xiàn)出來(lái)。這種激勵(lì)機(jī)制,極大地增強(qiáng)了數(shù)據(jù)分析報(bào)告的說(shuō)服力,是數(shù)據(jù)應(yīng)用領(lǐng)域的一大亮點(diǎn)。


作為推理模型,R1在推理時(shí)十分注重Token輸出,輸出的Token越多,思考越細(xì)致,出錯(cuò)概率越低。在進(jìn)行復(fù)雜 代碼生成、數(shù)據(jù)數(shù)學(xué)計(jì)算及決策時(shí),R1的表現(xiàn)明顯優(yōu)于蒸餾后的版本或千問(wèn)模型。然而R1存在速度慢的問(wèn)題,因?yàn)樘幚韽?fù)雜任務(wù)需要消耗更多Token進(jìn)行思考。因此可以 采用結(jié)合的思路,即使用蒸餾后的相對(duì)小參數(shù)量(如32B)的模型,先進(jìn) 行任務(wù)分類與實(shí)體抽取,該模型在這方面與R1效果相差不大,且速度更快。然而,當(dāng)用戶的數(shù)據(jù)分析任務(wù)極為復(fù)雜時(shí),可能會(huì)調(diào)用如R1這類推理模型進(jìn)行深度推理與規(guī)劃,以更好地滿足用戶的分析需求。


通過(guò)近期就模型選用問(wèn)題與多家金融機(jī)構(gòu)進(jìn)行的交流來(lái)看,若場(chǎng)景主要是滿足用戶的快速數(shù)據(jù)檢索需求,例如詢問(wèn)今年某月份的余額增速情況,此時(shí)無(wú)需調(diào)用R1這類長(zhǎng)推理模型進(jìn)行復(fù)雜任務(wù)拆解,使用V3模型進(jìn)行讀取識(shí)別與要素解析,即可快速提取數(shù)據(jù)。但如果用戶 的分析需求并非簡(jiǎn)單的數(shù)據(jù)提取,而是像撰寫信貸報(bào)告或詳細(xì)的銀行信貸資產(chǎn)增速分析報(bào)告,這類高階的數(shù)據(jù)推理或行動(dòng)計(jì)劃輸出任務(wù),V3模型的快速思考可能無(wú)法很好地完成。這種情況下,R1的推理模型更為適用,它能夠?qū)⑷蝿?wù)進(jìn)行拆解。比如在分支行業(yè)績(jī)對(duì)比 復(fù)盤時(shí),確定應(yīng)關(guān)注的指標(biāo),并將任務(wù)細(xì)化為具體步驟。因此,現(xiàn)在很多主流 AI產(chǎn)品都會(huì)設(shè)置“是否啟用深度思考”的按鈕。從某種意義上講,這是通過(guò)產(chǎn)品的功能操作,讓用戶能夠選擇此次是進(jìn)行快思考還是慢思考。未來(lái) ,此類融合方案或許會(huì)成為眾多產(chǎn)品的標(biāo)配。


02?

數(shù)勢(shì)SwiftAgent的革新與應(yīng)用?

目前數(shù)勢(shì)在SwiftAgent中加入了“深度思考”按鈕,一旦用戶開(kāi)啟該按鈕,便會(huì)調(diào)用R1模型進(jìn)行深度推理與分析。數(shù)勢(shì) 的工具主要面向一些頭部企業(yè),通過(guò)接入DeepSeek后對(duì)部分能力特性進(jìn)行了升級(jí),從四個(gè)方面極大 地提升了大模型的能力。


前端代碼生成能力極為出色。實(shí)驗(yàn)得出,直接讓R1基于原始數(shù)據(jù)生成代碼,此時(shí)它在前端快速獲取可視化呈現(xiàn)的能力非常強(qiáng)。以往,大家更多地是借助BI工具來(lái)配置一系列看板或駕駛艙,而現(xiàn)在,直接將原始數(shù)據(jù)交給R1生成H5或JS代碼,其表現(xiàn)十分出色,這極大地增強(qiáng)了可視化能力。

其次推理能力顯著提升了報(bào)告的深度。以往模型可能只能給出一些較為基礎(chǔ)、缺乏深度的表述,而現(xiàn)在它能夠真正思考指標(biāo)是否存在問(wèn)題,是否需要進(jìn)行假設(shè)推斷等,這大幅提升了報(bào)告的質(zhì)量和深度。 數(shù)據(jù)分析報(bào)告的難 點(diǎn)在于,指標(biāo)口徑的準(zhǔn)確性至關(guān)重要,結(jié)論需基于指標(biāo)異常進(jìn)行推斷,甚至有時(shí)還需結(jié)合企業(yè)內(nèi)部知識(shí)庫(kù)或相關(guān)文檔生成合理建議。 當(dāng)數(shù)據(jù)需要可視化呈現(xiàn),如轉(zhuǎn)化為表格以進(jìn)行對(duì)比,或進(jìn)行異常結(jié)論挖掘時(shí),相較于以往如千問(wèn)模型的思考深度更優(yōu),且整個(gè)過(guò)程對(duì)用戶具有可觀測(cè)性。

以財(cái)務(wù)數(shù)據(jù)異常分析為例,用戶輸入財(cái)務(wù)數(shù)據(jù),模型能夠明確告知用戶,因某指標(biāo)下降故而進(jìn)行異常分析,其思考過(guò)程中的每一個(gè)節(jié)點(diǎn)都能直觀地向用戶解釋分析的原因。如此一來(lái),在 呈現(xiàn)報(bào)告時(shí),用戶能夠清晰理解報(bào)告撰寫的邏輯,而不像以往大模型輸 出結(jié)果時(shí),雖有內(nèi)容卻難以理解分析的依據(jù)。從這個(gè)層面來(lái)看,大模型思考過(guò)程的白盒化是一項(xiàng)重大變革,極大地增強(qiáng)了用戶對(duì)結(jié)果的可信度,也提升了數(shù)據(jù)解讀報(bào)告的能力。過(guò)去報(bào)告可能僅有純文字,如今則可融入圖片、表格等數(shù)據(jù)可視化元素,為用戶帶來(lái)更好的使用體驗(yàn)。


此外哪些能力 適合由大模型直接生成代碼去完成,哪些更適合通過(guò)工具調(diào)用。目前大模型寫代碼的能力很強(qiáng),但有時(shí)仍需編寫Function Code,而非直接讓大模型生成代碼。這主要分為兩種情況:

如果代碼的范式能夠固化,此時(shí)大模型直接寫代碼的準(zhǔn) 確率會(huì)非常高 。所謂固化范式,以圖表為例,基本圖表具有固定范式,從數(shù)據(jù)分析可視化的角度來(lái)看,其模式早已固定,無(wú)論何時(shí),餅圖的呈現(xiàn)方式基本一致。在這種情況下,大模型編寫代碼時(shí)表現(xiàn)出色,基本不會(huì)出錯(cuò)。

然而,對(duì)于 業(yè)務(wù)邏輯靈活的代碼,大模型則不太適合直接編寫。業(yè)務(wù)邏輯通常涉及數(shù)據(jù)庫(kù)中事實(shí)表與維度表的關(guān)聯(lián),這種關(guān)聯(lián)具有很強(qiáng)的業(yè)務(wù)邏輯,且不同公司內(nèi)部表與表之間的關(guān)系各不相同。若讓大模型強(qiáng)行編寫涉及三到四個(gè)表的復(fù)雜關(guān)聯(lián)代碼,其生成的代碼往往會(huì)出現(xiàn)問(wèn)題。所以建議通過(guò)指標(biāo)平臺(tái)的API取數(shù)接口,實(shí)現(xiàn)指標(biāo)維度的拼接來(lái)獲取數(shù)據(jù),這種方式更為妥 當(dāng)。


03?

金融行業(yè)案例與展望

以下將詳細(xì)分享某城市商業(yè)銀行開(kāi)展智能數(shù)據(jù)分析的成功案例,近期該銀行將內(nèi)部的千問(wèn)模型替換為DeepSeek V3和R1后,取得了一定的效果提升。該客戶產(chǎn)品面臨的主要問(wèn)題是 解決行領(lǐng)導(dǎo)在數(shù)據(jù)提取和分析方面的痛點(diǎn)。這家銀行以往依靠分析師角色,通過(guò)人工提取數(shù)據(jù)表格的方式,為領(lǐng)導(dǎo)提供諸如收入、存貸款情況、同業(yè)負(fù)債情況等報(bào)表。對(duì)于銀行領(lǐng)導(dǎo)而言, 其數(shù)據(jù)需求較為靈活,今日可能關(guān)注幾個(gè)分支行的余額增速,明日則可能關(guān)注業(yè)績(jī)排名。然而,銀行缺乏足夠的分析師來(lái)滿足這些多樣化需求。

因此,銀行期望通過(guò)自然語(yǔ)言查詢機(jī)制,一方面釋放分析師的時(shí)間,提升取數(shù)效率;另一方面,為領(lǐng)導(dǎo)提供更敏捷的歸因分析及報(bào)告分析能力,以便洞察行內(nèi)指標(biāo)變化的異動(dòng)原因,從而顯著提升工作效果與效率。項(xiàng)目完成后的第一周,領(lǐng)導(dǎo)們提交了數(shù)千條查詢請(qǐng)求,系統(tǒng)使用率較高。同時(shí),結(jié)合指標(biāo)語(yǔ)義層,數(shù)據(jù)準(zhǔn)確性高,從問(wèn)詢到輸出數(shù)據(jù)的時(shí)間基本僅需 5秒左右。


這家銀行開(kāi)展此項(xiàng)目,以及眾多企業(yè)尋求類似服務(wù),本質(zhì)上源于兩個(gè)問(wèn)題。

  • 需求與供給的錯(cuò)配。即便頭部銀行或大型企業(yè)擁有分析師及ETL人員,但隨著業(yè)務(wù)不斷拓展,需求持續(xù)增長(zhǎng),企業(yè)不可能招募等量工程師編寫腳本以滿足所有需求,導(dǎo)致人力供給與需求不匹配。因此,企業(yè)期望借助AI agent滿足日常取數(shù)和用數(shù)的分 析訴求,解放人力。

  • 指標(biāo)口徑層面存在黑盒問(wèn)題。不同部門對(duì)同一指標(biāo)名稱可能存在不同理解,在底層數(shù)倉(cāng)中口徑不一致。所以,構(gòu)建指標(biāo)語(yǔ)義層,統(tǒng)一指標(biāo)口徑,使部門間擁有共通的數(shù)據(jù)語(yǔ)言,成為亟待解決的問(wèn)題。


在實(shí)施方案中融合了大模型能力與指標(biāo)語(yǔ)義層交互能力。當(dāng)用戶提出問(wèn)題時(shí),首先由大模型進(jìn)行判斷。若任務(wù)復(fù)雜,如需要生成深度歸因報(bào)告,則通過(guò)路由將需求轉(zhuǎn)至DeepSeek R1處理;若只是簡(jiǎn)單的數(shù)據(jù)提取 ,如按時(shí)間、機(jī)構(gòu)、貸款余額等條件提取數(shù)據(jù),使用V3或更快的模型即可。即先由大模型進(jìn)行意圖理解,若為復(fù)雜任務(wù),則進(jìn)入任務(wù)規(guī)劃階段,由規(guī)劃層進(jìn)行多任務(wù)編排。

在指標(biāo)查詢環(huán)節(jié), 通過(guò)指標(biāo)語(yǔ)義層,提取用戶自然語(yǔ)言中的要素。例如用戶詢問(wèn)各分支行業(yè)績(jī)情況,其中分支行為維度,過(guò)去三個(gè)月為時(shí)間,業(yè)績(jī)對(duì)應(yīng)若干指標(biāo),存在一套映射邏輯。最后將這些指標(biāo)語(yǔ)義邏輯翻譯成SQL語(yǔ)句執(zhí)行,并通過(guò)R1這樣的推理模型對(duì)報(bào)告進(jìn)行總結(jié),反饋給用戶。目前大模型在完整的數(shù)據(jù)提取方面能力有限,因?yàn)槠鋵?duì)SQL底表邏輯的理解存在局限,不過(guò)大模型在任務(wù)識(shí)別與報(bào)告生成方面表現(xiàn)出色。因此,將大模型擅長(zhǎng)與不擅長(zhǎng)的部分區(qū)分開(kāi)來(lái),進(jìn)行方案融合,以更好地實(shí)施相關(guān)項(xiàng)目。


該銀行的技術(shù)團(tuán)隊(duì)曾嘗試直接使用R1模 型生成SQL。當(dāng)表結(jié)構(gòu)較為簡(jiǎn)單,例如查詢近7日資產(chǎn)時(shí),R1生成的SQL能夠正常運(yùn)行。然而,當(dāng)問(wèn)題中的任務(wù)指令較多,不僅需要提取數(shù)據(jù),還涉及歸因分析以及報(bào)告撰寫等任務(wù)時(shí),單純通過(guò)代碼生成工具來(lái)完成就較為困難。此時(shí)會(huì)先利用R1進(jìn)行多任務(wù)規(guī)劃,第一個(gè)任務(wù)可能是取數(shù),第二個(gè)任務(wù)通過(guò)歸因分析小模型進(jìn)行維度歸因,最后借助知識(shí)庫(kù)生成報(bào)告。通過(guò)這種結(jié)合Agent架構(gòu)與Function Code形式,能夠更好地滿足業(yè)務(wù)方在真實(shí)復(fù)雜業(yè)務(wù)場(chǎng)景下的分析需求,這些需求不僅包括數(shù)據(jù)提取,還涵蓋高階的數(shù)據(jù)洞察、歸因、異常檢測(cè)以及報(bào)告撰寫等,這也是企業(yè)實(shí)際會(huì)面臨的問(wèn)題。

在為該金融機(jī)構(gòu)提供服務(wù)時(shí),采取分場(chǎng)景推進(jìn)的方式。因?yàn)椴豢赡芤婚_(kāi)始就覆蓋所有場(chǎng)景。在項(xiàng)目一期,首先解決行領(lǐng)導(dǎo)對(duì)行內(nèi)業(yè)績(jī)指標(biāo)對(duì) 比的自然語(yǔ)言分析與報(bào)告生成需求。到了項(xiàng)目二期,則聚焦于實(shí)際業(yè)務(wù),如信貸、對(duì)公貸款業(yè)務(wù),進(jìn)行風(fēng)險(xiǎn)評(píng)估、財(cái)務(wù)分析或信用卡分析等,從總部視角逐 步擴(kuò)展到各個(gè)業(yè)務(wù)線的領(lǐng)域和場(chǎng)景。

項(xiàng)目一期上線后,用戶體驗(yàn)良好。以往,無(wú)論是行長(zhǎng)還是分支行領(lǐng)導(dǎo),數(shù)據(jù)提取流程都是向分析師提出需求,由分析師進(jìn)行加工,這個(gè)過(guò)程來(lái)回可能需要4個(gè)小時(shí)。而現(xiàn)在,算法能夠主動(dòng)幫助用戶發(fā)現(xiàn)指標(biāo)問(wèn)題,例如告知用戶行內(nèi)不良率或貸款余額近期的變化,提醒領(lǐng)導(dǎo)關(guān)注。領(lǐng)導(dǎo)若想進(jìn)一步了解各機(jī)構(gòu)業(yè)務(wù)表 現(xiàn)不佳的原因,進(jìn)行詳細(xì)的數(shù)據(jù)歸因洞察,可按照分支行、產(chǎn)品類型、客戶類型等維度進(jìn)行問(wèn)詢。最后,若領(lǐng)導(dǎo)需要向總行領(lǐng)導(dǎo)匯報(bào),系統(tǒng)可結(jié)合企業(yè)已有的數(shù)據(jù)庫(kù)和知識(shí)庫(kù)生成包含異常原因及應(yīng)對(duì)措施等內(nèi)容的簡(jiǎn)單報(bào)告。在接入DeepSeek后,該銀行認(rèn)為其思維鏈生成及數(shù)據(jù)解讀模塊得到了顯著增強(qiáng)。以往報(bào)告可能只有純文字,現(xiàn)在則融合了表格、副文本、圖表與文字,大大提高了報(bào)告的易讀性和可解釋性,這也是DeepSeek接入后的優(yōu)勢(shì)所在。


最后分享一下對(duì)于DeepSeek的未來(lái),尤其是推理模型演進(jìn)方向的展望。

第一,DeepSeek的出現(xiàn)實(shí)現(xiàn)了AI平權(quán)。這一成果意義重大,意味著無(wú)論是頭部企業(yè)還 是中型企業(yè),都具備了部署開(kāi)源模型的資源與能力,在這一點(diǎn)上,大企業(yè)和小企業(yè)處于同等地位,這是AI平臺(tái)發(fā)展的體現(xiàn)。未來(lái),數(shù)據(jù)應(yīng)用組件將以DeepSeek為核心,分析組件作為執(zhí)行部分協(xié)同運(yùn)作,這樣能使強(qiáng)大的核心與不同的技能池有效配合,更好 地滿足企業(yè)需求。


第二,目前DeepSeek仍無(wú)法掌握企業(yè)內(nèi)部的私域知識(shí)及數(shù)據(jù)編織邏輯。在此情況下,數(shù)據(jù)應(yīng)用產(chǎn)品需承擔(dān)“翻譯器”的角色。即在推理模型與企業(yè)級(jí)復(fù)雜數(shù)據(jù)結(jié)構(gòu)之間構(gòu)建語(yǔ)義層,以此作為連接用戶自然語(yǔ)言與底層數(shù)據(jù)表格架構(gòu)的橋梁,但這是大模型的通用能力所無(wú)法實(shí)現(xiàn)的。原因在于,DeepSeek當(dāng)前的上下文處理能力為64K或128K,然而企業(yè)實(shí)際數(shù)據(jù)量,大型機(jī)構(gòu)通常可達(dá)幾十PB甚至上百PB。顯然,無(wú)法將全部數(shù)據(jù)輸入模型進(jìn)行分析。因此,未來(lái)其64K或128K的上下文更適合用于推理,將任務(wù)細(xì)致拆解,再由“手腳”組件逐一執(zhí)行,獲取數(shù)據(jù)、開(kāi)展相關(guān)分析,并將結(jié)果反饋給核心進(jìn)行總結(jié)報(bào)告,這種模式更具有可行性。

第三,目前在使用R1時(shí),存在無(wú)法控制思維鏈長(zhǎng)度的問(wèn)題,這導(dǎo)致其輸出有時(shí)較為啰嗦。若R1未來(lái)取得進(jìn)展,希望它能夠?qū)崿F(xiàn)對(duì)模型輸出的控制。例如能夠在某些場(chǎng)景下將Token控制在1000個(gè)以內(nèi),而在另一些場(chǎng)景下,允許2000個(gè)Token的輸出。如果未來(lái)能夠?qū)崿F(xiàn)對(duì)Token的控制,那么在眾多應(yīng)用場(chǎng)景中,將能夠靈活選擇輸出風(fēng)格。比如,選擇“謹(jǐn)慎型”輸出,回答問(wèn)題更加嚴(yán)謹(jǐn);或者選擇相對(duì)活潑、簡(jiǎn)潔的輸出風(fēng)格。


現(xiàn)任數(shù)勢(shì)科技數(shù)據(jù)智能產(chǎn)品總經(jīng)理,前頭部 互聯(lián)網(wǎng)公司資深量化運(yùn)營(yíng)負(fù)責(zé)人,多年零售與金融行業(yè)數(shù)據(jù)挖掘與用戶運(yùn)營(yíng)策略設(shè)計(jì)經(jīng)驗(yàn),曾為多家大型企業(yè)搭建從目標(biāo)設(shè)定、數(shù)據(jù)診斷、策略設(shè)計(jì)到優(yōu)化復(fù)盤的全鏈路數(shù)字化運(yùn)營(yíng)平臺(tái)。

特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布,本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相關(guān)推薦
熱點(diǎn)推薦
飛往上海航班突發(fā),發(fā)動(dòng)機(jī)出現(xiàn)機(jī)械故障!機(jī)型為波音787-9,吉祥航空緊急通報(bào)

飛往上海航班突發(fā),發(fā)動(dòng)機(jī)出現(xiàn)機(jī)械故障!機(jī)型為波音787-9,吉祥航空緊急通報(bào)

上觀新聞
2025-07-10 08:36:39
楊少華有多卑微?被馬志明戲耍、被侯家兄弟輕視,翡翠麻將成痛點(diǎn)

楊少華有多卑微?被馬志明戲耍、被侯家兄弟輕視,翡翠麻將成痛點(diǎn)

不似少年游
2025-05-18 07:30:03
不服特朗普的國(guó)家出現(xiàn)了,宣布對(duì)美征50%關(guān)稅,特朗普再遭挑戰(zhàn)

不服特朗普的國(guó)家出現(xiàn)了,宣布對(duì)美征50%關(guān)稅,特朗普再遭挑戰(zhàn)

策略述
2025-07-10 18:39:11
天水幼兒被下毒后續(xù),官媒犀利發(fā)問(wèn)要作案動(dòng)機(jī),句句說(shuō)到網(wǎng)友心坎

天水幼兒被下毒后續(xù),官媒犀利發(fā)問(wèn)要作案動(dòng)機(jī),句句說(shuō)到網(wǎng)友心坎

米果說(shuō)識(shí)
2025-07-09 13:31:12
殲-10擊落誘餌后一飛機(jī)墜毀,未發(fā)現(xiàn)陣風(fēng)被擊落

殲-10擊落誘餌后一飛機(jī)墜毀,未發(fā)現(xiàn)陣風(fēng)被擊落

觀察者小海風(fēng)
2025-07-10 16:43:56
多少年沒(méi)見(jiàn)過(guò)這種事了

多少年沒(méi)見(jiàn)過(guò)這種事了

中產(chǎn)先生
2025-07-10 11:40:55
今天啟程出發(fā)深圳!日本女籃亞洲杯最終12人 主帥渴望決賽擊敗中國(guó)

今天啟程出發(fā)深圳!日本女籃亞洲杯最終12人 主帥渴望決賽擊敗中國(guó)

狼叔評(píng)論
2025-07-10 12:13:02
正式退出!全紅嬋做出意外決定,世界泳聯(lián)批準(zhǔn),一切有跡可循

正式退出!全紅嬋做出意外決定,世界泳聯(lián)批準(zhǔn),一切有跡可循

涵豆說(shuō)娛
2025-07-09 16:59:10
硬件堆到頂!別克新轎車:900V高壓+驍龍8775芯片,就看價(jià)格了

硬件堆到頂!別克新轎車:900V高壓+驍龍8775芯片,就看價(jià)格了

念寒車評(píng)
2025-07-09 22:36:14
郭德綱悼念楊少華,“寶字輩”僅剩三人!一人與曹云金關(guān)系匪淺

郭德綱悼念楊少華,“寶字輩”僅剩三人!一人與曹云金關(guān)系匪淺

史行途
2025-07-10 08:26:46
拒絕2.92億頂薪,現(xiàn)役就你有這底氣 明年有望同時(shí)鎖定大合同+冠軍

拒絕2.92億頂薪,現(xiàn)役就你有這底氣 明年有望同時(shí)鎖定大合同+冠軍

大衛(wèi)的籃球故事
2025-07-09 18:47:16
駕車致女友高位截癱,男友全家玩消失

駕車致女友高位截癱,男友全家玩消失

天涯社區(qū)
2025-07-10 17:22:06
命不久矣!香港“最丑男星”僅剩幾個(gè)月,前妻:得這病是他的報(bào)應(yīng)

命不久矣!香港“最丑男星”僅剩幾個(gè)月,前妻:得這病是他的報(bào)應(yīng)

冷紫葉
2025-07-10 01:45:03
長(zhǎng)沙湘江邊“網(wǎng)紅打卡地”冒出大量收費(fèi)座椅,城管部門:違法經(jīng)營(yíng),立即整治

長(zhǎng)沙湘江邊“網(wǎng)紅打卡地”冒出大量收費(fèi)座椅,城管部門:違法經(jīng)營(yíng),立即整治

上游新聞
2025-07-10 15:43:04
MacMahon:加盟快船對(duì)比爾來(lái)說(shuō)是理想局面 比爾能將快船當(dāng)成跳板

MacMahon:加盟快船對(duì)比爾來(lái)說(shuō)是理想局面 比爾能將快船當(dāng)成跳板

直播吧
2025-07-10 17:19:27
北控男籃向陳國(guó)豪提供續(xù)約合同:漲薪100%,廣東男籃或繼續(xù)抬價(jià)!

北控男籃向陳國(guó)豪提供續(xù)約合同:漲薪100%,廣東男籃或繼續(xù)抬價(jià)!

中國(guó)籃壇快訊
2025-07-10 15:16:44
港圈爆方媛三胎是兒子!最高興的不是郭富城,而是“大贏家”方媛

港圈爆方媛三胎是兒子!最高興的不是郭富城,而是“大贏家”方媛

小娛樂(lè)悠悠
2025-07-10 11:13:22
現(xiàn)在的年輕人已經(jīng)不再尊重電腦了。

現(xiàn)在的年輕人已經(jīng)不再尊重電腦了。

奔波兒灞與灞波兒奔
2025-07-09 22:15:41
省級(jí)政府“一把手”再現(xiàn)“70后”

省級(jí)政府“一把手”再現(xiàn)“70后”

中國(guó)新聞周刊
2025-07-09 13:42:05
43歲郭晶晶坐商務(wù)艙出行,和空姐一起合照,臉部素顏狀態(tài)非常好

43歲郭晶晶坐商務(wù)艙出行,和空姐一起合照,臉部素顏狀態(tài)非常好

卷史
2025-07-10 13:15:19
2025-07-10 20:23:00
北京愛(ài)分析科技有限公司
北京愛(ài)分析科技有限公司
愛(ài)分析致力于成為中國(guó)領(lǐng)先的數(shù)字化市場(chǎng)專業(yè)服務(wù)平臺(tái),為企業(yè)用戶提供數(shù)字化規(guī)劃與落地全流程服務(wù)。
1066文章數(shù) 139關(guān)注度
往期回顧 全部

科技要聞

Grok4最貴訂閱月費(fèi)2千,會(huì)不會(huì)三觀不正?

頭條要聞

知情者:鑒于俄目前的攻勢(shì) 普京決定無(wú)視特朗普的不滿

頭條要聞

知情者:鑒于俄目前的攻勢(shì) 普京決定無(wú)視特朗普的不滿

體育要聞

白衣生涯最后一舞,但魔笛的故事還沒(méi)結(jié)束

娛樂(lè)要聞

宋佳,真的好叛逆!

財(cái)經(jīng)要聞

潮玩規(guī)模破千億的幕后故事

汽車要聞

靠譜奶爸的底氣 樂(lè)道L90靜態(tài)體驗(yàn)

態(tài)度原創(chuàng)

家居
手機(jī)
數(shù)碼
本地
公開(kāi)課

家居要聞

美式簡(jiǎn)約 奢華不失優(yōu)雅

手機(jī)要聞

三星首款三折疊已就緒!但仍在觀望市場(chǎng)是否真有需求

數(shù)碼要聞

銘瑄推出 MoDT 雙卡 Mini Station,采英特爾 U9 285HX、Pro B60

本地新聞

換個(gè)城市過(guò)夏天 | 楓葉之都的22℃清涼秘境

公開(kāi)課

李玫瑾:為什么性格比能力更重要?

無(wú)障礙瀏覽 進(jìn)入關(guān)懷版 主站蜘蛛池模板: 屯留县| 宁南县| 安图县| 大安市| 宁津县| 英超| 收藏| 金昌市| 山阳县| 合阳县| 行唐县| 墨脱县| 通山县| 浦江县| 通辽市| 东辽县| 德钦县| 洛宁县| 高淳县| 子长县| 阿鲁科尔沁旗| 察雅县| 丰镇市| 普安县| 从江县| 嘉定区| 扬州市| 银川市| 鹤峰县| 牙克石市| 尼木县| 贵港市| 祁门县| 镇雄县| 寿光市| 镇坪县| 卢氏县| 民丰县| 嘉祥县| 卢湾区| 仁化县|