学习并使用技能DuClaw 在创建时已为您预置部分常用技能可根据任务需求自动匹配调用。查看已有技能1.进入对话界面单击“技能平台”按钮并在弹窗中单击“查看我的技能”。2.DuClaw会回复您当前已安装的技能以及相应的技能信息。安装并使用技能技能是DuClaw为您提供的各种任务执行工具可以通过和你的DuClaw对话让它自主搜索并学习你所需要的技能。1.单击“技能平台”按钮在弹窗中根据推荐提示信息选择待学习技能本文以安装“黄金价格”技能为例。2.点击后会将技能填充到您的对话框中点击“发送”按钮。3.根据DuClaw的回复可查看该技能是否安装成功。4.验证该技能是否能正常使用例如输入“告诉我今天的黄金现货价格”。配置定时任务DuClaw可以完成您设置的各种周期性或一次性定时任务只需要告诉 DuClaw 什么时间要做什么事它就能主动提醒你。若您尚未配置过定时任务请先安装定时任务技能。安装定时任务1.点击“定时任务”按钮并在弹窗中单击“安装定时任务技能”。2.DuClaw会将技能信息填充到对话框中点击发送按钮。3.查看是否安装成功。设置定时任务1.单击“定时任务”按钮在弹窗中根据任务示例信息进行选择本文选择周期性任务示例。2.您可以根据需要调整该定时任务信息修改时间和具体提醒事项并点击“发送”按钮。3.通过DuClaw回复查看该任务是否设置成功。查询定时任务1.点击“定时任务”按钮并在弹窗中单击“查询我的定时任务”。2.DuClaw会回复您当前已经设置的定时任务信息。配置人格您可以通过简单的自然语言描述来配置DuClaw的人格打造属于自己的个性化AI助手。设置人格1.点击对话框上方“人格”按钮。2.在配置人格弹窗中选择您想配置的人格模版或者通过自定义描述来定义人格点击“确定”按钮。3.待DuClaw完成配置后将使用您为其设置的人格与您对话并完成相关任务。查看人格1.点击“查看DuClaw”人格按钮。2.根据DuClaw的回复查看当前的“人格”。文件上传下载您可以通过DuClaw提供的可视化操作界面实现本地与云端的文件快速上传/下载操作。文件上传1.点击对话框上方的“文件上传下载”按钮。2.在文件管理弹窗中进入您想上传的文件夹目录下点击“上传”按钮。3.选择您要上传的文件并点击“确认上传”。文件下载1.点击对话框上方的“文件上传下载”按钮。2.在文件管理弹窗中进入您想下载的文件夹目录下选中您想下载的文件点击“下载”按钮即可将该文件下载到本地。注意当前不支持下载文件夹。文件删除1.点击对话框上方的“文件上传下载”按钮。2.在文件管理弹窗中进入您想删除的文件夹目录下选中您想删除的文件点击“删除”按钮即可将该文件删除。3.点击“确认删除”按钮。注意当前文件删除后不可恢复请谨慎操作。每次只支持删除单个文件。部分文件对于系统的正常运行十分重要例如openclaw.json如无必要请勿修改或删除。新建文件夹1.点击对话框上方的“文件上传下载”按钮。2.在文件管理弹窗中进入您想新建的文件夹目录下点击“新建文件夹”按钮。3.填写文件夹名称点击“确定”按钮即可创建。搜索并定位文件1.当您通过和DuClaw对话创建了相应文件后想对该文件进行操作可以向DuClaw进行提问比如“我的定时任务技能在什么位置”。2.复制DuClaw回复的文件位置。3.点击对话框上方的“文件上传下载”按钮。4.将复制的文件位置粘贴到搜索框中即可找到该文件。返回上级目录您可通过点击当前路径中的上级目录层级返回到上级目录。查看终端1.进入DuClaw对话界面找到右上角“设置”图标点击“查看终端”。2.进入终端前请您仔细阅读风险提示与安全操作确保了解Duclaw终端规范避免系统故障或数据丢失点击“我已知悉”按钮进入终端。3.进入终端后输入指定命令并执行即可完成对应操作。打开浏览器方式一手动打开浏览器1.进入DuClaw对话界面点击右上角“浏览器”图标打开浏览器。2.打开浏览器弹窗后即可通过浏览器进行各种操作。方式二通过和DuClaw对话唤起浏览器1.在对话框中输入“打开浏览器”指令点击查看即可打开浏览器窗口。2.也可通过对话方式可自动调用浏览器功能。比如输入“打开京东”指令浏览器会自动打开京东网站。主备模型设置用于配置对话首选模型与备选模型顺序当首选模型请求失败时按顺序自动切换备选模型提升整体成功率。1.进入DuClaw对话界面找到右上角“设置”图标点击“主备模型设置”。2.在主备模型设置弹窗中设置首选模型和备选模型。系统将首先尝试调用首选模型请求失败时将按顺序自动切换备选模型。3.备用模型支持添加、移出支持通过拖动对备选模型调用顺序进行调整。4.点击确定按钮后等待主备模型配置生效生效后主备模型配置成功。《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章前6章涵盖深度学习基础包括张量运算、神经网络原理、数据预处理及卷积神经网络等后5章进阶探讨图像、文本、音频建模技术并结合Transformer架构解析大语言模型的开发实践。书中通过房价预测、图像分类等案例讲解模型构建方法每章附有动手练习题帮助读者巩固实战能力。内容兼顾数学原理与工程实现适配PyTorch框架最新技术发展趋势。