Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources

wiki/DeepSeek-R1.md

@@ -0,0 +1,101 @@
+---
+categories:
+  - "[[LLM Wiki]]"
+tags:
+  - wiki
+  - tool
+  - llm
+  - deepseek
+  - reasoning-model
+  - china-ai
+created: 2026-04-20
+source: "[[教学大模型发展状况深度研究报告-20260415]]"
+type: tool
+aliases:
+  - DeepSeek-R1
+  - DeepSeek推理模型
+---
+
+# DeepSeek-R1
+
+DeepSeek-R1 是 DeepSeek AI 推出的推理大模型（Reasoning LLM），在复杂数学、代码等需要深度推理的任务上表现优异。作业帮等中国教育AI公司已接入该模型，深度整合到教育产品中。
+
+## 基本信息
+
+| 项目 | 内容 |
+|------|------|
+| **开发商** | DeepSeek AI（深度求索） |
+| **模型类型** | 推理大模型（Reasoning LLM） |
+| **开源状态** | 开源模型 |
+| **应用场景** | 教育、编程、数学推理 |
+
+## 核心特点
+
+### 1. 推理能力
+
+DeepSeek-R1 在需要深度推理的任务上表现突出：
+- 复杂数学问题
+- 代码编写和调试
+- 逻辑推理
+- 科学问题求解
+
+### 2. 教育应用
+
+| 公司 | 应用方式 |
+|------|----------|
+| **作业帮** | 接入 DeepSeek-R1（推理大模型）+ 自研作业帮大模型 |
+| **小猿AI** | 猿力大模型 + DeepSeek-R1（双模型协同） |
+
+## 技术架构
+
+```
+作业帮AI战略：
+
+接入 DeepSeek-R1（推理大模型）
+             +
+自研作业帮大模型
+             ↓
+深度整合全系产品
+```
+
+## 核心优势
+
+1. **开源赋能**：开源模型，降低使用门槛
+2. **推理能力强**：在数学、编程等推理任务上表现优异
+3. **教育适配**：专门为教育场景优化
+4. **成本效益**：相比闭源模型，使用成本更低
+5. **可控性强**：开源模型，可自行部署和微调
+
+## 在教育产品中的整合
+
+### 作业帮
+
+| 场景 | 产品 | AI功能 |
+|------|------|--------|
+| 工具App | 作业帮APP | AI答疑、拍照批改 |
+| 智能硬件 | 学习机 | 个性化学习路径 |
+| 智能图书 | 教辅资料 | AI解析、智能推荐 |
+| 教育数字化 | B端方案 | 学校智慧课堂 |
+
+### 小猿AI
+
+| 技术 | 说明 |
+|------|------|
+| **猿力大模型** | 信通院5级认证 |
+| **DeepSeek-R1** | 推理能力增强 |
+| **双模型协同** | 优势互补 |
+
+## 核心价值
+
+1. **降低对OpenAI依赖**：国产开源模型，减少对外依赖
+2. **提高推理准确性**：专门优化的推理能力
+3. **教育场景适配**：考虑教育特殊需求
+4. **成本优势**：开源模型，使用成本更低
+
+## 在本 Wiki 中的角色
+
+DeepSeek-R1 代表了国产开源大模型在教育领域的应用，是 [[教学大模型]]、[[国产算力]]、[[开源AI]] 的代表性技术。
+
+## 来源
+
+- [[教学大模型发展状况深度研究报告-20260415]] — DeepSeek-R1在教育中的应用、产品整合