我要報名

咨詢電話：
手　　機：	郵箱：

培訓背景

2025年春節期間中國的DeepSeek火爆全球，震驚美國硅谷，可以與花費百億巨資的GPT相媲美，戳穿美股科技泡沫，以英偉達為代表的AI龍頭出現了暴跌。DeepSeek讓特朗普也感到懼怕，隨即美國黑客攻擊DeepSeek的網站，使其癱瘓，中美爆發網絡黑客大戰。DeepSeek的爆火源于其多方面優勢。首先，它完全開源，可本地部署，無使用限制，保護用戶隱私。其次，其性能強大，效果可比肩甚至超越國際頂尖模型，尤其在中文處理和復雜邏輯推理方面表現出色。此外，DeepSeek訓練成本低，API價格僅為同類產品的三十分之一，性價比超高。它還支持深度思考，能展示清晰的思維鏈，并具備聯網搜索、拍照識字、文件上傳等功能，使用場景豐富。最后，其響應速度快，生成內容幾乎無需等待。

培訓對象

程序員、開發工程師、軟件設計師、項目經理、架構師等。

本課程面向零基礎LLM應用開發者，不需要了解復雜數學算法，機器學習原理，不需要之前學習過大模型知識。有Java，C#，C++等編程基礎，最好有Python基礎知識，但即使你對 Python 不太熟悉，也完全沒有關系。課程主要閱讀和講解案例代碼。

培訓收益

提供清晰全面的可用知識，快速了解DeepSeek和API；

對比OpenAI和國內多個其他大模型（文心，智譜，千問等）的工作原理及優勢；

在案例基礎上使用流行的編程語言構建大模型應用；

掌握如何構建文本生成、問答和內容摘要等初階大模型應用；

了解提示工程、模型微調、插件、LangChain，RAG，Agent等高階實踐技術。

課程大綱

第一章 DeepSeek大模型原理和應用

第一部分: LLM大模型核心原理

1.大模型基礎：理論與技術的演進

2.LLMs大語言模型的概念定義

3.LLMs大語言模型的發展演進

4.LLMs大語言模型的生態體系

5.大語言模型技術發展與演進

6.基于統計機器學習的語言模型

7.基于深度神經網絡的語言模型

8.基于 Transformer 的大語言模型

9.LLMs大語言模型的關鍵技術

10.LLMs大語言模型的核心框架：商業&開源

11.LLMs大語言模型的行業應用

第二部分: DeepSeek大模型應用-辦公提效

1.官方大模型DeepSeek應用

2.DeepSeek辦公提效

3.使用DeepSeek官方模型做推理任務

4.DeepSeek和OpenAI O1模型的對比總結

5.DeepSeek和國內其他大模型對比（智譜，文心，通義，kimi等）

6.DeepSeek和國外其他大模型對比（Claude Gemini Mistral等）

第三部分: DeepSeek大模型推理能力1.DeepSeek-R1 發布

2.對標 OpenAI o1 正式版

3.DeepSeek-R1 上線 API

4.DeepSeek 官網推理與 App

5.DeepSeek-R1 訓練論文

6.蒸餾小模型超越 OpenAI o1-min

7.DeepSeek-R1 API 開發應用

8.通用基礎與專業應用能力

第二章 基于DeepSeek大模型API開發應用

第一部分:DeepSeek大模型與Prompt提示工程

1.Prompt如何使用和進階

2.什么是提示與提示工程

3.提示工程的巨大威力：從Let’s think step by step說起

4.拆解、標準化、流程化：如何用AI改造工作

5.使用BROKE框架設計ChatGPT提示

6.通過案例分析，展示如何使用大模型prompt技術輔助開發

第二部分: DeepSeek大模型 API 應用開發

1.DeepSeek-V3 大模型API

2.DeepSeek-R1推理大模型API

3.DeepSeek模型 & 價格

4.DeepSeek模型參數Temperature 設置

5.DeepSeek模型Token 用量計算

6.DeepSeek模型錯誤碼

7.DeepSeek大模型多輪對話

8.DeepSeek大模型對話前綴續寫（Beta）

9.DeepSeek大模型FIM 補全（Beta）

10.DeepSeek大模型JSON Output

11.DeepSeek大模型Function Calling

12.DeepSeek大模型上下文硬盤緩存

13.文本內容補全初探（Text Completion）

14.聊天機器人初探（Chat Completion）

15.基于DeepSeek開發智能翻譯助手

16.案例分析

第三部分: DeepSeek大模型對比其他大模型API（國外和國內其他）

1.OpenAI大模型API

2.claude大模型API

3.Gemini 大模型API

4.智譜大模型API 介紹

5.使用 GLM-4 API構建模型和應用

6.基于通義千問大模型API的應用與開發

7.基于百度大模型API應用開發

8.基于字節，騰訊，華為大模型應用開發

第四部分: DeepSeek大模型API構建應用程序（12案例，靈活選擇）1.應用程序開發概述

2.案例項目分析

3.項目1：構建新聞稿生成器

4.項目2：語音控制

5.項目3：企業管理系統MIS應用案例分析

6.項目4：某企業智能管理系統

第三章 DeepSeek和LangChain開發應用

第一部分: 大模型應用開發框架 LangChain

1.大模型應用開發框架 LangChain

2.LangChain 是什么

3.為什么需要 LangChain

4.LangChain 典型使用場景

5.LangChain 基礎概念與模塊化設計

6.LangChain 核?模塊入門與實戰

7.LangChain 的3 個場景

8.LangChain 的6 大模塊

9.LangChain 的開發流程

10.創建基于LangChain聊天機器人

第二部分: 基于DeepSeek和LangChain構建文檔問答系統

1.構建復雜LangChain應用

2.LangChain模型(Models)：從不同的 LLM 和嵌入模型中進行選擇

3.LangChain提示(Prompts)：管理 LLM 輸入

4.LangChain鏈(Chains)：將 LLM 與其他組件相結合

5.LangChain索引(Indexs)：訪問外部數據

6.LangChain記憶(Memory)：記住以前的對話

7.LangChain代理(Agents)：訪問其他工具

8.使用大模型構建文檔問答系統

第四章 DeepSeek構建企業級RAG知識庫

第一部分: DeepSeek大模型企業RAG應用

1.RAG技術概述

2.加載器和分割器

3.文本嵌入和 向量存儲

4.檢索器和多文檔聯合檢索

5.RAG技術的關鍵挑戰

6.檢索增強生成實踐

7.RAG技術文檔預處理過程

8.RAG技術文檔檢索過程

第二部分: 構建基于DeepSeek RAG Agent：實現檢索增強生成

1.何謂檢索增強生成

2.提示工程、RAG與微調

3.從技術角度看檢索部分的Pipeline

4.從用戶角度看RAG流程

5.RAG和Agent

6.通過Llamalndex的ReAct RAG Agent實現檢索

7.獲取井加載電商的財報文件

8.將財報文件的數據轉換為向量數據

9.構建查詢引擎和工具

10.配置文本生成引擎大模型

11.創建Agent以查詢信息

第五章 基于DeepSeek大模型Agent智能體開發

第一部分:DeepSeek大模型驅動的Agent智能體開發概述

1.智能體的定義與特點

2.智能體與傳統軟件的關系

3.智能體與LLM的關系

4.從ChatGPT到智能體

5.智能體的五種能力

6.記憶，規劃，工具，自主決策，推理

7.多智能體協作

8.企業級智能體應用與任務規劃

9.智能體開發

第二部分: 基于Deepseek和LangChain構建Agent

1.通過LangChain中的ReAct框架實現自動定價

2.LangChain ReAct框架

3.LangChain中ReAct Agent 的實現

4.LangChain中的工具和工具包

5.通過create_react_agent創建Agent

6.深挖AgentExecutor的運行機制

7.Plan-and-Solve策略的提出

8.LangChain中的Plan-and-Execute Agent

9.通過Plan-and-Execute Agent實現物流管理

10.為Agent定義一系列進行自動庫存調度的工具

第六章 DeepSeek深入學習

第一部分: DeepSeek原理和優化

1.DeepSeek原理剖析

2.DeepSeek系統軟件優化

3.DeepSeek 訓練成本

4.DeepSeek V3模型參數

5.DeepSeek MoE架構

6.DeepSeek 架構4方面優化

7.DeepSeek R1 論文解讀

8.DeepSeek R1的創新點剖析

9.DeepSeek R1 引發的創新思考

第二部分: 私有化部署DeepSeek推理大模型

1.DeepSeek云端部署

2.DeepSeek和國產信創平臺

3.DeepSeek和國內云平臺

4.利用Ollama私有化部署DeepSeek R1大模型

5.一鍵部署DeepSeek R1大模型

6.DeepSeek R1私有化部署總結

第三部分: DeepSeek大模型微調

1.DeepSeek 大模型微調

2.為何微調大模型

3.大模型先天缺陷

4.預訓練成本高昂

5.垂直數據分布差異

6.提示推理成本限制

7.DeepSeek大模型微調的三個階段剖析

8.DeepSeek大模型微調的兩種方法剖析

專家老師

劉老師 | 國內頂尖AI專家

最近幾年帶隊完成了數十個AI項目，內容不僅包括深度學習、機器學習、數據挖掘等具體技術要點，也包括AI的整體發展、現狀、應用、商業價值、未來方向等，涵蓋內容非常豐富。完成多個深度學習實踐項目，廣泛應用于醫療、交通、銀行、電信等多個領域。從2020年推出的多門課程《AI大模型賦能行業應用與解決方案》《AI大模型輔助軟件研發管理與效能提升》和《AI大模型技術及開發應用實踐》更是廣受歡迎，已經為幾十家企業培訓，作為一名AI技術專家，對人工智能的理解深入透徹。他不僅精通AI的編程技術，還熟悉各種AI工具的使用，尤其在AI行業應用更是有著獨特的見解和實踐經驗；自從2023年以來幫助多家研發中心做AI輔助開發效能提升咨詢服務。同時也是微軟人工智能認證工程師，阿里云AI人工智能訓練師。在人工智能領域的深耕和創新，也得到了出版社的青睞，計劃出版自己的著作。也在多家技術大會做AI技術講座。

我要報名

在線報名：DeepSeek大模型應用開發最佳實踐(廣州)