DeepSeek大模型应用开发最佳实践 - AI大模型全栈工程师实战训练营

大模型前沿应用实践 / 2025-07-01 14:25:03
DeepSeek大模型应用开发最佳实践 - AI大模型全栈工程师实战训练营
    马上咨询

    讲师介绍

    刘老师

    近几年带队完成了数十个AI项目，内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点，也包括AI的整体发展、现状、应用、商业价值、未来方向等，涵盖内容非常丰富。完成多个深度学习实践项目，广泛应用于医疗、交通、银行、电信等多个领域。从2020年推出的多门课程《AI大模型赋能行业应用与解决方案》《AI 大模型辅助软件研发管理与效能提升》和《AI大模型技术及开发应用实践》更是广受欢迎，已经为几十家企业培训，作为一名AI技术专家，对人工智能的理解深入透彻。他不仅精通AI的编程技术，还熟悉各种AI工具的使用，尤其在AI行业应用更是有着独特的见解和实践经验；自从2023年以来帮助多家研发中心做AI辅助开发效能提升咨询服务。同时也是微软人工智能认证工程师，阿里云AI人工智能训练师。在人工智能领域的深耕和创新，也得到了出版社的青睐，计划出版自己的著作。


    为什么需要该课程

    2025年春节期间中国的DeepSeek火爆全球，震惊美国硅谷，可以与花费百亿巨资的GPT相媲美，戳穿美股科技泡沫，以英伟达为代表的AI龙头出现了暴跌。DeepSeek让特朗普也感到惧怕，随即美国黑客攻击DeepSeek的网站，使其瘫痪，中美爆发网络黑客大战。DeepSeek的爆火源于其多方面优势。首先，它完全开源，可本地部署，无使用限制，保护用户隐私。其次，其性能强大，效果可比肩甚至超越国际顶尖模型，尤其在中文处理和复杂逻辑推理方面表现出色。此外，DeepSeek训练成本低，API价格仅为同类产品的三十分之一，性价比超高。它还支持深度思考，能展示清晰的思维链，并具备联网搜索、拍照识字、文件上传等功能，使用场景丰富。最后，其响应速度快，生成内容几乎无需等待。

    本课程为大模型应用开发人员提供了一份清晰、全面的“可用知识”，带领大家快速了解DeepSeek和API，同时对比OpenAI和国内多个其他大模型（文心，智谱，千问等）的工作原理及优势，并在此基础上使用流行的编程语言构建大模型应用。通过课程，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain，RAG，Agent等高阶实践技术。课程提供了简单易学的示例，帮你理解并应用在自己的项目中。


    你可以参加吗?

    • 各类软件企业和研发中心的程序员、软件设计师、架构师, 项目经理，架构师。
    • 本课程面向零基础LLM应用开发者，不需要了解复杂数学算法，机器学习原理，不需要之前学习过大模型知识。有Java，C#，C++等编程基础，最好有Python基础知识，但即使你对 Python 不太熟悉，也完全没有关系。课程主要阅读和讲解案例代码。


    成功案例

    本课程已经举办多期线上线下公开课。已经为几十家企业定制专门培训课程包括如Autodesk中国研发中心，思科研发中心，中信研发中心，平安，民航信，NTT DATA，北京体彩，海尔，华为，中兴，台达电子，中国通号集团，中移信息，河南工学院，中国电信，中国联通，电信研究院，联想研发中心以及多家金融企业研发中心，平安产险，平安寿险，中信银行等。


    课程大纲（内容较多，预计3天时间，可以根据需求定制）
    第1章   DeepSeek大模型原理和应用

    第一部分: LLM大模型核心原理 

    1. 大模型基础：理论与技术的演进
    2. LLMs大语言模型的概念定义
    3. LLMs大语言模型的发展演进
    4. LLMs大语言模型的生态体系
    5. 大语言模型技术发展与演进
    6. 基于统计机器学习的语言模型
    7. 基于深度神经网络的语言模型
    8. 基于 Transformer 的大语言模型
    9. LLMs大语言模型的关键技术
    10. LLMs大语言模型的核心框架：商业&开源
    11. LLMs大语言模型的行业应用

    第二部分: DeepSeek大模型应用-办公提效

    1. 官方大模型DeepSeek应用
    2. DeepSeek办公提效
    3. 使用DeepSeek官方模型做推理任务
    4. DeepSeek和OpenAI O1模型的对比总结
    5. DeepSeek和国内其他大模型对比（智谱，文心，通义，kimi等）
    6. DeepSeek和国外其他大模型对比（Claude Gemini Mistral等）

    第三部分: DeepSeek大模型推理能力

    1. DeepSeek-R1 发布
    2. 对标 OpenAI o1 正式版
    3. DeepSeek-R1 上线 API
    4. DeepSeek 官网推理与 App 
    5. DeepSeek-R1 训练论文
    6. 蒸馏小模型超越 OpenAI o1-min
    7. DeepSeek-R1 API 开发应用
    8. 通用基础与专业应用能力
    第2章基于DeepSeek大模型API开发应用

    第四部分:DeepSeek大模型与Prompt提示工程 

    1. Prompt如何使用和进阶
    2. 什么是提示与提示工程
    3. 提示工程的巨大威力：从Let’s think step by step说起
    4. 拆解、标准化、流程化：如何用AI改造工作
    5. 使用BROKE框架设计ChatGPT提示
    6. 通过案例分析，展示如何使用大模型prompt技术辅助开发

    第五部分: SeepSeek大模型  API 应用开发

    1. DeepSeek-V3 大模型API
    2. DeepSeek-R1推理大模型API
    3. DeepSeek模型 & 价格
    4. DeepSeek模型参数Temperature 设置
    5. DeepSeek模型Token 用量计算
    6. DeepSeek模型错误码
    7. DeepSeek大模型多轮对话
    8. DeepSeek大模型对话前缀续写（Beta）
    9. DeepSeek大模型FIM 补全（Beta）
    10. DeepSeek大模型JSON Output
    11. DeepSeek大模型Function Calling
    12. DeepSeek大模型上下文硬盘缓存
    13. 文本内容补全初探（Text Completion）
    14. 聊天机器人初探（Chat Completion）
    15. 基于DeepSeek开发智能翻译助手
    16. 案例分析

    第六部分: DeepSeek大模型对比其他大模型API（国外和国内其他）

    1. OpenAI大模型API
    2. claude大模型API
    3. Gemini 大模型API
    4. 智谱大模型API 介绍
    5. 使用 GLM-4 API构建模型和应用
    6. 基于通义千问大模型API的应用与开发
    7. 基于百度大模型API应用开发
    8. 基于字节，腾讯，华为大模型应用开发

    第七部分: DeepSeek大模型API构建应用程序（12案例，灵活选择）

    1. 应用程序开发概述
    2. 案例项目分析
    3. 项目1：构建新闻稿生成器
    4. 项目2：语音控制
    5. 项目3：企业管理系统MIS应用案例分析
    6. 项目4：某企业智能管理系统
    第3章  DeepSeek和LangChain开发应用

    第八部分: ⼤模型应⽤开发框架 LangChain 

    1. 大模型应用开发框架 LangChain
    2. LangChain 是什么
    3. 为什么需要 LangChain
    4. LangChain 典型使用场景
    5. LangChain 基础概念与模块化设计
    6. LangChain 核心模块入门与实战
    7. LangChain 的3 个场景
    8. LangChain 的6 大模块
    9. LangChain 的开发流程
    10. 创建基于LangChain聊天机器人

    第九部分: 基于DeepSeek和LangChain构建文档问答系统

    1. 构建复杂LangChain应用
    2. LangChain模型(Models)：从不同的 LLM 和嵌入模型中进行选择
    3. LangChain提示(Prompts)：管理 LLM 输入
    4. LangChain链(Chains)：将 LLM 与其他组件相结合
    5. LangChain索引(Indexs)：访问外部数据
    6. LangChain记忆(Memory)：记住以前的对话
    7. LangChain代理(Agents)：访问其他工具
    8. 使⽤大模型构建文档问答系统
    第4章  DeepSeek构建企业级RAG知识库

    第十部分: DeepSeek大模型企业RAG应用

    1. RAG技术概述
    2. 加载器和分割器
    3. 文本嵌入和 向量存储
    4. 检索器和多文档联合检索
    5. RAG技术的关键挑战
    6. 检索增强生成实践
    7. RAG技术文档预处理过程
    8. RAG技术文档检索过程

    第十一部分: 构建基于DeepSeek RAG Agent：实现检索增强生成

    1. 何谓检索增强生成
    2. 提示工程、RAG与微调
    3. 从技术角度看检索部分的Pipeline
    4. 从用户角度看RAG流程
    5. RAG和Agent
    6. 通过Llamalndex的ReAct RAG Agent实现检索
    7. 获取井加载电商的财报文件
    8. 将财报文件的数据转换为向量数据
    9. 构建查询引擎和工具
    10. 配置文本生成引擎大模型
    11. 创建Agent以查询信息
    第5章基于DeepSeek大模型Agent智能体开发

    第十二部分:DeepSeek大模型驱动的Agent智能体开发概述

    1. 智能体的定义与特点
    2. 智能体与传统软件的关系
    3. 智能体与LLM的关系
    4. 从ChatGPT到智能体
    5. 智能体的五种能力
    6. 记忆，规划，工具，自主决策，推理
    7. 多智能体协作
    8. 企业级智能体应用与任务规划
    9. 智能体开发

    第十三部分: 基于Deepseek和LangChain构建Agent

    1. 通过LangChain中的ReAct框架实现自动定价 
    2. LangChain ReAct框架 
    3. LangChain中ReAct Agent 的实现 
    4. LangChain中的工具和工具包 
    5. 通过create_react_agent创建Agent 
    6. 深挖AgentExecutor的运行机制
    7. Plan-and-Solve策略的提出 
    8. LangChain中的Plan-and-Execute Agent 
    9. 通过Plan-and-Execute Agent实现物流管理 
    10. 为Agent定义一系列进行自动库存调度的工具
    第6章  DeepSeek深入学习

    第十四部分: DeepSeek原理和优化

    1. DeepSeek原理剖析
    2. DeepSeek系统软件优化
    3. DeepSeek 训练成本
    4. DeepSeek V3模型参数
    5. DeepSeek MoE架构
    6. DeepSeek 架构4方面优化
    7. DeepSeek R1 论文解读
    8. DeepSeek R1的创新点剖析
    9. DeepSeek R1 引发的创新思考

    第十五部分: 私有化部署DeepSeek推理大模型

    1. DeepSeek云端部署
    2. DeepSeek和国产信创平台
    3. DeepSeek和国内云平台
    4. 利用Ollama私有化部署DeepSeek R1大模型
    5. 一键部署DeepSeek R1大模型
    6. DeepSeek R1私有化部署总结

    第十六部分: DeepSeek大模型微调

    1. DeepSeek 大模型微调
    2. 为何微调大模型
    3. 大模型先天缺陷
    4. 预训练成本高昂
    5. 垂直数据分布差异
    6. 提示推理成本限制
    7. DeepSeek大模型微调的三个阶段剖析
    8. DeepSeek大模型微调的两种方法剖析


    最新动态

    点击阅读更多内容
    返回顶部