课程定位

通过案例代码贯通大模型应用开发与企业知识智能场景。

学习收获

• 提供清晰全面的可用知识，快速了解DeepSeek和API；
• 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；
• 在案例基础上使用流行的编程语言构建大模型应用；
• 掌握如何构建文本生成、问答和内容摘要等初阶大模型应用；
• 了解提示工程、模型微调、插件、LangChain，RAG，Agent等高阶实践技术。

课程模块

第一章 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

第二章 基于DeepSeek大模型API开发应用

• 第一部分: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
• 第二部分: DeepSeek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
• 第三部分: 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
• 第四部分: 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

第三章 DeepSeek和LangChain开发应用

• 第一部分: 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
• 第二部分: 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

第四章 DeepSeek构建企业级RAG知识库

• 第一部分: 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
• 第二部分: 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

第五章 基于DeepSeek大模型Agent智能体开发

• 第一部分: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
• 第二部分: 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

第六章 DeepSeek深入学习

• 第一部分: 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
• 第二部分: 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
• 第三部分: 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

适合人群

程序员、开发工程师、软件设计师、项目经理、架构师等；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

师资信息

专家老师
刘老师 | 国内顶尖AI专家
最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。也在多家技术大会做AI技术讲座。

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。