課程大綱
第一部分：DeepSeek大模型原理和應(yīng)用
一、LLM大模型核心原理
   1. 大模型基礎(chǔ)：理論與技術(shù)的演進(jìn)
   2. LLMs大語(yǔ)言模型的概念定義
   3. LLMs大語(yǔ)言模型的發(fā)展演進(jìn)
   4. LLMs大語(yǔ)言模型的生態(tài)體系
   5. 大語(yǔ)言模型技術(shù)發(fā)展與演進(jìn)
   6. 基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的語(yǔ)言模型
   7. 基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型
   8. 基于 Transformer 的大語(yǔ)言模型
   9. LLMs大語(yǔ)言模型的關(guān)鍵技術(shù)
   10. LLMs大語(yǔ)言模型的核心框架：商業(yè)&開(kāi)源
   11. LLMs大語(yǔ)言模型的行業(yè)應(yīng)用
二、DeepSeek大模型應(yīng)用-辦公提效
   1. 官方大模型DeepSeek應(yīng)用
   2. DeepSeek辦公提效
   3. 使用DeepSeek官方模型做推理任務(wù)
   4. DeepSeek和OpenAI O1模型的對(duì)比總結(jié)
   5. DeepSeek和國(guó)內(nèi)其他大模型對(duì)比（智譜，文心，通義，kimi等）
   6. DeepSeek和國(guó)外其他大模型對(duì)比（Claude Gemini Mistral等）
三、DeepSeek大模型推理能力
   1. DeepSeek-R1 發(fā)布
   2. 對(duì)標(biāo) OpenAI o1 正式版
   3. DeepSeek-R1 上線 API
   4. DeepSeek 官網(wǎng)推理與 App
   5. DeepSeek-R1 訓(xùn)練論文
   6. 蒸餾小模型超越 OpenAI o1-min
   7. DeepSeek-R1 API 開(kāi)發(fā)應(yīng)用
   8. 通用基礎(chǔ)與專(zhuān)業(yè)應(yīng)用能力
第二部分：基于DeepSeek大模型API開(kāi)發(fā)應(yīng)用
一、DeepSeek大模型與Prompt提示工程
   1. Prompt如何使用和進(jìn)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(shuō)起
   4. 拆解、標(biāo)準(zhǔn)化、流程化：如何用AI改造工作
   5. 使用BROKE框架設(shè)計(jì)ChatGPT提示
   6. 通過(guò)案例分析，展示如何使用大模型prompt技術(shù)輔助開(kāi)發(fā)
二、SeepSeek大模型  API 應(yīng)用開(kāi)發(fā)
   1. DeepSeek-V3 大模型API
   2. DeepSeek-R1推理大模型API
   3. DeepSeek模型 & 價(jià)格
   4. DeepSeek模型參數(shù)Temperature 設(shè)置
   5. DeepSeek模型Token 用量計(jì)算
   6. DeepSeek模型錯(cuò)誤碼
   7. DeepSeek大模型多輪對(duì)話
   8. DeepSeek大模型對(duì)話前綴續(xù)寫(xiě)（Beta）
   9. DeepSeek大模型FIM 補(bǔ)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(pán)緩存
   13. 文本內(nèi)容補(bǔ)全初探（Text Completion）
   14. 聊天機(jī)器人初探（Chat Completion）
   15. 基于DeepSeek開(kāi)發(fā)智能翻譯助手
   16. 案例分析
三、DeepSeek大模型對(duì)比其他大模型API（國(guó)外和國(guó)內(nèi)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(gòu)建模型和應(yīng)用
   6. 基于通義千問(wèn)大模型API的應(yīng)用與開(kāi)發(fā)
   7. 基于百度大模型API應(yīng)用開(kāi)發(fā)
   8. 基于字節(jié)，騰訊，華為大模型應(yīng)用開(kāi)發(fā)
四、DeepSeek大模型API構(gòu)建應(yīng)用程序
   1. 應(yīng)用程序開(kāi)發(fā)概述
   2. 案例項(xiàng)目分析
第三部分：DeepSeek和LangChain開(kāi)發(fā)應(yīng)用
一、大模型應(yīng)用開(kāi)發(fā)框架 LangChain
   1. 大模型應(yīng)用開(kāi)發(fā)框架 LangChain
   2. LangChain 是什么
   3. 為什么需要 LangChain
   4. LangChain 典型使用場(chǎng)景
   5. LangChain 基礎(chǔ)概念與模塊化設(shè)計(jì)
   6. LangChain 核?模塊入門(mén)與實(shí)戰(zhàn)
   7. LangChain 的3 個(gè)場(chǎng)景
   8. LangChain 的6 大模塊
   9. LangChain 的開(kāi)發(fā)流程
   10. 創(chuàng)建基于LangChain聊天機(jī)器人
二、基于DeepSeek和LangChain構(gòu)建文檔問(wèn)答系統(tǒng)
   1. 構(gòu)建復(fù)雜LangChain應(yīng)用
   2. LangChain模型(Models)：從不同的 LLM 和嵌入模型中進(jìn)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(jié)合
   5. LangChain索引(Indexs)：訪問(wèn)外部數(shù)據(jù)
   6. LangChain記憶(Memory)：記住以前的對(duì)話
   7. LangChain代理(Agents)：訪問(wèn)其他工具
   8. 使用大模型構(gòu)建文檔問(wèn)答系統(tǒng)
第四部分：DeepSeek構(gòu)建企業(yè)級(jí)RAG知識(shí)庫(kù)
一、DeepSeek大模型企業(yè)RAG應(yīng)用
   1. RAG技術(shù)概述
   2. 加載器和分割器
   3. 文本嵌入和 向量存儲(chǔ)
   4. 檢索器和多文檔聯(lián)合檢索
   5. RAG技術(shù)的關(guān)鍵挑戰(zhàn)
   6. 檢索增強(qiáng)生成實(shí)踐
   7. RAG技術(shù)文檔預(yù)處理過(guò)程
   8. RAG技術(shù)文檔檢索過(guò)程
二、構(gòu)建基于DeepSeek RAG Agent：實(shí)現(xiàn)檢索增強(qiáng)生成
   1. 何謂檢索增強(qiáng)生成
   2. 提示工程、RAG與微調(diào)
   3. 從技術(shù)角度看檢索部分的Pipeline
   4. 從用戶(hù)角度看RAG流程
   5. RAG和Agent
   6. 通過(guò)Llamalndex的ReAct RAG Agent實(shí)現(xiàn)檢索
   7. 獲取井加載電商的財(cái)報(bào)文件
   8. 將財(cái)報(bào)文件的數(shù)據(jù)轉(zhuǎn)換為向量數(shù)據(jù)
   9. 構(gòu)建查詢(xún)引擎和工具
   10. 配置文本生成引擎大模型
   11. 創(chuàng)建Agent以查詢(xún)信息
第五部分：基于DeepSeek大模型Agent智能體開(kāi)發(fā)
一、DeepSeek大模型驅(qū)動(dòng)的Agent智能體開(kāi)發(fā)概述
   1. 智能體的定義與特點(diǎn)
   2. 智能體與傳統(tǒng)軟件的關(guān)系
   3. 智能體與LLM的關(guān)系
   4. 從ChatGPT到智能體
   5. 智能體的五種能力
   6. 記憶，規(guī)劃，工具，自主決策，推理
   7. 多智能體協(xié)作
   8. 企業(yè)級(jí)智能體應(yīng)用與任務(wù)規(guī)劃
   9. 智能體開(kāi)發(fā)
二、基于Deepseek和LangChain構(gòu)建Agent
   1. 通過(guò)LangChain中的ReAct框架實(shí)現(xiàn)自動(dòng)定價(jià)
   2. LangChain ReAct框架
   3. LangChain中ReAct Agent 的實(shí)現(xiàn)
   4. LangChain中的工具和工具包
   5. 通過(guò)create_react_agent創(chuàng)建Agent
   6. 深挖AgentExecutor的運(yùn)行機(jī)制
   7. Plan-and-Solve策略的提出
   8. LangChain中的Plan-and-Execute Agent
   9. 通過(guò)Plan-and-Execute Agent實(shí)現(xiàn)物流管理
   10. 為Agent定義一系列進(jìn)行自動(dòng)庫(kù)存調(diào)度的工具
第六部分：DeepSeek進(jìn)階
一、DeepSeek原理和優(yōu)化
   1. DeepSeek原理剖析
   2. DeepSeek系統(tǒng)軟件優(yōu)化
   3. DeepSeek 訓(xùn)練成本
   4. DeepSeek V3模型參數(shù)
   5. DeepSeek MoE架構(gòu)
   6. DeepSeek 架構(gòu)4方面優(yōu)化
   7. DeepSeek R1 論文解讀
   8. DeepSeek R1的創(chuàng)新點(diǎn)剖析
   9. DeepSeek R1 引發(fā)的創(chuàng)新思考
二、私有化部署DeepSeek推理大模型
   1. DeepSeek云端部署
   2. DeepSeek和國(guó)產(chǎn)信創(chuàng)平臺(tái)
   3. DeepSeek和國(guó)內(nèi)云平臺(tái)
   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(jié)
三、DeepSeek大模型微調(diào)
   1. DeepSeek 大模型微調(diào)
   2. 為何微調(diào)大模型
   3. 大模型先天缺陷
   4. 預(yù)訓(xùn)練成本高昂
   5. 垂直數(shù)據(jù)分布差異
   6. 提示推理成本限制
   7. DeepSeek大模型微調(diào)的三個(gè)階段剖析
   8. DeepSeek大模型微調(diào)的兩種方法剖析