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 核⼼模块⼊⻔与实战

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

第十四部分: 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

第十五部分: 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

第十八部分: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

第二十部分: 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

第二十三部分: 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

第二十四部分: 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

第二十五部分: 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