课程目标：

l 
帮助企业IT管理及研发、运维人员了解DeepSeek及其大模型技术的基本原理、核心优势与实际应用价值

l  探讨如何利用DeepSeek技术优化企业信息化建设和数字化转型

l  分析技术集成、部署策略及未来发展趋势，助力企业在激烈竞争中保持领先

课程大纲：

一、大模型与DeepSeek简介

1. 大模型技术概览

l 大模型的概念及其发展历程

l 目前全球主流大模型的特点及关键技术

l 大模型企业应用场景：知识管理、智能客服、软件研发、辅助决策等

2. DeepSeek简介

l DeepSeek 公司背景

l DeepSeek 的产品：从 V1 到 V3 再到 R1

l DeepSeek-V3 和 DeepSeek-R1 的区别与各自优势、R1的重要意义

二、DeepSeek核心技术解析

1. DeepSeek-V3 模型技术解析

l 模型架构与参数规模

l MoE、MLA、混合精度优化等关键技术与工程优化

l 训练流程及成本控制

2. DeepSeek-R1 模型解析

l 在DeepSeek-V3基础上，通过强化学习（RL）激发“链式思维”能力

l “R1-Zero”：纯RL训练的初步探索及存在的问题

l “R1”改进：引入冷启动数据、SFT+RL组合、语言一致性奖励等方法

l 开源模式及后续蒸馏小模型的部署优势

三、DeepSeek提示语设计与智能办公应用实践

1.  高效提示语设计与优化

l 提示语在任务分解、知识激活和引导思考中的关键作用

l 设计技巧：围绕目标设定、场景化表达、角色定位及风格调整展开，并强调反馈迭代优化的重要性

l 内容策略：探讨如何结合热点跟进、原创深度创作与互动娱乐，实现提示语的效能增益

2. DeepSeek V3在高效办公中的应用

l 协同办公优化：利用V3技术提升内部邮件、会议纪要和公告文案的撰写效率

l 多模态创作：借助文本生成、数据可视化及图像/视频融合，优化信息结构和内容输出，助力企业实现精准内容创作

3. DeepSeek R1在智能办公与数据分析中的实践

l 如何利用R1的编程与数学能力，玩转Office和日常数据分析，提升办公效率

l 数据分析应用：聚焦营销数据处理与智能化报表等场景讨论DeepSeek数据分析落地实践

四、DeepSeek在企业的部署与应用技术详解

1. 部署架构与方案

l 云端部署：DeepSeek官方平台API调用、第三方MaaS服务

l 本地化部署：算力评估、开源模型部署环境搭建

l 蒸馏及微调环境搭建：讲解如何搭建蒸馏DeepSeek-R1微调小模型的环境

l DeepSeek的纯强化学习环境搭建方案：讲解DeepSeek创新的“纯RL”在企业里的应用场景，以及如何根据企业业务需求搭建纯RL环境

2. API与应用开发

l API：讲解各DeepSeek部署环境的典型API方案

l DeepSeek应用的基本架构

l 提示词工程：介绍在企业级应用里如何结合业务场景构造不同类型的提示词，以及和个人使用场景的提示词设计的异同

3. 企业知识库与向量检索增强技术（RAG）

l 知识库/向量检索增强技术原理：解析RAG中向量空间模型、相似度计算原理；

l 结合实际案例讲解文本切割的原则和技巧，应用于上市公司财报分析、售前/售后技术支持等场景。

l 知识库构建中的图表处理和数据清洗

l RAG与知识图谱的结合以及GraphRAG

4. 智能体Agent架构与实现

l 智能体概念澄清：讲解智能体（Agent）的概念，并澄清一些误解

l 典型智能体架构：介绍基于LLM的智能体系统架构及其组成要素，以及常见的部署方案。

l AgenticRAG：结合检索增强生成技术，提高智能问答效果和准确度。

l 多智能体协作：多智能体协作方式和多智能体系统开发框架。

五、DeepSeek 企业落地案例剖析

1. 企业落地方案及应用案例（一）情报收集与分析

l 商业情报、公共舆情收集与分析的痛点

l RAG架构及基于DeepSeek V3的多模态情报库与智能问答系统构建

l 智能体架构的Agentic RAG技术及基于DeepSeek R1的情报分析

2. 企业落地方案及应用案例（二）企业级软件研发智能助手

l 企业级软件研发的痛点及已有AI Coding工具的不足

l CodeGraphRAG 技术及在企业软件研发智能体中的应用

l 基于 DeepSeek R1 的代码审查助手

l 基于 DeepSeek V3 的 UI 测试助手

3. 企业落地其他场景探讨

l 销售与运营数据分析、供应链预测、客户投诉处理与体验升级等

六、DeepSeek催化互联网应用新范式发展

1. DeepSeek场景化需求匹配

l 利用DeepSeek-R1的复杂推理能力：个人工作助理、教育领域的解题辅导等。

l 结合DeepSeek-V3的多模态处理能力：电商智能导购、家庭监控与情感陪护等。

l 大模型应用UI/UE设计与互联网生态接入

2. AI for AI：利用AI技术进行产品持续优化

l 用户意图建模：用户行为潜在需求分析，多模态推荐策略优化

l 建立强化学习飞轮：将用户行为数据（如点击率、任务完成度）转化为奖励信号持续对模型和智能体进行优化

l 失败用例识别与错误归因分析

3. 大模型互联网应用风险管理与供应商选择

l 内容和技术风险及应对策略

l 利用开源社区及生态寻找第三方DeepSeek合作伙伴

七、竞争格局、行业影响与未来趋势

1. 全球与国内竞争态势及行业影响

l 美国和其他国家在大模型和AI基础设施方面的投入现状

l 中国各大模型公司、云厂商及应用生态的竞争格局和发展趋势

l DeepSeek对美国科技股（如Nvidia）和中美风险投资市场影响

2. 未来趋势与战略思考

l 大模型时代是否已开启下半场？

l 出口管制、数据安全、信创方案及对未来技术发展的影响

l 新业务、新岗位、新就业与企业转型