我要報(bào)名

咨詢電話：
手　　機(jī)：	郵箱：

課程介紹：

為了企業(yè)加速生成式AI技術(shù)落地、打造知識增強(qiáng)型業(yè)務(wù)系統(tǒng)提供實(shí)戰(zhàn)路徑，助力破解內(nèi)部文檔問答、客戶智能服務(wù)等場景的效率瓶頸；同時(shí)幫助相關(guān)人員系統(tǒng)掌握DeepSeek RAG技術(shù)棧，從基礎(chǔ)應(yīng)用到模型微調(diào)實(shí)現(xiàn)能力進(jìn)階，快速具備將RAG技術(shù)轉(zhuǎn)化為實(shí)際業(yè)務(wù)價(jià)值的核心技能。

據(jù)《2025企業(yè)AI落地調(diào)研報(bào)告》顯示，企業(yè)存在大模型幻覺導(dǎo)致業(yè)務(wù)失誤、知識時(shí)效性不足、違背規(guī)則要求的困境。而RAG（檢索增強(qiáng)生成）技術(shù)能夠?qū)崟r(shí)檢索外部知識庫，實(shí)現(xiàn)模型定向生成，成為破解困境的核心方案，已在各領(lǐng)域?qū)崿F(xiàn)規(guī)模化應(yīng)用。在此背景下，DeepSeek模型成為企業(yè)落地RAG系統(tǒng)的優(yōu)選底座。

本課程能夠幫助技術(shù)人員系統(tǒng)掌握從知識增強(qiáng)到模型微調(diào)的全流程實(shí)戰(zhàn)能力，助力企業(yè)構(gòu)建高可靠、高適配的智能應(yīng)用，實(shí)現(xiàn)“RAG+DeepSeek”的高效、準(zhǔn)確落地。

課程收益：

1.掌握RAG系統(tǒng)全鏈路設(shè)計(jì)與開發(fā)能力；

2.具備構(gòu)建復(fù)雜知識增強(qiáng)系統(tǒng)的實(shí)戰(zhàn)經(jīng)驗(yàn)；

3.具備大模型微調(diào)與定制化部署能力;

4.掌握低代碼與可視化RAG系統(tǒng)構(gòu)建方法;

5.獲得從開發(fā)到部署的完整項(xiàng)目經(jīng)驗(yàn)。

課程對象：

1.技術(shù)開發(fā)人員：如AI工程師、數(shù)據(jù)分析師、前后端開發(fā)工程師等人員；

2.企業(yè)業(yè)務(wù)相關(guān)人員：產(chǎn)品經(jīng)理、售前人員等需要結(jié)合大模型相關(guān)技術(shù)為業(yè)務(wù)賦能的人員；

3.高校學(xué)生及研究人員：計(jì)算機(jī)相關(guān)專業(yè)且Python基礎(chǔ)較好，有機(jī)器學(xué)習(xí)等AI基礎(chǔ)的大學(xué)生，以及對大模型技術(shù)感興趣，希望在AI算法領(lǐng)域開展研究的人員；

4.技術(shù)愛好者：對智能問答系統(tǒng)、RAG技術(shù)等感興趣的技術(shù)愛好者。

課程大綱：

第一天上午

第一部分: 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大語言模型的概念定義

3.LLMs大語言模型的發(fā)展演進(jìn)

4.LLMs大語言模型的生態(tài)體系

5.大語言模型技術(shù)發(fā)展與演進(jìn)

6.基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的語言模型

7.基于深度神經(jīng)網(wǎng)絡(luò)的語言模型

8.基于Transformer的大語言模型

9.LLMs大語言模型的關(guān)鍵技術(shù)

10.LLMs大語言模型的核心框架：商業(yè)&開源LLMs大語言模型的行業(yè)應(yīng)用

第二部分: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

通過案例分析，展示如何使用大模型prompt技術(shù)輔助開發(fā)

第一天下午

第三部分: DeepSeek大模型API應(yīng)用開發(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大模型多輪對話

8.DeepSeek大模型對話前綴續(xù)寫（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開發(fā)智能翻譯助手

案例分析與實(shí)戰(zhàn)

第四部分: 大模型應(yīng)用開發(fā)框架 LangChain

1.大模型應(yīng)用開發(fā)框架LangChain

2.LangChain是什么

3.為什么需要LangChain

4.LangChain典型使用場景

5.LangChain基礎(chǔ)概念與模塊化設(shè)計(jì)

6.LangChain核心模塊入門與實(shí)戰(zhàn)

7.LangChain的3個(gè)場景

8.LangChain的6大模塊

9.LangChain的開發(fā)流程

10.創(chuàng)建基于LangChain聊天機(jī)器人

第二天上午

第五部分: 基于DeepSeek和LangChain構(gòu)建文檔問答系統(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）：訪問外部數(shù)據(jù)

6.LangChain記憶（Memory）：記住以前的對話

7.LangChain代理（Agents）：訪問其他工具

8.使用大模型構(gòu)建文檔問答系統(tǒng)

第六部分: 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

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)處理過程

8.RAG技術(shù)文檔檢索過程

第二天下午

第七部分: 構(gòu)建基于DeepSeek構(gòu)建知識圖譜增強(qiáng)

1.Neo4j基礎(chǔ)概念：Node、Property、Relationship

2.使用Cypher查詢語言進(jìn)行數(shù)據(jù)建模、插入和查詢。

3.網(wǎng)絡(luò)配置文件（config）的基本結(jié)構(gòu)和參數(shù)分析

4.基于config指定數(shù)據(jù)清洗與標(biāo)準(zhǔn)化格式

5.基于本地大模型的結(jié)構(gòu)化分析實(shí)現(xiàn)

6.LangChain自動生成并優(yōu)化Cypher查詢

7.LangServe發(fā)布圖譜服務(wù)器

第八部分: 融合知識庫與多鏈路召回實(shí)現(xiàn)智能檢索

1.何謂多鏈路召回與單路召回的區(qū)別

2.多源數(shù)據(jù)整合：知識庫、知識圖譜與結(jié)構(gòu)化數(shù)據(jù)庫

3.向量召回與語義檢索的融合策略

4.并行召回與串行召回機(jī)制分析

5.LangChain多路召回Pipeline設(shè)計(jì)

6.基于Embedding相似度的召回融合方法

7.構(gòu)建多鏈路召回的索引與緩存機(jī)制

8.通過LangChain實(shí)現(xiàn)多數(shù)據(jù)源統(tǒng)一檢索

9.實(shí)戰(zhàn)案例：企業(yè)知識庫+業(yè)務(wù)數(shù)據(jù)庫的混合召回

10.多鏈路召回性能優(yōu)化與準(zhǔn)確率提升策略

第三天上午

第九部分: 過濾與二次重排構(gòu)建高精度智能檢索

1.何謂ReRank與傳統(tǒng)召回的關(guān)系

2.檢索前過濾與檢索后重排整體流程

3.LangChain中Retriever與Reranker組件機(jī)制

4.基于Embedding相似度與LLM語義打分的雙階段排序

5.Rerank模型（bge-reranker、cross-encoder）介紹

6.LangChain構(gòu)建二次重排Pipeline的實(shí)現(xiàn)路徑

7.結(jié)合BM25 +向量檢索+ReRank的混合策略

8.檢索重排性能對比與評估指標(biāo)設(shè)計(jì)

9.實(shí)戰(zhàn)案例：構(gòu)建高精度企業(yè)知識庫問答系統(tǒng)

10.結(jié)合RAG與ReRank的智能知識檢索系統(tǒng)部署與優(yōu)化

第十部分: LangFlow：構(gòu)建低代碼RAG知識檢索系統(tǒng)

1.LangFlow平臺簡介：可視化LangChain 的低代碼工具

2.RAG（檢索增強(qiáng)生成）整體架構(gòu)與核心流程

3.LangFlow 節(jié)點(diǎn)介紹：LLM、Retriever、Memory、Tool

4.加載并解析企業(yè)文檔數(shù)據(jù)（PDF/CSV/Markdown）

5.構(gòu)建向量索引與 Embedding 存儲（FAISS/Chroma）

6.可視化搭建 RAG 流程：從輸入到響應(yīng)的鏈路設(shè)計(jì)

7.添加上下文記憶與多輪對話邏輯

8.調(diào)試與參數(shù)優(yōu)化：Prompt模板與上下文窗口配置

9.部署LangFlow應(yīng)用并接入API調(diào)用

10.實(shí)戰(zhàn)案例：構(gòu)建企業(yè)知識文檔智能問答系統(tǒng)

第三天下午

第十一部分: 數(shù)據(jù)工程與大模型微調(diào)

1.大模型微調(diào)基礎(chǔ)原理與常見應(yīng)用場景

2.微調(diào)數(shù)據(jù)格式解析：ShareGPT與Alpaca格式規(guī)范

3.使用EasyData從文檔自動生成 ShareGPT 格式數(shù)據(jù)集

4.摩搭社區(qū)（ModelScope）平臺介紹與模型下載流程

5.LlamaFactory微調(diào)框架概覽與環(huán)境配置

6.LoRA/QLoRA微調(diào)參數(shù)設(shè)置與模型訓(xùn)練實(shí)戰(zhàn)

7.模型驗(yàn)證與性能評估：Loss、F1、Perplexity

8.微調(diào)模型導(dǎo)出與轉(zhuǎn)換：從 HuggingFace到Safetensors

9.將微調(diào)模型上傳至摩搭平臺并發(fā)布推理服務(wù)

10.實(shí)戰(zhàn)案例：針對企業(yè)內(nèi)部知識問答場景的微調(diào)實(shí)現(xiàn)

第十二部分: 微調(diào)后模型評測、效果對比與可視化評測報(bào)告

1.OpenCompass框架原理與安裝配置

2.Benchmark 測試體系介紹：通用任務(wù)與垂直任務(wù)集

3.微調(diào)模型的加載與評測準(zhǔn)備（SFT/LoRA模型）

4.通過OpenCompass執(zhí)行模型評測流程（命令行+配置文件）

5.常用評測指標(biāo)講解：BERTScore、BLEU、ROUGE、困惑度（Perplexity）

6.不同類型任務(wù)的評價(jià)策略：生成類vs分類類

7.微調(diào)前后模型性能對比與結(jié)果分析

8.結(jié)果可視化與報(bào)告生成（Precision/ Recall/F1對比）

9.實(shí)戰(zhàn)演示：評測DeepSeek微調(diào)版與原版輸出效果

10.基于評測結(jié)果優(yōu)化微調(diào)與業(yè)務(wù)落地建議

劉老師

劉老師 | 國內(nèi)頂尖AI專家、大數(shù)據(jù)技術(shù)專家

西安郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)。擁有著20多年軟件研發(fā)與企業(yè)培訓(xùn)經(jīng)驗(yàn)，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大模型技術(shù)。他的專業(yè)素養(yǎng)和教學(xué)能力備受學(xué)員贊譽(yù)，是眾多技術(shù)愛好者心中的楷模。

AI深度學(xué)習(xí)方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流機(jī)器學(xué)習(xí)算法、各種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和圖形圖像識別技術(shù)。

LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微調(diào)、DeepSpeek分布式訓(xùn)練、MindFormers生態(tài)、MoE混合專家模型。能根據(jù)客戶的需求實(shí)現(xiàn)定制化的模型私有化部署、微調(diào)、對齊、量化。并對LangChain、LlamaIndex、Dify等大模型框架有源碼級的理解。

鄒老師 | 某工業(yè)大學(xué)人工智能研究院院長

博士學(xué)歷，畢業(yè)于中國地質(zhì)科學(xué)院，兼任天津大學(xué)創(chuàng)業(yè)導(dǎo)師、山東交通學(xué)院客座教授、碩士生導(dǎo)師。主持研發(fā)50多個(gè)人工智能領(lǐng)域工業(yè)級項(xiàng)目，廣泛應(yīng)用于能源、醫(yī)療、交通、氣象、銀行等多個(gè)領(lǐng)域。

碩博期間主持研發(fā)大型行業(yè)建模軟件，代碼量100萬行（從底層開發(fā)是考慮后期維護(hù)和產(chǎn)權(quán)）。創(chuàng)立的睿客邦與國內(nèi)十多所高校建立了AI聯(lián)合實(shí)驗(yàn)室或?qū)嵱?xùn)基地廣泛應(yīng)用于醫(yī)療、交通、農(nóng)業(yè)、氣象、銀行、電信等多個(gè)領(lǐng)域。成立中國科學(xué)院鄒博人工智能研究中心，在翔創(chuàng)、天識等公司擔(dān)任技術(shù)顧問，曾在多個(gè)在線平臺授課，廣受網(wǎng)友好評，累計(jì)學(xué)習(xí)人數(shù)超過百萬。

公開出版《強(qiáng)化學(xué)習(xí)》《Python深度學(xué)習(xí)實(shí)踐》《自然語言處理》等11部專著和譯著。在國內(nèi)外期刊會議發(fā)表論文10余篇，獲得國家發(fā)明專利1項(xiàng)，著書1本，譯書6本。2017年主持科研項(xiàng)目榮獲國土資源科學(xué)技術(shù)一等獎。

為眾多知名企業(yè)進(jìn)行過上百場講座和內(nèi)部培訓(xùn)，其中包括中國移動、CSDN、中國建設(shè)銀行、花旗銀行、中信集團(tuán)、中航信、烽火科技、京東方、中科曙光、京東、大唐、完美世界等。

我要報(bào)名

在線報(bào)名：“DeepSeek RAG應(yīng)用實(shí)戰(zhàn)-從知識增強(qiáng)到微調(diào)”培訓(xùn)班(廣州)

其他城市職業(yè)技能培訓(xùn)

北京職業(yè)技能培訓(xùn) 上海職業(yè)技能培訓(xùn) 廣州職業(yè)技能培訓(xùn) 深圳職業(yè)技能培訓(xùn) 蘇州職業(yè)技能培訓(xùn) 南昌職業(yè)技能培訓(xùn) 大連職業(yè)技能培訓(xùn) 福州職業(yè)技能培訓(xùn) 廈門職業(yè)技能培訓(xùn)