1

认识大模型及火爆全球的DeepSeek介绍

1.AI的技术发展

2.理解推理与非推理模型的区别

3.AIAgent平台中的模型对比调试

4.搜索类AI:秘塔、纳米介绍

5.大模型的应用架构

6.AI大模型的局限性

2

AIGC提问技巧及与DeepSeek的差异

1.DeepSeek与传统AI提示语策略差异

2.DeepSeek V3与R1 在提示语上的区别

3. DeepSeekV3等非推理大模型提问技巧(RTGO)

3

DeepSeek学习中的应用

1.DeepSeek、Kimi、文心一言、豆包等大模型在线演示（实操：搜索引擎使用、翻译软件、进行营销文案创作、编写邮件、拍照解答题目

4

提示词进阶：结构化提示词

1.结构化思维

2.结构化提示词剖析

3.如何撰写优质的结构化提示词

4.编写自动化工作流提示词

5.经典范例

6.结构化提示词与AI智能体

5

使用AI进行知识推理、公文写作和协同化办公

1.实操：逻辑问题解答、因果分析

2.实操：写作要点、会议通知、工作汇报、会议纪要等）

3.实操：使用DeepSeek+Kimi、WPS 灵犀制作工作汇报PPT；DeepSeek+Xmind轻松搞定思维导图；DeepSeek+XML生成SVG矢量图；DeepSeek+Mermaid快速制作流程图；）

6

AI绘画技巧

1.AI绘画工具介绍

2.AI绘画提问通用技巧

7

AI赋能数据分析与可视化技巧

1.实操：利用DeepSeek轻松获取外部数据、DeepSeek清洗和整理数据、DeepSeek编写Excel公式、DeepSeek生成图表

8

AI赋能自动化办公

1.了解VBA开发环境——VBE；实操：DeepSeek 生成VBA代码实现批量处理数据、搭建Python环境、AI赋能Python进行自动化办公、封装Python代码成直接可执行exe

9

本地化部署DeepSeek

1.本地部署硬件需求（实操：本地安装和使用ollama、安装chatbox用户界面、手动在Ollama中手动导入大语言模型、通过接入DeepSeek，瞬间升级为个人全能助手

10

搭建私有或共享知识库

1.什么是RAG？

2.什么是Embedding？

11

智能体关键技术与实战应用

1.什么是插件（实操：工作流的组成、图像流的组成及工具详解、Agent知识库、变量的应用、Agent数据库的应用、卡片的应用、长期记忆、文件盒子、对话体验及角色）

12

极简开发MCP轻松打造智能体

1.什么是MCP

2.MCP核心原理

3.支持MCP的平台与工具

4.实战：开发一个通用的MCP

13

Agent开发实战案例

1.实操：专业分析类Agent开发-AI投标助手、合同智能解析、审核和提供优化建议AI Agent开发

2.实操：知识问答类Agent开发-全能助理问问 Agent开发

3.效率办公类AI Agent开发实战案例-会议纪要助手 Agent、产业投资报告的编写Agent案例

4.实操：内容营销与自媒体运营类Agent开发-每日 AI 简报 Agent开发

14

AI Agent的局限性及期缓解办法

1.什么是多模态AI

2.智能体常见的局限性问题及缓解办法

1

生成式大模型原理与API使用

1.1 生成式AI分类

1.2 LLM是怎样训练的

1.3 LLM中的Token

1.4 Temperature与Top P的作用

1.5 AI Chat产品的强大能力

1.6 大模型API的场景案例

1.7 国产大模型DeepSeek的进化历程

1.8 大模型的应用架构（²Copilot - 多 Agent 架构、纯 Agent 架构）

2

本地化部署DeepSeek

2.1 DeepSeek的创新（MLA、MoE、混合精度框架）

2.2 本地部署硬件需求

2.3 vllm使用

2.4 本地安装和使用ollama(使用Ollama REST API、FastAPI封装）

2.5 安装chatbox用户界面

2.6 DeepSeek-R1使用（API调用）

3

大语言模型Prompt提示词工程

3.1 大模型提问技巧万能公式（角色、任务、上下文背景、关键词、目标对象、3.2 输出语言风格、输出格式、规则流程）

3.3 结构化思维

3.4 结构化提示词剖析

3.5 如何撰写优质的结构化提示词

3.6 编写自动化工作流提示词

3.7 经典范例

3.8 Prompt 攻击和防范

3.9 结构化提示词与AI智能体

4

生成式大语言模型实战应用：从工具使用到场景赋能

4.1 让DeepSeek、Kimi等大模型成为你的私人助理

4.1.1（实操演练）把DeepSeek当作新的搜索引擎

4.1.2 （实操演练）DeepSeek是最好用的翻译软件

4.1.3 （实操演练）使用DeepSeek进行营销文案创作

4.1.4 （实操演练）使用DeepSeek帮你写邮件

4.1.5 （实操演练）使用 deepseek 拍照解答题目

4.2 使用DeepSeek V3、Kimi等大模型进行公文写作

4.2.1（实操演练）使用DeepSeek V3公文写作要点

4.2.2（实操演练）使用DeepSeek V3编写会议通知

4.2.3（实操演练）使用DeepSeek V3编写工作汇报

4.2.4（实操演练）使用DeepSeek V3编写会议纪要

4.3 使用DeepSeek、Kimi等大模型进行知识推理

4.3.1（实操演练）使用DeepSeek进行逻辑问题解答

4.3.2（实操演练）使用DeepSeek进行因果分析

4.4 让DeepSeek、Kimi等大模型辅助办公效率提升

4.4.1 （实操演练）使用DeepSeek+Kimi制作工作汇报PPT

4.4.2 （实操演练）使用WPS 灵犀制作工作汇报PPT

4.4.3 （实操演练）使用DeepSeek+Xmind轻松搞定思维导图

4.4.4 （实操演练）使用DeepSeek+XML生成SVG矢量图

4.4.5 （实操演练）使用 DeepSeek+Mermaid快速制作流程图

4.4.6 （实操演练）使用DeepSeekDeepSeek、Kimi等进行数据分析

4.4.7 （实操演练）利用DeepSeek生成图表

5

AI编程技术

5.1  Python编程环境的配置

5.2 Cursor编程

5.3 什么是Cursor Rules

5.4 Cursor的主要功能

5.5 Cursor中的DeepSeek配置

5.6 Trae使用

5.7 AI编程实操案例演示

6

Embedding与向量数据库

6.1 什么是Embedding

6.1.1 N-Gram

6.1.2 余弦相似度计算

6.1.3 Word Embedding

6.1.4 Word2Vec工具

6.2 Embedding模型的选择

6.2.1 向量维度对模型性能的影响

6.2.2 单语言与多语言Embedding模型的选择

6.3 向量数据库

6.3.1 向量数据库与传统数据库的对比

6.3.2 常见的向量数据库

6.3.3 数据导入方法

7

RAG技术与应用

7.1 大模型应用开发模式

7.2 什么是RAG

7.3 RAG核心原理与流程

7.4 NativeRAG详解

7.5 Embedding模型选择

7.6 实战案例：DeepSeek + Faiss搭建本地知识库检索

7.7 切片策略优化

7.8 RAG质量提升方案

8

大模型微调技术与实践

8.1 微调技术概述

8.2 高效微调方法

8.3 LoRA数学原理深度解析

8.4 微调数据准备

8.4.1 数据质量要求与标准

8.4.2 数据一致性、准确性与多样性

8.4.3 不同模型规模的数据需求

8.4.4 数据清洗与格式统一

8.4.5 高质量数据准备流程

8.5 硬件需求与显存估算

8.6 前沿微调技术：s1模型与预算强制

8.7 Unsloth高效微调框架

8.8 基础微调实战：Qwen2.5-7B微调

8.9 垂直领域微调实战：中文医疗模型

8.10 推理模型微调实战：训练自己的R1模型

8.11 多模态模型微调：Qwen-VL实战

8.12 微调后模型评估

8.13 AI大模型发展趋势

9

大模型Agent技术

9.1 Agent让大模型更可用

9.2 了解Agent的工作原理

9.3 Agent开发平台速览

9.4 Dify开发平台

9.4.1 Dify部署与使用

9.4.2 Dify应用实战

9.5 扣子平台智能体开发实战

9.6 如何应用Agent API（Coze, Dify）

10

MCP与A2A原理与应用

10.1 什么是MCP

10.2 MCP 的核心概念

10.3 MCP 的应用

10.4 什么是Agent2Agent

10.5 A2A的关键组件

10.6 A2A的工作流程

10.7 A2A与MCP的关系

11

多模态大语言模型的工具框架及其应用效果展示

11.1 AIGC 图像生成的核心原理与主流工具全景概述

11.2 CLIP 模型与扩散模型的技术机制深度解析

11.3 文本生成图像（Text-to-Image）与图像生成图像（Image-to-Image）的技术应用

11.4 语音合成引擎的架构设计、核心功能与技术特性

11.5 语音转换模型的核心原理及实现

11.6 视频生成的关键技术