电子工业出版社-网上书店

本书旨在提供一份全面、易懂的DeepSeek大模型实战内容，通过深入浅出的讲解，帮助读者快速掌握DeepSeek的核心技术和应用场景。本书不仅涵盖了DeepSeek的技术原理、架构设计和训练方法，还详细介绍了如何通过API调用、本地部署和云服务等方式将DeepSeek集成到实践项目中。此外，本书通过大量实例和案例分析，展示了DeepSeek在不同领域的应用实践，帮助读者更好地理解和应用这一强大的工具。本书图文并茂，理论翔实，案例丰富，适合从事DeepSeek开发的科研人员以及广大的开发者作为技术参考和培训资料，亦可作为高校本科生和研究生的教材。

目  录
第1章  DeepSeek初探	1
1.1  大模型的定义	2
1.2  从GPT到DeepSeek	3
1.2.1  GPT模型的发展脉络	4
1.2.2  DeepSeek模型的发展脉络	7
1.2.3  技术突破：从全球竞速到本土创新	10
1.2.4  应用生态的进化：从工具到生态伙伴	11
1.3  DeepSeek的核心能力和独特优势	12
1.3.1  核心能力	12
1.3.2  独特优势	14
1.4  DeepSeek的应用场景	16
1.4.1  智能客服	16
1.4.2  辅助办公	18
1.4.3  智能家居	20
1.4.4  医疗诊断	21
1.4.5  教育学习	22
1.4.6  金融投资	24
1.4.7  智能政务	24
1.5  DeepSeek带来的机遇	25
1.5.1  DeepSeek模型带给个人的机遇	26
1.5.2  DeepSeek带给中小企业的机遇	28
小结	30
第2章  DeepSeek的模型架构	32
2.1  DeepSeek-V3/R1模型的架构	33
2.2  混合专家	35
2.2.1  稠密MoE架构和稀疏MoE架构	36
2.2.2  DeepSeekMoE	37
2.2.3  无辅助损耗负载均衡	39
2.3  多头潜在注意力	41
2.3.1  键值缓存简介	41
2.3.2  RoPE简介	43
2.3.3  传统MHA的缓存机制的不足	46
2.3.4  低秩键值联合压缩的注意力机制	47
2.4  多Token预测	52
2.4.1  块级并行解码策略	53
2.4.2  Meta的MTP方法	53
2.4.3  DeepSeek的MTP方法	54
小结	56
第3章  DeepSeek的训练架构	57
3.1  DeepSeek的训练	58
3.1.1  基础技术	58
3.1.2  训练过程	61
3.2  DeepSeek在硬件层面的训练亮点	62
3.2.1  FP8混合精度训练	62
3.2.2  DualPipe算法	63
3.3  DeepSeek在算法层面的训练亮点	66
3.3.1  组相对策略优化	67
3.3.2  知识蒸馏	69
3.4  DeepSeek的数据优化手段	70
小结	72
第4章 高质量提示词	74
4.1  提示词概述	75
4.1.1  提示词的定义	75
4.1.2  提示词的种类	76
4.2  新手常见误区和陷阱	77
4.3  提示词的设计技巧	79
4.3.1  STAR法则：让问题更有条理	79
4.3.2  5W2H法则：全面提问的利器	80
4.3.3  CO-STAR框架：精准表达需求	82
4.3.4  CRISPE框架：激发创意和拓展深度	85
4.3.5  BROKE框架：目标导向和持续优化	86
4.3.6  借助大模型优化提示词	88
4.4  企业层面的提示词应用场景	92
4.4.1  传播策略制定	92
4.4.2  执行发展制定	93
4.4.3  品牌故事生成	94
4.4.4  产品定位	96
小结	97
第5章  面向个人的DeepSeek部署	98
5.1  DeepSeek的模型	99
5.1.1  DeepSeek模型的常见版本	99
5.1.2  DeepSeek模型的版本说明	100
5.1.3  DeepSeek模型的开源协议	101
5.2  硬件需求和配置建议	103
5.2.1  存储精度	103
5.2.2  显存占用估算	105
5.3  软件环境安装和配置	107
5.3.1  Ollama安装	107
5.3.2  使用Ollama部署DeepSeek模型	111
5.3.3  Ollama常用API	113
5.4  DeepSeek模型下载和部署	121
5.4.1  Hugging Face社区简介	121
5.4.2  模型下载	121
5.4.3  常见大模型文件类型	125
5.5  使用Web UI构建对话界面	126
5.5.1  Open-WebUI	126
5.5.2  Hollama	129
5.5.3  ChatBox	132
小结	133
第6章  面向企业的DeepSeek API调用	135
6.1  API调用的优势	136
6.2  常用DeepSeek API调用方式	137
6.2.1  DeepSeek官方开放平台	137
6.2.2  DMXAPI	144
小结	148
第7章  面向企业的DeepSeek云服务部署	149
7.1  本地部署与云服务部署的对比	150
7.1.1  本地部署的特点	150
7.1.2  云服务部署的特点	151
7.2  模型推理加速框架	152
7.2.1  推理加速框架的必要性	153
7.2.2  BladeLLM	153
7.2.3  SGLang	156
7.2.4  vLLM	159
7.3  常用DeepSeek云服务部署方式	164
7.3.1  阿里云	164
7.3.2  腾讯云	171
7.3.3  华为云	176
7.3.4  火山引擎	181
7.3.5  AutoDL	187
小结	198
第8章  DeepSeek模型训练	199
8.1  常用训练框架	200
8.1.1  Unsloth	200
8.1.2  TRL	201
8.2  DeepSeek模型的SFT训练	202
8.2.1  算力租用	202
8.2.2  模型下载和部署	204
8.2.3  数据预处理	207
8.2.4  模型训练	208
8.2.5  模型推理	210
8.3  DeepSeek模型的GRPO训练	212
8.3.1  加载模型	212
8.3.2  配置PEFT模型	213
8.3.3  数据集准备	213
8.3.4  模型训练	216
8.3.5  模型推理	217
小结	219
第9章  DeepSeek的RAG实战	220
9.1  用LangChain构建简单的RAG本地系统	221
9.1.1  RAG管道构建	221
9.1.2  向量数据库构建	223
9.1.3  Web页面启动	225
9.2  开源DeepSeek RAG应用案例	227
9.2.1  Local PDF Chat RAG	227
9.2.2  RAG Flow	231
小结	239?
第10章  DeepSeek的Agent实战	241
10.1  基于LlamaIndex项目构建简单的智能体应用	242
10.1.1  软件安装和模型下载	243
10.1.2  构建本地知识库	245
10.1.3  实现基于本地知识库的智能体问答	246
10.2  基于Swarm框架构建智能体应用	250
10.2.1  Swarm框架介绍	251
10.2.2  DeepSeek模型接入	253
10.2.3  调用外部工具	255
10.3  开源Agent应用框架	260
10.3.1  Browser Use	260
10.3.2  Camel	268
小结	279
参考文献	281

前  言
随着人工智能技术的飞速发展，大语言模型已经成为推动智能应用和创新的关键力量。从自然语言处理到多模态交互，从代码生成到复杂推理，大模型的应用场景不断拓展，深刻改变了我们生活和工作的方方面面。在这个浪潮中，DeepSeek（深度求索）作为国产开源大模型，凭借其卓越的技术创新和强大的性能，迅速成为全球人工智能领域的新焦点。
2025年年初，DeepSeek-R1的发布引发了广泛关注。这款模型不仅在技术上实现了突破性创新，更以其开源和高性价比，为中小企业和开发者提供了前所未有的机遇。DeepSeek不仅挑战了传统科技巨头在大模型领域的主导地位，还为全球人工智能的发展注入了新的活力，它不仅是一个技术产品，更是一个推动创新、促进普惠的平台。
DeepSeek的开源生态为开发者提供了广阔的创新空间。无论是个人用户还是中小企业，都可以通过DeepSeek实现高效的任务处理、智能内容生成和复杂问题解决。从智能客服到代码生成，从教育辅导到医疗辅助，DeepSeek的应用场景广泛且多样，不仅提升了工作效率，还为用户带来了全新的交互体验。
在撰写本书的过程中，我们始终坚持以读者为中心，力求做到内容准确、通俗易懂。我们希望通过本书，让更多的读者能够快速上手DeepSeek，掌握其核心技能，并将其应用到实际工作中。无论您是人工智能领域的初学者，还是希望提升工作效率的职场人士，或是对新技术充满好奇的爱好者，本书都将为您提供优质的知识和实用的指导。
随着人工智能技术的不断发展，DeepSeek也将持续进化。我们希望本书能够成为您探索人工智能世界的起点，帮助您在未来的创新道路上迈出坚实的步伐。让我们一起迎接人工智能带来的无限可能，共同探索DeepSeek的广阔天地。
关于大模型技术的赋能方与大模型应用的业务方的融合方面的知识和资源，读者可以关注微信公众号“智源齐说”，该公众号分享了关于大模型人才培养、大模型应用产业融合等方面的内容。?
本书主要内容
本书共10章。
其中，第1～3章为理论介绍部分。这部分阐释大模型的基础知识、DeepSeek模型的创新点及应用场景，介绍DeepSeek的模型架构（包括混合专家模型MoE、多头潜在注意力MLA、多Token预测MTP）、训练架构（包括FP8混合精度训练、DualPipe算法、组相对策略优化GRPO、知识蒸馏）。
第4章介绍如何写出高质量的提示词（包括提示词的设计技巧、企业层面的提示词应用场景）。
第5～10章介绍面向个人的DeepSeek模型部署（包括硬件需求与配置建议、软件环境安装与配置、使用Web UI构建对话界面）、面向企业的DeepSeek API调用和云服务部署（包括模型推理加速框架、常用DeepSeek云服务部署方式）、DeepSeek的模型训练（包括Unsloth微调DeepSeek模型、TRL训练DeepSeek模型）、RAG实践（包括构建简单的本地RAG系统、开源DeepSeek RAG应用案例）、Agent实践（包括构建简单的智能体应用、基于Swarm框架构建智能体应用、开源Agent应用框架）等内容。
特别说明：书中生成的内容为利用DeepSeek自动生成的，作为演示，未做修改。
本书的内容主要来自北京邮电大学MAIR团队的科研实践，参与编写的有MAIR团队的负责同学王轩以及MAIR团队的骨干成员张毅、王金浩、文怀斌等同学。
MAIR团队还开发了与本教材配套的DeepSeek实训平台，读者可以与本书配套使用，开展实训练习。
在编写过程当中，难免出现纰漏，还请读者批评指正。

张成文

本书配套资源下载

对不起，暂无音视频资源！

DeepSeek实战：从提示词到部署和实践