主编推荐语
深度解析DeepSeek引领AI赋能制造业转型之路。
内容简介
本书涵盖DeepSeek原理、技术、落地案例,实战制造企业场景,兑现DeepSeek生产价值,推动企业转型。
本书主要内容如下:
首先,介绍DeepSeek的发展历程、技术路线与定位,澄清一些常见误区。并且,详细解析其核心技术,包括Transformer、MoE等基础架构,以及DeepSeek-MoE、MLA等关键创新,以揭示其性能突破与高速发展的技术根源。
接着,由浅入深地讲解DeepSeek应用方法论。基础模式包括提示词设计、多工具协同以及必备的应用能力。进阶模式则围绕垂直大模型的构建展开,涉及各种微调技术、RAG及AI Agent的基础架构与实践路径,为行业实践打下基础。
随后,视角聚焦于制造业场景,实现DeepSeek的部署与应用。先从决策层面,分析制造业的数字化现状、企业对大模型的核心需求及重点落地场景,进一步讨论DeepSeek私有化部署的必要性、成本结构、资源规划(场景、模型、算力、数据)与实施路线。再从实战层面,讲解Ollama、ChatBox本地化部署,基于Dify开发应用,构建知识库问答助手,设计自动化工作流等。
之后,进入案例演示环节。先以“企业超级员工”为主题,展示DeepSeek在制造业典型业务中的落地应用,如基于Dify构建智能生产合规助手、智能办公助手等。再进一步介绍制造业业垂直大模型的构建流程,包括数据集制作,以及基于LLaMA-Factory微调等。
最后,进行总结与展望,为企业提供有效的决策参考。对DeepSeek的能力边界、算力需求、成本效益等关键问题进行系统评估,并展望AI赋能制造业的未来发展方向。
目录
- 版权信息
- PREFACE 前言
- CHAPTER 1 第1章 认识DeepSeek
- 1.1 DeepSeek基础知识
- 1.1.1 DeepSeek发展简史
- 1.1.2 DeepSeek版本介绍
- 1.2 人工智能、大模型与DeepSeek
- 1.2.1 人工智能的三大技术流派
- 1.2.2 大模型的主要特征
- 1.2.3 大语言模型的基本能力
- 1.2.4 关于DeepSeek的常见误区
- 1.3 小结
- CHAPTER 2 第2章 DeepSeek的技术原理
- 2.1 大模型的基本技术
- 2.1.1 Transformer的基本原理
- 2.1.2 Transformer的优缺点
- 2.1.3 MoE的基本原理
- 2.1.4 MoE的优缺点
- 2.2 DeepSeek的技术创新
- 2.2.1 DeepSeekMoE
- 2.2.2 MLA
- 2.2.3 MTP
- 2.2.4 GRPO
- 2.3 DeepSeek火爆的逻辑
- 2.3.1 应用层的用户体验优化
- 2.3.2 算法层的集成创新
- 2.3.3 基础设施层的落地高性价比
- 2.4 小结
- CHAPTER 3 第3章 DeepSeek的基础使用方法
- 3.1 DeepSeek功能简介
- 3.1.1 能力图谱
- 3.1.2 三种模式
- 3.2 提示词
- 3.2.1 提示词的作用
- 3.2.2 提示词的必要性
- 3.2.3 提示词的基本要素
- 3.2.4 常用的提示词模板
- 3.3 DeepSeek多工具协同
- 3.3.1 DeepSeek的使用局限
- 3.3.2 多工具协同
- 3.4 使用DeepSeek的能力要求
- 3.4.1 提问
- 3.4.2 判断
- 3.4.3 调度
- 3.5 小结
- CHAPTER 4 第4章 DeepSeek的进阶使用方法
- 4.1 垂直大模型的构建
- 4.1.1 全量微调
- 4.1.2 局部微调
- 4.1.3 适配式微调
- 4.1.4 前缀式微调
- 4.1.5 外挂式微调
- 4.1.6 混合式微调
- 4.1.7 主要微调技术的对比
- 4.2 大模型检索增强生成
- 4.2.1 RAG简介
- 4.2.2 构建向量数据库
- 4.2.3 相似检索
- 4.2.4 智能生成
- 4.2.5 RAG效果评估
- 4.2.6 RAG应用场景
- 4.2.7 RAG与微调的对比
- 4.3 AI Agent
- 4.3.1 AI Agent简介
- 4.3.2 基本框架
- 4.3.3 感知模块
- 4.3.4 大脑模块
- 4.3.5 行动模块
- 4.3.6 大模型与AI Agent的关系
- 4.3.7 AI Agent与RPA的关系
- 4.4 小结
- CHAPTER 5 第5章 制造业与DeepSeek
- 5.1 制造业的数字化进展
- 5.1.1 企业数字化
- 5.1.2 智能制造
- 5.2 DeepSeek等大模型在制造业的应用
- 5.2.1 制造业需要大模型赋能
- 5.2.2 大模型在制造业的应用场景
- 5.3 小结
- CHAPTER 6 第6章 企业级DeepSeek的私有化部署与应用
- 6.1 企业私有化部署DeepSeek的考量
- 6.1.1 常见的DeepSeek使用方式
- 6.1.2 私有化部署的必要性
- 6.1.3 私有化部署的成本测算
- 6.2 企业私有化部署与应用DeepSeek的路径
- 6.2.1 场景选择
- 6.2.2 模型选择
- 6.2.3 算力分配
- 6.2.4 数据规划
- 6.2.5 整体解决方案
- 6.2.6 培训与推广
- 6.3 小结
- CHAPTER 7 第7章 DeepSeek部署与应用实战
- 7.1 DeepSeek本地部署工具
- 7.1.1 使用Ollama部署DeepSeek
- 7.1.2 基于ChatBox客户端与DeepSeek交互
- 7.2 大模型应用开发平台
- 7.2.1 安装Dify
- 7.2.2 Dify的功能特性
- 7.2.3 使用Dify开发AI应用
- 7.2.4 其他大模型应用开发平台
- 7.3 知识问答助手实践
- 7.3.1 构建知识库
- 7.3.2 创建问答助手
- 7.4 工作流实践
- 7.4.1 工作流组件简介
- 7.4.2 多知识库问答工作流示例
- 7.5 AI Agent实践
- 7.5.1 基于Function Calling调用外部工具
- 7.5.2 基于MCP调用外部工具
- 7.5.3 MCP实战
- 7.6 小结
- CHAPTER 8 第8章 企业超级员工:DeepSeek在业务场景中的应用案例
- 8.1 企业超级员工
- 8.1.1 企业超级员工的基本架构
- 8.1.2 构建企业知识库
- 8.2 基于Dify的智能生产合规知识助手
- 8.2.1 添加会话变量
- 8.2.2 构建用户意图识别模块
- 8.2.3 知识库的分类及构建
- 8.2.4 执行原文回复任务
- 8.2.5 实施任务自动化
- 8.3 基于Dify的智能办公助手
- 8.3.1 调用大模型生成思维导图的流程
- 8.3.2 基于Dify的思维导图自动生成流程
- 8.3.3 技术方案整合流程
- 8.4 小结
- CHAPTER 9 第9章 从通用到专精:垂直大模型的应用方案
- 9.1 构建微调数据集
- 9.1.1 数据获取
- 9.1.2 数据清洗
- 9.1.3 数据质量控制
- 9.1.4 数据扩增
- 9.1.5 数据标准化和格式化
- 9.2 微调框架:LLaMA-Factory
- 9.2.1 安装LLaMA-Factory
- 9.2.2 配置训练数据
- 9.2.3 微调模型的推理测试
- 9.3 小结
- CHAPTER 10 第10章 总结与展望
- 10.1 DeepSeek:行业应用万花筒
- 10.2 正确认识DeepSeek
- 10.2.1 DeepSeek的能力边界
- 10.2.2 DeepSeek与算力
- 10.2.3 DeepSeek与费用
- 10.2.4 DeepSeek与效益
- 10.2.5 DeepSeek会取代人类吗
- 10.3 DeepSeek的重要发展方向
- 10.3.1 端侧大模型加速变革
- 10.3.2 AI Agent快速普及
- 10.3.3 通用还是垂直
- 10.3.4 伦理与道德
- 10.4 小结
出版方
机械工业出版社
机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
